7月17日消息，据《AI 科技评论》独家报道，智谱已以数亿元人民币收购 AI Infra 公司中科加禾，试图补齐模型底层工程能力不足的短板。中科加禾聚焦编译技术，创始人崔慧敏来自中科院计算所编译团队，核心团队曾参与龙芯、神威、寒武纪、华为昇腾等多款国产芯片的编译器研发。智谱和中科加禾均未就此公开置评，该交易状态应视为"独家报道，尚未确认"。
这笔收购若属实，意味着智谱在 Infra 领域的策略从投资生态公司转向直接并购整合。此前智谱通过星连资本投资了做算力集群的基流科技、做推理优化的无问芯穹、做模型服务的硅基流动等公司，但投资模式并未打消市场对其 Infra 能力的质疑。直接收购一支有 20 年编译经验的团队，是更重的投入，也是更快的补短路径。
中科加禾能提供什么：虚拟指令集与 SigInfer 推理引擎
中科加禾成立于 2023 年 7 月，核心技术是完全自研的虚拟指令集，设计思路类似英伟达 PTX：通过一层中间抽象屏蔽不同芯片架构的差异，让上层应用只需对接标准接口，下层由编译器分别适配各家芯片的硬件细节。其产品矩阵包括异构原生推理引擎 SigInfer、微调引擎 SigFT 和算子自动生成/转译工具 SigTrans。
公开产品材料称，SigInfer 可将大模型推理时延最高降低 74 倍、吞吐率最高提升 3 倍、能效比提升 1.46 倍，支持 340B 稠密模型和 640B MoE 模型。这些数字来自中科加禾自身发布，能否在智谱的生产环境中复现，取决于具体模型、硬件和负载。即便只兑现其中一部分，对智谱的单位 Token 成本也可能带来实质改善。
背景：GLM-5 乱码事件与 GLM-5.2 需求爆发
收购的直接背景是智谱过去半年在推理基础设施上反复暴露的问题。今年 1 月，因算力扩容跟不上需求，智谱将 GLM Coding Plan 每天开放购买的新用户名额压缩到正常水平的 20%。3 月 GLM-5 发布后，Coding Agent 日调用量达到数亿次，用户反馈模型在复杂任务中出现乱码、复读和生僻字等异常。
智谱在 4 月发布的《Scaling Pain：超大规模 Coding Agent 推理实践》博客中复盘，问题出在 Prefill-Decode 分离式推理架构下，请求生命周期与 KV Cache 回收时序不匹配，导致旧请求仍在向已回收缓存写入，新请求读到错误上下文。修复后异常输出率从约 0.1% 降至 0.03% 以下，并引入 LayerSplit 方案，在高缓存命中场景下将吞吐量提升 10% 至 132%。
6 月 GLM-5.2 发布后，算力压力进一步加剧。据 The Information 报道，GLM-5.2 上线首周成为 Vercel 模型聚合平台增长最快的模型，日均 Token 调用量暴涨约 27 倍，使用客户数量增长近 80 倍。Coinbase CEO Brian Armstrong 公开表示正在测试 GLM-5.2，该模型也已上架 Oracle Cloud Infrastructure。需求增速远超算力扩容能力，推理 Infra 从"技术债务"变成"商业增长的硬约束"。
统一国产算力生态，支撑自研芯片
智谱在 2025 年 1 月被列入美国实体清单后，高端 GPU 获取受限，不得不全面转向国产芯片。GLM-5.2 上线当天即完成与华为昇腾、平头哥、摩尔线程、寒武纪、昆仑芯、沐曦、海光、壁仞等八大国产平台的推理适配。但把不同架构的国产芯片拼成统一的超大规模集群，工程难度极高。中科加禾的虚拟指令集技术正好瞄准这个痛点：对上标准接口、对下各家适配，用软件中间层消化硬件碎片化。
更长期来看，这笔收购可能与智谱的自研芯片计划有关。7 月 7 日，The Information 报道称智谱正与国内芯片设计公司初步接洽，评估合作开发定制 AI 推理芯片的可能性。编译器是芯片从设计到可用的关键环节，拥有一支曾参与多款国产芯片编译器开发的团队，可以显著降低后续芯片定义的沟通成本和迭代周期。
逻辑清晰，但兑现路径很长
这笔收购的逻辑是清晰的。智谱当前最紧迫的问题是算力供给跟不上需求增长，而算力问题的一部分是软件适配和推理效率。中科加禾的编译器和异构算力优化能力，恰好落在智谱的需求点上。同时，收购相比自建团队速度更快，尤其是在智谱已经上市、需要向资本市场展示执行力的背景下。
从价格上看，数亿元收购一家累计公开融资在"数千万元"量级的公司，估值倍数不低。但智谱 2026 年 1 月港股上市时市值超 550 亿港元，IPO 拟募资 150 亿元，其中 120 亿元投向模型研发和算力集群建设，数亿元的收购规模相对可控。
真正的问题在于兑现。编译器团队与模型团队的融合、SigInfer 在智谱真实生产环境中的验证、以及不同国产芯片平台的实际收益，都需要时间。此外，智谱面临的算力问题是结构性的：高端 GPU 受限，国产芯片在制程和 HBM 上存在硬约束，这些不是编译器 alone 能够解决的。中科加禾可以提高单位算力的利用效率，但无法凭空增加算力总量。
看配额恢复、乱码复发率和芯片进展
接下来最值得观察的有三件事。第一是智谱推理服务的稳定性与成本变化：GLM Coding Plan 的用户配额是否恢复到正常水平，类似 Scaling Pain 中描述的乱码和复读问题是否在 GLM-5.2 的高并发场景中再次出现。第二是中科加禾的技术在智谱生产环境中的实际效果，尤其是在 GLM-5.2 高并发 Coding Agent 负载下，能否稳定降低延迟、提升吞吐并维持输出质量。第三是智谱自研芯片的进展，The Information 报道项目可能需要两年以上，中科加禾的编译团队能否从"推理优化"角色过渡到"芯片编译器开发"角色，决定了这笔收购的长期价值。
AI 速览
