双赢。
作者 / 陈佳
报道 / 投资界 PEdaily
智谱买下一个团队。
投资界从投资方处获悉，智谱已完成对 AI 基础设施企业中科加禾（XCore Sigma）的战略收购，缔造智谱近年最大的收购案例之一。
这次被智谱买下的是一支编译器团队。中科加禾成立于 2023 年，创始人崔慧敏是清华计算机系毕业生、中科院计算所研究员、博士生导师，也是这一硬核技术领域为数不多走向创业一线的女性学者。
过去三年，她带领团队完成五轮融资，身后集结不少我们熟悉的投资机构。但随着交易完成，中科加禾近日发生工商变更，投资方股东退出，崔慧敏持股降至 11%，智谱一跃成为最大股东。
清华学姐
元股证券:ygzq.hk集结一支罕见团队
先从崔慧敏的经历说起。
她 1997 年进入清华大学计算机科学与技术系，本科毕业后继续在清华攻读硕士，随后进入中国科学院计算技术研究所攻读博士。长期以来，她聚焦异构编程模型、异构编译优化以及数据中心编程与编译技术研究，曾任中科院计算所编译团队负责人。
放眼 AI 产业，大模型和芯片占据了很多关注。但还有一个隐藏在两者之间的基础软件环节，正在决定算力能否真正释放——编译器。
通俗来说，编译器是连接 AI 模型与芯片的"翻译官"。AI 模型要在不同硬件平台上高效运行，需要编译器将模型计算任务转换为适配目标芯片的执行代码，并通过算子优化、计算调度等方式释放硬件性能。
对比国内外产业，这一环节的分量会更清晰。英伟达的优势不仅来自 GPU 硬件，也来自围绕 CUDA 构建的软件生态。大量 AI 开发工具、算法框架和应用能够基于 CUDA 进行优化，从而降低开发者适配不同 GPU 产品的成本。
相比之下，国产 AI 芯片软件生态建设还有不足。不同芯片厂商通常拥有独立的软件栈、编程框架和优化体系，模型迁移过程中往往需要进行算子适配、编译优化和性能调优。如果软件生态跟不上，芯片硬件性能也难以充分释放。
而崔慧敏团队长期关注的，便是异构计算环境下的编程模型与编译优化问题。
正因为这项技术难度极高、周期漫长，中科加禾团队的分量也就更容易理解。官网显示，中科加禾团队具备 20 年以上的编译器开发经验，主持或参与研发过包括龙芯、神威、寒武纪、华为昇腾等多款芯片的编译器，以中科院计算所作为技术源头。
这次创业始于 2023 年 5 月，崔慧敏带队尝试将长期积累的编译与芯片工具软件能力做成商业化产品。公司的目标是打造一套横跨不同品牌、不同型号 AI 芯片的软件底座，降低模型在不同国产芯片之间的适配和迁移成本。
2024 年 7 月，中科加禾发布异构原生算力产品矩阵，包括异构原生推理引擎 SigInfer、异构原生微调引擎 SigFT，以及算子自动生成和转译工具 SigTrans。其愿景是，通过搭载中科加禾工具软件包，让每颗国产芯片 / 英伟达受限版芯片（以 A800 和 H800 为代表的功能受限芯片）都能融入生态，在大模型时代定义编译层通用国产基础软件生态标准。
如今回过头看，在国产 AI 芯片软件生态薄弱的背景下，中科加禾汇集了一支难以在短期内复制的编译器团队。人才就是壁垒，这就不难理解智谱为何将中科加禾团队收入囊中。
身后投资人体面退出
中科加禾曾留给创投圈深刻印象。
早在 2023 年 8 月，公司完成数千万元种子轮融资，由 BV 百度风投领投，晨山资本、陆石投资、奇绩创坛、寒武纪、天创资本等跟投。
寒武纪此后披露的上市公司文件显示，截至 2025 年 3 月 31 日，寒武纪通过全资子公司南京显生间接持有中科加禾 0.76% 的股权，期末账面余额为 200 万元。
很快，中科加禾再获一轮融资。
那是 2024 年 3 月，中科加禾完成数千万元天使轮融资，由元禾原点领投，新尚资本、中科院创投、晨山资本和 BV 百度风投跟投。此时，中科加禾成立约八个月，已经开始与上下游生态厂商开展产业合作，产品也在部分头部客户中形成商业化订单。
