智能汽车观察 — 智能电动汽车、自动驾驶、智驾供应链与出行产业深度分析

8月26日，智谱正式确认：此前在开发者社区引发热议的匿名模型Ox Alpha（中文社区称“牛来”），就是其最新发布的GLM-5.3-Flash。模型代号灵感来源于国内近期热映电影《牛来》。 这个模型在正式亮相前，以匿名形式在OpenRouter和OpenCode上免费开放测试，5天内流量累计超过50万亿token，刷新了两个平台的流量增长纪录，当前使用量已超过DeepSeek的两倍以上。但真正引发市场关注的，是智谱随后披露的一个细节：这些流量，全部由国产芯片承载。 智谱在官方技术文档中表示，调用超过10万张国产芯片集群用于该模型推理服务，“硬件效率及单token成本已经达到了与主流英伟达GPU相当的水平”。 半导体研究机构SemiAnalysis随即在X平台发文评论：“所有流量均由国产芯片承载，硬件效率和单token成本已可与英伟达GPU相媲美。继Jalapeño（OpenAI自研推理芯片）昨日宣布之后，CUDA护城河再度受到考验。” <img class=" wscnph" src="https://wpimg-wscn.awtmt.com/ca95060f-7194-4a22-bc7e-30cf7de2b6b5.png" /> <h2 style="text-align: left;">10万张国产卡：从测试到生产</h2> 智谱在技术文档中描述了这套国产芯片集群的部署细节。 单张芯片的主要瓶颈在于内存容量与带宽，支持长达100万token的上下文长度尤为困难。为此，智谱在SGLang基础上构建了专用推理引擎，采用W8A8量化、INT8/FP8/BF16混合缓存量化，以及节点内张量并行等技术，并引入生产级Encode–Prefill–Decode（EPD）分离式架构，将多模态编码、prompt预填充和逐token解码拆分为可独立调度的工作池。 智谱称，与同一硬件上的初始基线相比，端到端服务性能提升了3倍。 据《晚点LatePost》了解，这批芯片的供应商或来自华为、摩尔线程与海光。智谱官方对此未予置评，技术文档中也未明确具体芯片型号。 SemiAnalysis在评论中特别指出，此前有观点认为只有顶级前沿实验室才具备每日100万亿token的算力规模，“而这里每日100万亿token的免费流量，全部跑在国产芯片上。” <img class=" wscnph" src="https://wpimg-wscn.awtmt.com/a1b49692-dfaa-445b-abb0-14b16fff2229.png" /> <h2 style="text-align: left;">模型本身：对标DeepSeek，定价是Claude Opus 4.8的1/40</h2> GLM-5.3-Flash的参数规模为320B总参数，激活参数18B，参数量约为上一代旗舰GLM-5.3的40%，与DeepSeek V4 Flash几乎持平。 性能方面，智谱官方评测显示，GLM-5.3-Flash在Artificial Analysis Intelligence Index（AA综合智能指数）中取得57分，超过上一代旗舰GLM-5.2，与Anthropic的Claude Opus 4.8持平，也高于DeepSeek旗舰模型V4 Pro正式版的53分。 <img class=" wscnph" src="https://wpimg-wscn.awtmt.com/4f9bfe35-a63c-4b76-8a54-6da04d9062f7.png" /> 定价方面，GLM-5.3-Flash每百万token输入0.8元，输出2.8元，缓存命中价格0.23元，为GLM-5.3的十分之一。上线前两周实行半价。 智谱表示，GLM-5.3-Flash定价为GLM-5.3的1/10，限时折扣内为GLM-5.3的1/20，为Claude Opus 4.8的1/40。 与调价后的DeepSeek V4 Flash相比（谷时输入1.5元、输出4.5元），GLM-5.3-Flash在绝大多数常规调用场景下更便宜。 <img class=" wscnph" src="https://wpimg-wscn.awtmt.com/d0dba9d5-7bec-4b63-8206-ca593294b79d.png" /> <h2 style="text-align: left;">架构创新：激活参数和层数近乎减半</h2> GLM-5.3-Flash采用了与GLM-5.3完全不同的架构设计，这也是其能够以更低成本实现更高性能的核心原因。 与GLM-4.5相比，GLM-5.3-Flash总参数量相近（355B vs. 320B），但激活参数量从32B降至18B，层数从92层减至45层，几乎减半。 智谱称，GLM-5.3-Flash是首个采用稀疏注意力与线性注意力混合架构的开源前沿模型。相较于GLM-5.3，其注意力计算量与KV缓存大小分别降低了3.01倍和4.44倍。 此外，该模型是GLM-5系列首个原生多模态模型，支持图像和视频输入，也是智谱战略聚焦coding以来首次推出具备多模态能力的新模型。 <img class=" wscnph" src="https://wpimg-wscn.awtmt.com/391e49b2-92ce-4e3f-be8c-8896e7e07cb6.png" /> <h2 style="text-align: left;">涨价潮中的低价突围</h2> GLM-5.3-Flash的发布，发生在中国AI模型市场一轮集体涨价之后。 Kimi K3输出价格高达每百万token 100元，超过前代K2.6三倍以上；智谱上半年提价后输出价格也达到28元；DeepSeek V4 Pro从6元涨至13.5元，高峰时段27元；DeepSeek V4 Flash输出价格从2元涨至4.5元，高峰时段9元。 涨价的直接后果是需求外溢。《晚点LatePost》指出，DeepSeek V4 Flash提价后，在OpenCode平台上的调用量下滑了一半，这部分需求成为国产模型厂商新的增长空间。 GLM-5.3-Flash的定价策略，正是瞄准了这一缺口。<div style="color: #666; margin-bottom: 15px;">风险提示及免责条款</div> <div> 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。 </div>

智谱新模型“牛来”跑在10万国产卡上，SemiAnalaysis评价“英伟达护城河再受考验”

📌 概要