两个月后，它的市值快被砍到了膝盖。

8 月 21 日，智谱低开高走再回落，股价报 1014 港元，跌幅 0.88%，总市值约 4721 亿港元。

距离 6 月 22 日盘中 2980 港元的历史高点，股价已跌去逾 66%，市值蒸发超过 8000 亿港元。这家 " 全球大模型第一股 " 的估值神话，从一度突破 1.3 万亿港元到不足五千亿，只用了两个月。

这场回撤智谱经历，7 月首批股份解禁；7 月 16 日，月之暗面推出 2.8 万亿参数的开源模型 Kimi K3 在 Code Arena 榜单登顶，此前的技术领先叙事被撕开一道口子。次日智谱暴跌 28.49%，单日蒸发超 2000 亿港元；7 月 20 日再跌 19.56%，两个交易日合计蒸发逾 3000 亿港元。

股价一地鸡毛之际，智谱的首席科学家倒先讲了句大实话。

8 月 19 日，联合创始人、首席科学家唐杰在社交平台发表长文，系统反思大模型 Scaling Law。他直言：" 万亿参数这一轮，回头来看，是整个领域一起走了一段弯路，然后又一起折返。"

这话不是拍脑袋的感慨，背后是一段行业集体走偏的历史。

2020 年 Kaplan 等人的研究认为参数增速应快于数据增速约 2.7 倍，GPT-3、Gopher、MT-NLG 等模型由此一路冲向万亿参数。可 2022 年 DeepMind 的 Chinchilla 用约 400 个模型实验给出了近乎相反的答案：算力最优分配接近每参数 20 个 Token，70B 参数的 Chinchilla 反而在多项指标上压过 280B 参数的 Gopher。

唐杰指出，早期拟合误差随算力量级不断放大，当时最大的模型，恰恰是算力分配最失衡的那一批。更何况 Chinchilla 优化的是 " 训练一次、评测一次 " 的旧场景，如今模型每天被调用数十亿次，推理成本才是全生命周期的大头，最优解正悄悄滑向 " 更小模型、训练更久 "。他把 Scaling 比作调节多个 " 旋钮 "，并补了一句：" 这并不意味着其他旋钮已经转到头了。"

理论说再多，终究要靠产品落地。

8 月 19 日凌晨上线的 GLM-5.3，与 GLM-5.2 共用相同基座和 744B 总参数、40B 激活参数，唯一的变量是多花了约一个月做长程任务环境与强化学习后训练。智谱在报告中称，GLM-5.3 在内部 Z.ai Code Bench 上较 GLM-5.2 提高约 50%。参数没加，能力涨了。

摩根大通 8 月 16 日研报将智谱目标价从 1600 港元上调至 1800 港元，维持增持评级，理由是 GLM-5.3 靠后训练实现能力跃升，叠加 DeepSeek 自 8 月 17 日起上调 API 价格，行业 " 能力 — 成本 " 边界有望重划。该行同时将智谱 2026 至 2030 年收入预测上调 6% 至 10%。

不过市场似乎仍在观望，8 月 19 日智谱收跌 2.97% 至 1012 港元，20 日仅微涨 1.09%。

资本运作层面，智谱 "A+H" 双平台布局仍在推进。6 月 1 日公司公告拟赴科创板上市，计划募资 150 亿元，其中 120 亿元投向通用基座大模型项目；6 月 17 日辅导状态变更为 " 辅导验收 "。7 月那笔 314 亿港元配售，则押注在基座研发、算力基建与商业化拓展上。商业化端，值得买科技等企业已宣布接入 GLM-5.3。

唐杰反思万亿参数，表面是技术路线的复盘，底下藏着一个更冷峻的问题：当 " 越大越强 " 的信仰开始松动，一家大模型公司真正的护城河，或许不在参数表里，而在后训练的效率、推理的成本，以及把模型变成收入的能力上。

来源：星河商业观察