智谱在港交所发布公告，计划配售新H股并发行201.4亿元人民币零息可转债，两项合计预计净募资约393亿港元。这是智谱自2026年1月上市以来的第三次大规模融资动作，而资金投向中最引人注目的一项，是其下一代基础模型GLM-6.0所瞄准的「完全自训练」体系。

公告显示，约60%的所得款项净额（约235亿港元）将投入下一代GLM基础模型和「完全自训练」体系的研发，以及大规模训练、推理和算力基础设施的部署与升级。另有约25%（约98亿港元）用于优化资本结构和补充运营资金。

所谓「完全自训练」，是智谱对递归式自我改进（Recursive Self-Improvement，RSI）的具体技术表述。按公告释义，下一代GLM模型将在上一代GLM所搭建的环境里训练，形成递归式自我改进闭环，涵盖三个维度：数据自产、环境自造、基础设施自我优化。

在数据层面，智谱计划通过模型间自我对弈、规则校验、执行验证、模型评审和人工抽检等方式，自动生成、筛选和积累高质量训练数据，并持续回流到预训练、中训练和后训练各阶段。在环境层面，智能体将自行试做任务、生成验证器、检查任务是否可解，不断扩充训练环境的数量、类型和复杂度，目标是让任务环境成为「可规模化生产及复用的训练资源」。在基础设施层面，智谱打算利用模型在编码和系统工程方面的能力，协助开发和优化训练及推理系统的算子、内核、调度、缓存和服务栈，使模型逐步参与支撑其自身迭代的基础设施升级。

这一路线并非突然提出。在8月底的半年报业绩沟通会上，唐杰曾回应外界关于智谱「只会后训练」的质疑，并透露下一代GLM-6.0瞄准自进化。此次公告相当于把这一技术方向与融资用途正式绑定。

公告还列出下一步的技术重点：提升基础模型的有效规模和原生多模态统一建模能力，在不过度增加推理成本的前提下加深有效计算深度，让模型能跑更长链条的推理、规划和自我校验；同时推进长程任务强化学习，建设贴近真实专业工作的任务环境，训练模型拆解任务、调用工具、与环境交互、从错误中恢复并验证最终结果。

算力方面，公告提到当前市场上「优质算力资源的供给及交付条件较为有利」，智谱将综合推进算力资源的采购与租赁，投入芯片适配、算子开发、集群互联和性能调优，建立来源多元且可灵活调配的算力供给体系。自研推理引擎和服务栈同样在投入清单之列，覆盖多模态编码、提示词预填充、逐Token解码、量化、缓存、通信及弹性扩缩容等环节，目标是在同等硬件条件下提升推理吞吐和成本效率。

公告还给出了投资标的的筛选标准：业务与AI技术及应用密切相关、拥有可靠的用户或客户群且稳定经营不少于两年、具备成熟的产品或技术平台并有持续研发和技术迭代能力，涵盖大模型、智能算法、算力运营、算力基础设施、AI平台、智能体及AI赋能应用等方向。业务层面则将支持MaaS平台、API、Coding Plan以及Agent和Co-work相关产品与服务的市场拓展。

从融资节奏看，智谱的资本运作相当密集。2026年1月8日，智谱以每股116.20港元的价格完成H股全球发售，包含超额配股权在内共发行约4,304万股H股，净募约48.96亿港元；截至2026年8月31日，这笔IPO所得款项已全部花完。仅隔半年，2026年7月9日，智谱以每股1,588港元的价格完成首次配售，发行1,978万股新H股，净募约313.75亿港元。从IPO定价116.20港元到首次配售定价1,588港元，间隔6个月，每股价格翻了约13.7倍。截至8月底，首次配售所得款项已动用约34.92%（约109.55亿港元），仍有约204.2亿港元尚未使用。

而到了9月12日这一次，H股收盘价已从高位回落至793港元，配售价从7月的1,588港元降至714港元。公告解释称，随着公司业务进展加快，「原有募资计划下的资金使用节奏相应提速」，而「算力资源从签约到部署上线需要一定周期」，现阶段完成融资安排有助于使新增算力部署节奏与扩张计划相衔接。

公告中还有一处细节透露了智谱的A+H计划：可转债条款明确提到，「不会因本公司目前预期将于上海证券交易所科创板上市的股份的首次公开发行」而对换股价作出调整。

从产业视角看，智谱此次募资的核心看点在于把「模型自我迭代」写进了资金用途。递归式自我改进是当前大模型研究中最受关注也最具争议的方向之一：支持者认为它可能突破人类标注数据的天花板，让模型能力增长摆脱对人工数据规模的线性依赖；质疑者则担心自我对弈与自动验证容易陷入「自说自话」，在缺乏外部真实信号时出现能力退化或评估失真。智谱选择用公告形式明确这一路线，等于把技术赌注公开化。

对产业链而言，约235亿港元的模型与算力投入意味着持续的芯片采购、集群互联与推理优化需求，芯片适配、算子开发和集群互联等环节的供应商可能间接受益；同时，智谱强调「来源多元且可灵活调配」的算力供给体系，也反映出国内大模型厂商在算力获取上倾向于多路径布局。至于「完全自训练」能否真正跑通闭环，目前仍停留在公告描述阶段，模型与论文尚未发布，实际效果有待后续验证。