你想啊，大模型这行卷到现在，大伙儿还在比谁的上下文长、谁的榜单分高，结果智谱这边突然丢出一个让人脑子嗡一下的东西。2026年9月17日，财联社和证券时报都报道了同一件事：智谱GLM团队让一个叫Infra Agent的东西，在超过10万张国产芯片组成的集群上，从零开始搭了一套推理服务，不到两周把端到端吞吐干到了初始基线的3倍。说白了，就是让AI自己动手优化自己跑起来要用的那套底层系统，而且已经投进真实生产环境里用了。这事的冲击点不在模型有多聪明，在于过去大家默认的那笔账，可能得换一种算法了。
为什么这么讲。过去两年，这行业有个心照不宣的隐性前提：前沿模型的推理，基本默认要跑在英伟达的高端卡上，国产芯片只能往后稍稍，干点边角料的活。但凤凰网在智谱中期业绩报道里提过一个细节，GLM-5.3-Flash正式发布之前，用匿名模型Ox-Alpha在OpenCode和OpenRouter上跑了6天真实调用，Token调用量超过62万亿，上线首日就登上OpenRouter榜首。关键就一句，这海量流量全部由国产芯片提供算力支持。这跟很多人脑子里那个“国产卡撑不起大规模生产推理”的旧账本...