2026年7月21日，港股“全球大模型第一股”智谱正式宣布完成对国产AI异构算力软件公司中科加禾（XCore Sigma）的全资收购，交易金额为数亿元人民币。同日，市场还传出智谱已落地1GW级国产AI算力数据中心、全部采用国产AI芯片的消息。双重利好刺激下，智谱股价当日大涨超36%，市值回升至约5676亿港元。

　　这笔收购发生在一个极为微妙的时点——就在此前两个交易日，智谱刚刚经历了连续暴跌，7月17日单日跌28.49%，7月20日再跌19.56%，股价较6月22日2980港元的历史高点最大回撤约七成，市值从峰值约1.33万亿港元跌落至5000亿港元下方。

　　在筹码结构剧烈调整、市场情绪极度低迷之际，智谱选择以数亿元真金白银收购一家成立仅三年的编译器公司，其战略意图绝非简单的“抄底”或“护盘”可以概括。

　　算力之困：智谱为何必须“买下”一支编译器团队

　　要理解这笔收购的深层逻辑，首先需要看清智谱此前的算力困境。

　　2026年1月，智谱因算力扩容跟不上需求，不得不将GLM Coding Plan每日新用户购买名额压缩至正常水平的20%。3月GLM-5发布后，Coding Agent日调用量达数亿次，部分用户反馈模型在复杂任务中出现输出异常，公司复盘发现高并发场景下推理架构和KV Cache管理存在工程挑战。翻译成大白话：模型做出来了，用户也来了，但底层算力“管道”不够粗、不够稳，流量一上来就卡壳。

　　这种“有模型、没算力释放能力”的窘境，在大模型行业并非孤例。但智谱面临的问题比同行更复杂——其算力布局走的是“全栈国产化”路线。2025年，智谱营收7.24亿元、同比增长131.9%，但全年研发投入高达31.80亿元，净亏损47.18亿元。在高投入、高亏损的背景下，智谱的算力选择不能简单依赖英伟达GPU的“开箱即用”，而必须在国产芯片生态中寻找出路。

　　问题在于，国产芯片生态远未成熟。华为昇腾、寒武纪、海光信息等国产AI芯片各有各的指令集、各有各的编程框架，彼此之间互不兼容。大模型要在不同芯片上部署，就需要为每一款芯片做重复的适配和优化——这是一项工作量巨大、成本极高且难以规模化的工程。

　　这正是中科加禾的价值所在。

　　中科加禾成立于2023年，技术源头是中国科学院计算所编译实验室。创始人崔慧敏博士本硕毕业于清华大学计算机系，博士毕业于中科院计算所，曾任中科院计算所编译团队负责人。其核心团队曾主持或参与龙芯、神威、寒武纪、华为昇腾等多款国产芯片的编译器研发，具备从虚拟指令集设计到算子生成、转译、优化的全链条能力。

　　中科加禾的核心技术是一套虚拟指令集软件——思路类似Java的JVM虚拟机。对上，它为AI模型提供统一的标准接口；对下，它适配各家国产芯片，把华为昇腾、寒武纪、海光等各自为战的“生态烟囱”打通。其旗下的SigInfer推理引擎据称最高可将大模型推理时延降低74倍；产品矩阵还包括异构原生微调引擎SigFT、算子自动生成转译工具SigTrans。

　　翻译成商业语言：中科加禾做的事情，相当于为国产芯片写了一套“通用翻译系统”。有了这套系统，智谱的大模型可以在不同品牌的国产芯片之间无缝迁移，而不需要为每一款芯片重新写一遍底层代码。

　　从这个角度看，智谱花数亿元买下的不仅是一家公司，更是一把打开国产算力“宝库”的钥匙。中科加禾此前已完成种子轮、天使轮及Pre-A轮融资，投资方包括BV百度风投、晨山资本、元禾原点、中科院创投等。一家成立仅三年、累计融资不过亿元级别的初创公司，能被智谱以“数亿元人民币”全资收购，溢价之丰厚可见一斑。这也从侧面说明，在AI Infra这个赛道，真正顶尖的团队有多稀缺。

　　值得注意的是，收购中科加禾与落地1GW数据中心形成了战略协同。1GW数据中心解决的是“算力供给”问题——提供大规模模型训练所需的计算资源；中科加禾解决的是“算力释放”问题——通过编译器、Runtime、推理引擎等基础软件能力，提高异构芯片利用率、降低推理成本、提升模型部署效率。两者缺一不可：数据中心是“建得起”，编译器是“用得好”。

