智譜在港交所釋出公告，計劃配售新H股併發行201.4億元人民幣零息可轉債，兩項合計預計淨募資約393億港元。這是智譜自2026年1月上市以來的第三次大規模融資動作，而資金投向中最引人注目的一項，是其下一代基礎模型GLM-6.0所瞄準的「完全自訓練」體系。

公告顯示，約60%的所得款項淨額（約235億港元）將投入下一代GLM基礎模型和「完全自訓練」體系的研發，以及大規模訓練、推理和算力基礎設施的部署與升級。另有約25%（約98億港元）用於最佳化資本結構和補充運營資金。

所謂「完全自訓練」，是智譜對遞迴式自我改進（Recursive Self-Improvement，RSI）的具體技術表述。按公告釋義，下一代GLM模型將在上一代GLM所搭建的環境裡訓練，形成遞迴式自我改進閉環，涵蓋三個維度：資料自產、環境自造、基礎設施自我最佳化。

在資料層面，智譜計劃通過模型間自我對弈、規則校驗、執行驗證、模型評審和人工抽檢等方式，自動生成、篩選和積累高質量訓練資料，並持續迴流到預訓練、中訓練和後訓練各階段。在環境層面，智慧體將自行試做任務、生成驗證器、檢查任務是否可解，不斷擴充訓練環境的數量、型別和複雜度，目標是讓任務環境成為「可規模化生產及複用的訓練資源」。在基礎設施層面，智譜打算利用模型在編碼和系統工程方面的能力，協助開發和最佳化訓練及推理系統的運算元、核心、排程、快取和服務棧，使模型逐步參與支撐其自身迭代的基礎設施升級。

這一路線並非突然提出。在8月底的半年報業績溝通會上，唐傑曾回應外界關於智譜「只會後訓練」的質疑，並透露下一代GLM-6.0瞄準自進化。此次公告相當於把這一技術方向與融資用途正式繫結。

公告還列出下一步的技術重點：提升基礎模型的有效規模和原生多模態統一建模能力，在不過度增加推理成本的前提下加深有效計算深度，讓模型能跑更長鏈條的推理、規劃和自我校驗；同時推進長程任務強化學習，建設貼近真實專業工作的任務環境，訓練模型拆解任務、呼叫工具、與環境互動、從錯誤中恢復並驗證最終結果。

算力方面，公告提到當前市場上「優質算力資源的供給及交付條件較為有利」，智譜將綜合推進算力資源的採購與租賃，投入晶片適配、運算元開發、叢集互聯和效能調優，建立來源多元且可靈活調配的算力供給體系。自研推理引擎和服務棧同樣在投入清單之列，覆蓋多模態編碼、提示詞預填充、逐Token解碼、量化、快取、通訊及彈性擴縮容等環節，目標是在同等硬體條件下提升推理吞吐和成本效率。

公告還給出了投資標的的篩選標準：業務與AI技術及應用密切相關、擁有可靠的使用者或客戶群且穩定經營不少於兩年、具備成熟的產品或技術平台並有持續研發和技術迭代能力，涵蓋大模型、智慧演算法、算力運營、算力基礎設施、AI平台、智慧體及AI賦能應用等方向。業務層面則將支援MaaS平台、API、Coding Plan以及Agent和Co-work相關產品與服務的市場拓展。

從融資節奏看，智譜的資本運作相當密集。2026年1月8日，智譜以每股116.20港元的價格完成H股全球發售，包含超額配股權在內共發行約4,304萬股H股，淨募約48.96億港元；截至2026年8月31日，這筆IPO所得款項已全部花完。僅隔半年，2026年7月9日，智譜以每股1,588港元的價格完成首次配售，發行1,978萬股新H股，淨募約313.75億港元。從IPO定價116.20港元到首次配售定價1,588港元，間隔6個月，每股價格翻了約13.7倍。截至8月底，首次配售所得款項已動用約34.92%（約109.55億港元），仍有約204.2億港元尚未使用。

而到了9月12日這一次，H股收盤價已從高位回落至793港元，配售價從7月的1,588港元降至714港元。公告解釋稱，隨著公司業務進展加快，「原有募資計劃下的資金使用節奏相應提速」，而「算力資源從簽約到部署上線需要一定週期」，現階段完成融資安排有助於使新增算力部署節奏與擴張計劃相銜接。

公告中還有一處細節透露了智譜的A+H計劃：可轉債條款明確提到，「不會因本公司目前預期將於上海證券交易所科創板上市的股份的首次公開發行」而對換股價作出調整。

從產業視角看，智譜此次募資的核心看點在於把「模型自我迭代」寫進了資金用途。遞迴式自我改進是當前大模型研究中最受關注也最具爭議的方向之一：支持者認為它可能突破人類標註資料的天花板，讓模型能力增長擺脫對人工資料規模的線性依賴；質疑者則擔心自我對弈與自動驗證容易陷入「自說自話」，在缺乏外部真實訊號時出現能力退化或評估失真。智譜選擇用公告形式明確這一路線，等於把技術賭注公開化。

對產業鏈而言，約235億港元的模型與算力投入意味著持續的晶片採購、叢集互聯與推理最佳化需求，晶片適配、運算元開發和叢集互聯等環節的供應商可能間接受益；同時，智譜強調「來源多元且可靈活調配」的算力供給體系，也反映出國內大模型廠商在算力獲取上傾向於多路徑佈局。至於「完全自訓練」能否真正跑通閉環，目前仍停留在公告描述階段，模型與論文尚未釋出，實際效果有待後續驗證。