智谱加速去英伟达化，自建1GW数据中心、收购中科加禾、布局自研芯片

在国际技术封锁背景下，中国AI企业正加速推进算力基础设施的自主化进程。近期，智谱AI的一系列动作引发了业界广泛关注，其核心目标是构建一套完全脱离英伟达体系的算力生态系统，以保障国产大模型的持续迭代与商业化落地。

一、物理算力供给：自建1GW级数据中心 据知情人士透露，智谱AI已完成一座1GW级别的数据中心建设，并已开始部分投入运营。该中心全部采用国产AI芯片，主要用于GLM系列模型的研发。1GW的供电规模，大致可以同时满足75万户家庭的用电需求，这使得智谱的数据中心跻身中国AI实验室/独立模型企业建设的最大型算力基础设施之列。这一举措不仅解决了稳定的算力资源来源问题，也为智谱提供了长期、可控的算力支持。

二、算力软件：收购中科加禾优化国产芯片适配 为了提升不同国产芯片之间的兼容性与运行效率，智谱AI斥资数亿元收购了国产异构算力软件公司「中科加禾」。该公司源自中科院计算所编译实验室，核心能力覆盖编译器、虚拟指令集、Runtime和推理引擎。公开资料显示，其团队曾参与龙芯、神威、寒武纪、华为昇腾等国产芯片的编译器研发，旨在通过虚拟指令集、编译器和Runtime，为不同硬件提供较为统一的软件接口。

中科加禾的SigInfer推理引擎宣称，在特定测试场景中可将推理时延最高降低74倍、吞吐率最高提升3倍、能效比提升1.46倍。虽然这些数字主要来自公司测试，但即便其中一部分能够兑现，也将极大程度优化智谱的Token算力成本。

三、芯片设计：评估定制AI芯片可能性 在芯片设计层面，智谱AI正在与国内芯片设计公司接触，评估合作开发定制AI芯片的可能性。该项目仍处于早期讨论阶段，但智谱已经开始思考一个更上游的问题：与其让GLM长期适应市场上已有的芯片，能否让未来的芯片架构反过来适应GLM？

这种思路反映了智谱对算力基础设施的深刻理解：随着模型调用量的快速增长，传统的算力采购模式已经难以满足需求。今年1月，随着GLM Coding Plan用户快速增长，智谱宣布暂时限量销售该产品，每日新增购买额度被压缩到此前的20%。到了3月，GLM-5上线后，Coding Agent每日调用量已经达到数亿次，对推理系统的压力高出一个量级。

四、行业对比：DeepSeek也在推进类似布局 智谱AI的算力布局并非孤例。近期，DeepSeek也在推进类似的战略，包括组建算力运营团队支持乌兰察布自建的算力中心，增设芯片设计人员，布局面向推理场景的自有AI芯片。这表明，独立模型企业正在从算力的购买者，逐步变成算力的运营者、改造者，并试图参与定义下一代算力。

五、算力承压：智谱密集补齐底层算力设施能力 智谱AI密集补齐底层算力设施能力的直接原因并不神秘：模型调用量增长得太快，基础设施已经多次接近承载上限。今年1月，随着GLM Coding Plan用户快速增长，智谱宣布暂时限量销售该产品，每日新增购买额度被压缩到此前的20%。到了3月，GLM-5上线后，Coding Agent每日调用量已经达到数亿次，对推理系统的压力高出一个量程。

压力很快从"速度变慢"，蔓延到了模型输出质量。一些用户发现，GLM-5在高并发场景下出现了性能下降的情况，这进一步凸显了构建自主可控算力基础设施的紧迫性。

图1展示了中科加禾在编译方法创新、优化模型创新和高效构建芯片侧编译器方面的技术积累与成果，这些核心技术正是智谱AI布局算力软件的关键支撑。

六、行业启示：算力基础设施成为竞争新焦点 智谱AI的算力布局不仅反映了其对自身发展的战略考量，也揭示了整个AI行业的趋势变化。随着大模型的快速发展，算力基础设施已经成为决定企业竞争力的关键因素。只有构建起自主可控、稳定高效的算力体系，才能在激烈的市场竞争中占据有利位置。

未来，随着更多国产AI芯片的推出和算力软件的成熟，中国AI企业有望在算力领域实现更大的突破，为全球AI发展贡献中国智慧和中国方案。