　　万亿市值的赌注：从模型竞赛到全栈体系竞争

　　如果说收购中科加禾是智谱补齐底层短板的“补课”，那么放在更大的战略框架中审视，这笔收购的意义远不止于“补课”——它标志着智谱正从一家“模型公司”向“全栈AI基础设施公司”转型。

　　全球Frontier AI公司的竞争格局正在发生深刻变化。业内人士普遍认为，竞争正逐步从单一模型能力比拼，演进为模型、算力、Infra及生态能力的系统竞争。OpenAI、Google、Anthropic等头部玩家无一不在大举投入算力基础设施和底层软件栈——谁能在“模型—芯片—编译器—推理引擎—应用”的全链条上建立壁垒，谁才能在下一阶段的竞争中占据主动。

　　智谱显然读懂了这一趋势。从近期的一系列动作来看，其战略意图已经非常清晰：

　　在模型层，智谱持续迭代GLM系列。2026年6月，GLM-5.2已面向GLM Coding Plan全量用户开放，基于国产算力构建对标CUDA的中间层生态，开始覆盖“模型—编译器—推理引擎—运行时—异构算力调度”的完整推理软件栈。

　　在算力层，智谱以约314亿港元的配售融资（每股1588港元）投入算力基建。1GW级国产AI算力数据中心的落地，使其成为国内少数拥有大规模自主算力的大模型公司。

　　在Infra层，收购中科加禾补齐了编译器、Runtime、推理引擎等底层能力。

　　在商业化层，截至2026年7月，智谱的ARR（年度经常性收入）已达10亿美元（约合67.8亿元人民币），成为国内首家跨过这一门槛的本土大模型厂商。仅今年1至7月，ARR同比增幅高达15倍。

　　这一系列动作构成了一条清晰的逻辑链：用资本换算力，用算力换模型迭代速度，用模型迭代速度换商业化规模，用商业化规模反哺下一代基础设施投入。

　　然而，这条逻辑链能否真正闭环，还面临几个不容回避的挑战。

　　第一，财务压力不容小觑。2025年，智谱营收7.24亿元，亏损47.18亿元，资产负债率高达267.1%。虽然ARR的快速增长预示着商业化拐点可能正在临近，但大模型“烧钱”的速度同样惊人——IPO募资净额约48.96亿港元在上市后半年内已动用逾93%。314亿港元的配售融资固然可观，但在1GW数据中心建设、持续模型训练、并购整合等多线作战下，资金消耗速度只会更快。

　　第二，整合风险客观存在。中科加禾是一支学术背景深厚的编译器团队，而智谱是一家快速扩张的上市公司。如何将这支“中科院系”团队融入智谱的工程体系和文化，如何在保持其技术独立性的同时实现协同效应，是摆在管理层面前的一道难题。

　　第三，国产芯片生态的成熟度仍是变量。智谱押注的是“全部采用国产AI芯片”的算力路线。这条路在政策层面无疑正确，但在工程层面——国产芯片的稳定性、互联效率、软件生态成熟度——仍面临诸多不确定性。中科加禾的编译器能解决“适配”问题，但无法解决芯片硬件本身的性能天花板。

　　第四，竞争格局远未定型。月之暗面发布2.8万亿参数的开源模型Kimi K3并传出赴港IPO提速的消息；MiniMax同样在港上市；字节、阿里、腾讯等互联网巨头也在大模型赛道持续加码。智谱的“全栈体系”能否形成足够宽的护城河，仍需时间验证。

　　站在2026年7月的时间点回望，智谱从2026年1月以116.2港元发行价登陆港交所，到6月股价触及2980港元历史高点，市值突破1.33万亿港元——市场曾给予这家“全球大模型第一股”极高的估值溢价。随后股价的剧烈回调，某种程度上反映了市场对纯模型公司估值逻辑的重新审视。

　　而收购中科加禾，恰恰是智谱给出的回应：它不再满足于做一家“模型公司”，而是试图构建从芯片软件栈到模型应用的全栈能力。这笔数亿元的收购，本质上是一场关于“智谱到底值多少钱”的估值逻辑重塑——如果市场认可“全栈AI基础设施”的叙事，万亿市值或许不是梦；如果市场认为这只是一场资本驱动的扩张游戏，那么5676亿港元的市值也未必是底部。

　　无论如何，智谱已经用真金白银投下了自己的答案。接下来，就看中科加禾的编译器能不能帮智谱把算力的“最后一公里”跑通了。

　　本文创作借助AI工具收集整理市场数据和行业信息，结合辅助观点分析和撰写成文。