共计 1092 个字符，预计需要花费 3 分钟才能阅读完成。
智谱凭什么一天暴涨近 30%?
📌 从股价异动看市场关注点变化
据公开报道,智谱 (02513.HK) 盘中涨幅一度超过 30%, 收盘涨幅超过 26%, 市值创下新高。引发市场讨论的, 是其面向企业客户开放的 GLM-5.1 高速版 API。该版本被披露的关键指标为每秒输出约 400 个 token。
在过去的大模型竞争中,行业更常讨论参数规模、能力排名和调用价格。但在 Agent、AI 编程、语音交互等应用中, 速度正在变成刚性指标。一次任务往往需要模型多轮调用工具、检索信息、生成代码或自我校验, 单轮延迟被放大后, 会直接影响体验与成本。
🔍 400 tokens/ s 的意义不只是“更快”
如果该速度在真实企业负载中保持稳定,它意味着模型可以在相同时间内完成更多生成与推理步骤。对用户来说, 等待时间缩短; 对企业来说, 同样的算力投入可能承载更多请求。
目前行业内不同模型和部署环境的速度差异较大。公开材料中提到,GLM-5.1 高速版试图在旗舰模型能力与低延迟之间取得平衡, 这也是资本市场关注其技术路线的重要原因。
💡 核心突破: 推理引擎与多卡协同
从披露信息看,智谱此次重点提到 TileRT 推理引擎。其思路不是简单堆更多 GPU, 而是减少推理过程中频繁启动、同步、等待带来的损耗, 让计算、数据搬运和通信尽量流水化。
在 GPU 内部,TileRT 通过更细粒度的任务分工, 让不同计算单元分别承担数据搬运、数学计算和通信协作等职责, 减少空转时间。在多卡场景下, 系统还针对 GLM-5.1 使用的 MLA 注意力机制进行调度优化, 将不同 GPU 分配给更适合的任务。
- 单卡层面:降低内核启动和中间数据读写带来的开销。
- 多卡层面:针对稀疏索引、密集计算等环节进行差异化分工。
- 系统层面:把通信嵌入执行流水线, 减少独立等待步骤。
📊 ZCube 网络架构瞄准集群瓶颈
除了推理引擎,智谱还披露了 ZCube 网络架构。传统大规模 GPU 集群常采用分层网络结构, 数据在不同服务器之间传输时可能经过多级交换机, 推理请求负载不均时容易出现局部拥塞。
ZCube 的思路是减少网络跳数, 并通过更确定性的路径设计降低拥塞概率。披露材料称, 智谱将生产集群从传统方案升级后, 获得了吞吐提升、尾延迟下降以及网络设备成本减少等效果。相关数字仍需在更多真实场景中持续验证, 但方向本身值得关注。
🚀 行业影响:AI 推理进入系统工程竞争
- 高速 API 是否能在高并发和长上下文任务中保持稳定表现;
- TileRT、ZCube 等方案能否扩展到更多模型和硬件环境;
- 若软件栈门槛下降, 国产 AI 芯片在推理部署中的适配空间可能扩大;
- 网络设备、交换芯片和高密度交换机厂商或迎来新的需求结构。