2024 年 6 月，中科加禾完成天使 + 轮融资，国中资本入局。
半年后，公司又获得北京市人工智能产业投资基金领投的数千万元 Pre-A1 轮融资。彼时，中科加禾已与数十家智算中心、芯片厂商、服务器厂商、运营商及互联网公司达成合作，并获得数千万元商业订单及意向订单。
2025 年 4 月，中科加禾完成 Pre-A+ 轮融资，投资方为深高新投。
至此，中科加禾在不到两年时间里完成五轮融资。投资界向中科加禾方面核实，此前融资累计金额约 1.3 亿元。但交易金额、交易方式、原有股东安排及团队后续分工的相关细节未获得披露。
最新消息，企查查显示中科加禾近日发生工商变更，三亚百川致新私募股权投资基金、北京市人工智能产业投资基金等 15 名股东退出，智谱关联主体 Z.AI 成为新增大股东，持股约 60%。
智谱下一程
正如外界好奇：智谱为什么要收购中科加禾？
答案可能藏在算力里。
The Information 报道，智谱正在增加面向企业客户的云端模型服务收入，降低对本地化部署项目的依赖。两种模式的差别在于：本地化部署是把模型安装在客户自己的服务器上，算力开支主要由客户承担，智谱获得的通常是一次性的部署和项目收入；云端服务则由智谱提供算力，客户通过 API 调用模型，并按照 Token 用量持续付费。
于智谱而言，云端模式能够带来更稳定、可持续的收入，但也意味着模型运行的算力成本从客户转移到了智谱。调用量越大，智谱需要承担的芯片采购、数据中心建设和推理成本就越高。
今年 1 月，智谱公告称，GLM-4.7 上线后，GLM Coding Plan 用户数高速增长，导致算力资源阶段性紧张。尽管公司已经启动扩容，仍一度将每日可销售量降至调整前的 20%，优先保障现有用户。
于是，智谱开始大规模补充算力。
彭博社援引知情人士报道，智谱已经建成一座全部采用国产芯片的大型数据中心，并开始部分运行。这座数据中心按照 1GW 级功率设计，理论耗电规模相当于约 75 万户家庭的即时用电量。知情人士还称，智谱已建成或运营多个由超过 1 万颗芯片组成的计算集群，这些算力将主要用于 GLM 系列模型的训练和开发。
但算力的问题，并不只是芯片数量的问题。把大量 AI 芯片放进数据中心，并不等于自动获得同等规模的有效算力。
股票杠杆配资软件调用量快速增长后，智谱不仅需要更多芯片，还需要进一步提高每块芯片的利用效率。GLM-5 发布后，智谱的 Coding Agent 每日调用量达到数亿次。但在高并发、长上下文场景下，部分用户开始反馈模型出现乱码、重复回答和生僻字等异常。
4 月下旬，智谱在官方技术博客《Scaling Pain：超大规模 Coding Agent 推理实践》中复盘了这组问题，并定位到推理系统中的多个底层竞态 Bug。值得一提的是，文章末尾专门感谢中科加禾和中国科学院计算技术研究所处理器芯片全国重点实验室团队的合作与支持。
在 SGLang 开源社区，相关代码提交显示这次修复由智谱与中科加禾共同完成，合作覆盖根因分析、验证和上线准备。这意味着，在收购消息浮出水面之前，中科加禾已经参与智谱 GLM-5 推理基础设施的实际优化工作。
至此，智谱近期的两项动作也可以串联起来：1GW 数据中心解决的是算力供给问题，中科加禾解决的是算力释放问题。
而这笔收购发生时，智谱经历了一轮剧烈的股价波动。
6 月 22 日，智谱股价盘中一度触及 2980 港元，市值达到约 1.33 万亿港元。此后股价迅速回落，7 月 17 日和 7 月 20 日分别下跌 28.49% 和 19.56%，最低较高点回撤约 70%。
7 月 21 日，智谱完成对中科加禾收购、落地 1GW 级国产 AI 算力数据中心的消息同时传出。当日智谱股价盘中最高上涨超过 40%，总市值回升至 5676 亿港元，单日增加超过 1500 亿港元。
如此ETF，效应开始显现。
配资推荐网提示：本文来自互联网，不代表本网站观点。
