智谱，中国估值最高的大模型公司，两个月内市值蒸发了约 8000 亿港元、股价跌去 66%。比股价更值得注意的，是它自己人的坦白：联合创始人、首席科学家唐杰公开称万亿参数是「整个领域一起走的弯路」。这条反思指向一个产业级结论——护城河早已不在参数表里，而在后训练效率、推理成本和把模型变成收入的能力。
智谱发生了什么
8 月 21 日，智谱股价报 1014 港元，跌 0.88%，总市值约 4721 亿港元。相比 6 月 22 日盘中 2980 港元的历史高点，股价已跌去逾 66%。这家「全球大模型第一股」曾一度突破 1.3 万亿港元，如今不足五千亿，只用了两个月。
导火索清晰可循：7 月首批股份解禁；7 月 16 日月之暗面开源 2.8 万亿参数的 Kimi K3 并在 Code Arena 登顶，撕开了智谱「技术领先」的叙事。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。
首席科学家的「弯路」自白
8 月 19 日，唐杰发长文系统反思大模型 Scaling Law，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。」
这不是拍脑袋的感慨。2020 年 Kaplan 等人的研究认为参数增速应快于数据约 2.7 倍，GPT-3、Gopher、MT-NLG 由此一路冲向万亿参数；2022 年 DeepMind 的 Chinchilla 用约 400 个模型实验给出近乎相反的答案：算力最优分配接近每参数 20 个 Token，70B 参数的 Chinchilla 反而压过 280B 的 Gopher。当时最大的模型，恰恰是算力分配最失衡的那一批。更关键的是，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大头，最优解正滑向「更小模型、训练更久」。唐杰把 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。」
不加参数，也能变强
理论的实证是 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，唯一变量是多花约一个月做长程任务环境与强化学习后训练。智谱称 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。顺带一提，GLM-5.3 还带了一轮安全能力跃升，我们之前拆解过开源模型如何从安全风险变成「防守者」。
市场为什么还在观望
摩根大通 8 月 16 日把智谱目标价从 1600 港元上调至 1800 港元、维持增持，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；同时将智谱 2026-2030 年收入预测上调 6%-10%。
但市场没有跟随分析师：8 月 19 日智谱收跌 2.97% 至 1012 港元，20 日仅微涨 1.09%。估值不再为单次模型发布定价，而是在定价一个更难的问题——能否把能力变成收入。资本层面，智谱「A+H」双平台布局仍在推进：6 月 1 日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），7 月完成 314 亿港元配售，押注基座研发、算力基建与商业化。
护城河已经不在参数表里
无论对股价影响如何，唐杰的反思都是一次结构性的行业信号。当「越大越强」的信仰开始松动，三样东西会被重新定价：后训练效率（同一个底座还能榨出多少能力）、推理成本（每天数十亿次调用下，服务一个模型要花多少钱）、以及变现引擎（谁能真的把能力卖出去）。这与 DeepSeek 的定价动作、大厂 AI 收入与支出差距拉大，以及 Anthropic 首次盈利反超 OpenAI 背后「AI 公司开始赚钱」的逻辑，是同一趋势。
对模型公司来说，差异化不再是「我模型更大」，而是「我能让同一个模型越来越便宜、越来越聪明，并且能找到为它买单的人」。
现在该做什么
- 用「单位成本下的能力」重新做基准，而不是只看榜单名次——同样的底座配上更好的后训练，可能以更低成本打败更大的模型。
- 把推理成本算进每一个架构决策；在每天数十亿次调用的规模下，推理成本决定全生命周期开销。
- 盯紧各家后训练发布——GLM-5.3 证明，增量现在发生在训练循环里，而不是参数表上。
常见问题
智谱股价为什么跌得这么快？ 两个月从 2980 港元跌到约 1014 港元、市值蒸发超 8000 亿港元：解禁叠加 Kimi K3 开源登顶撕开「技术领先」叙事，两个交易日就蒸发逾 3000 亿港元。
GLM-5.3 真的没加参数就变强了吗？ 是。GLM-5.3 与 5.2 共用 744B 总参数 / 40B 激活参数的底座，智谱称多花约一个月的后训练，让内部编码基准提升约 50%。
「万亿参数是弯路」是什么意思？ 唐杰认为 2020 年 Kaplan 规则让行业在参数上跑过头；2022 年 Chinchilla 显示算力最优解更偏向每参数更多 Token，而如今推理密集的使用方式，正把最优解推向「更小模型、训练更久」。
