智谱一把融了50亿美元，但别被这个数字忽悠了

你上周是不是也被那条「智谱完成50亿美元融资」的新闻刷屏了？朋友圈里几个做投资的朋友转得那叫一个欢，好像中国大模型一夜之间就追上OpenAI了。

醒醒。

01

50亿美元？先打个问号

我先把新闻原文摆出来：智谱宣布完成约50亿美元融资，包括约20亿美元股份配售和约30亿美元可转债发行，用于下一代GLM基础模型和「完全自训练」体系研发。

50亿美元，约合336亿人民币。 这个数字是什么概念？2024年全年，中国整个AI大模型赛道的一级市场融资总额，据我印象也就几百亿人民币的量级。智谱一家，一轮，就干到了这个数。

但这里有个细节值得琢磨：30亿美元是可转债，不是股权。 可转债这东西，说白了就是「先借钱，以后可以换成股票」。它不算纯股权融资，对企业来说是一笔要还的债——当然，如果转股了就不用还。但无论如何，把这30亿和20亿股份配售加在一起说「50亿美元融资」，多少有点往脸上贴金的意思。

这个数据我没找到官方对可转债具体条款的披露，转股价格、利率、到期时间全都没说。也可能是我想多了，也许就是标准的低息可转债，投资方抢着要。但在没有更多信息之前，别被这个50亿的数字忽悠了。

02

完全自训练，到底是个啥

新闻里最核心的技术概念是「完全自训练」（Fully Self Training）。智谱自己的描述是：下一代GLM在上一代GLM构建的环境中训练，形成递归式自我改进循环。

用人话翻译一下：让AI自己教自己。

以前的训练流程是：人类标注数据 → 训练模型 → 人类再标注新数据 → 再训练。人类是瓶颈。现在智谱想干的是：上一代模型生成训练数据和任务环境 → 下一代模型在这些环境里学习 → 下一代模型再生成更好的数据和环境 → 再下一代……

听起来很性感，对吧？但这里有个致命问题：递归自我改进很容易陷入「模型崩溃」。 学术界已经有大量论文证明，当模型反复在自己的输出上训练时，分布会逐渐收窄，多样性丧失，最终退化成只会说车轱辘话的废物。

智谱敢这么干，说明他们在数据筛选和任务环境构建上可能有了新办法。新闻里也提到了「自动化生成和筛选训练数据」「构建任务环境」「提升长程推理能力」。但具体怎么防止模型崩溃，公告里一个字没提。

递归自我改进是通往AGI的一条路，但也是一条最容易翻车的路。

03

同期谁在干类似的事

横向扫一圈，你会发现智谱不是唯一一家在搞「自训练」的。

OpenAI 去年就发过论文，讨论用GPT-4生成数据来训练更小的模型，效果比人类标注数据还好。Anthropic 的宪法AI，本质上也是让模型自己监督自己。Google DeepMind 的AlphaZero系列，更是完全自对弈、自训练的老祖宗。

国内呢？月之暗面的Kimi一直在强调长文本和推理能力，百川智能在医疗垂直领域搞数据飞轮，MiniMax的abab系列也在探索合成数据。但像智谱这样，把「完全自训练」作为下一代模型的核心卖点，并且专门融一笔钱来干的，还真不多见。

区别在哪？OpenAI和Anthropic的自训练，是在已有超强基座模型上做实验。智谱的基座模型跟GPT-4还有差距，用弱模型教更弱的模型，效果能好吗？ 这是个真问题。

不过智谱有个优势：国产芯片适配。 新闻里明确提到「国产芯片适配、算子开发和推理优化」。在美国芯片禁令的大背景下，这个投入方向比自训练本身更务实。

04

跟普通人有啥关系

你可能觉得，50亿美元融资、自训练、GLM，这些跟我一个用ChatGPT写周报的打工人有什么关系？

关系大了。

第一，你以后用的国产大模型，可能更便宜。 智谱拿钱去搞推理优化和国产芯片适配，意味着同等硬件条件下能跑出更多token。成本降下来，API价格就会降。现在智谱的GLM-4 API价格已经是GPT-4的几十分之一，再降下去，很多小团队就真的用不起了——哦不，是用得起了。

第二，你可能会遇到更多「AI幻觉」。 递归自训练如果没搞好，模型会变得过度自信、胡说八道。你问它一个事实性问题，它给你编得头头是道。这不是危言耸听，模型崩溃的典型症状就是「流畅的废话」。

第三，你的工作可能被重新定义。 智谱在公告里说得很清楚，这笔钱要投「大规模训练、生产推理、算力资源」。翻译一下：他们要搞更大的集群、更快的推理、更多的应用场景。金融、法律、医疗、教育，这些智谱已经在做的行业，渗透会更快。

大模型融资额再高，最终还是要落到「你愿不愿意为它掏钱」上。

05

一句话判断

智谱这轮融资是真的，方向也是对的，但50亿美元里有多少是债、自训练能不能跑通、国产芯片适配到底做到什么程度，全是未知数。现阶段可以关注，但别急着吹成「中国OpenAI」。

本文基于 media 公开报道编译解读

本文基于 media 公开报道编译解读，查看原文