智谱AI股价单日暴涨近30%背后原因深度解析
今天，资本市场因一项大模型核心技术指标而沸腾。
被誉为“全球大模型第一股”的智谱（股票代码：02513.HK）股价再度强势拉升，盘中涨幅一度突破30%。截至收盘，股价报1282港元，单日涨幅超过26%，公司市值攀升至5715.7亿港元，创下历史新高纪录。
点燃这场资本行情的，是一个看似具体甚至有些枯燥的技术参数：每秒400个token。
就在5月22日，智谱正式面向企业客户开放了GLM-5.1高速版API接口服务。其核心宣传卖点极为聚焦：模型输出速度达到每秒400个token，一举刷新了全球大模型厂商API服务的速度上限。
起初，这很容易被视作又一次技术营销事件。但深入剖析其背后的技术细节便会发现，资本市场的热烈反响并非没有依据。这个数字，很可能正在重新划定AI行业下一阶段竞争的焦点。
每秒400个token究竟意味着什么？
将其换算为更直观的文字产出，大约相当于每秒生成200个汉字。这意味着，一位专业作家需要伏案一分钟高强度输出的文字量，如今被压缩至一秒钟之内。过去需要数天才能完成的文稿创作，或是工程师埋头数日才能搞定的代码重构任务，在AI的辅助下，现在可能只需一杯咖啡的时间便能产出初稿。
01 速度，比你想象的更重要
在过去三年的大模型军备竞赛中，“速度”这一维度常常被忽视。行业的聚光灯始终聚焦于两条主赛道：一是参数规模，追求模型更大、更智能；二是成本价格，追求每个token更便宜、更普惠。而“响应速度”，似乎从未站上舞台中央。
这背后存在一个固有认知：以往的“快”，往往是通过牺牲模型核心能力换取的。想要提速？通常意味着采用更小、更精简的模型架构，代价则是性能的显著缩水。因此，速度与模型能力长期被视为鱼与熊掌，难以兼得。
GLM-5.1高速版此次的关键突破在于，它打破了这种传统的性能权衡。在完整保留其旗舰级基座模型全部能力的前提下，将文本生成速度推向了每秒400个token的峰值。无论是置于国产大模型还是全球视野中审视，这都标志着“旗舰级智能”与“极致低延迟”首次实现了真正意义上的并存，无需妥协。
为什么推理速度突然变得如此关键？根本原因在于，AI应用的核心战场正在发生深刻迁移。
当人工智能从简单的问答聊天机器人（ChatBot）阶段，演进至智能体（Agent）时代，交互模式发生了根本性变革。一个智能体要完成一项复杂任务，往往需要模型进行数十轮甚至上百轮的自我规划与调用：任务分解、代码编写、API调用、信息检索、工具使用……这是一个环环相扣的链式协作过程。
在这种新型工作模式下，每一轮调用之间的延迟会被无情地累积放大。试想一个需要50轮调用的复杂任务，如果每轮交互能节省1秒延迟，整个任务的完成时间就能快上近一分钟。对于实时语音交互、AI编程助手或高频商业决策系统而言，这种时间差距直接决定了用户体验的优劣，甚至关乎产品的市场成败。
从更深层次看，在固定的时间预算内，更快的推理速度意味着模型能够探索更深的思维路径，进行更多轮次的自我验证与纠错。速度，正从一个纯粹的系统性能指标，演变为直接影响模型智能上限的关键因素之一。
02 提升速度，究竟有多难？
那么，当前行业主流的大模型推理速度水平究竟如何？
国际头部厂商中，OpenAI的GPT-4o大约在每秒100到150个token，Anthropic的Claude Sonnet系列则在每秒80到120个token区间。国内主流旗舰模型的API响应速度，大多落在每秒50到100个token的范围内。相比之下，400 tokens/s的速度，达到了行业平均水平的3到5倍之多。
更为关键的是，这种速度差距并非简单地通过堆砌更多算力就能轻易弥补。这背后存在一个巨大的“效率鸿沟”。
从纯理论计算能力分析，一台搭载8块顶级H200 GPU的服务器，其每秒的数据吞吐能力高达38TB。对于GLM-5.1这类模型，生成单个token大约需要读取42GB的激活参数。理论上，这套系统逼近每秒1000个token也并非天方夜谭。
但现实情况是，许多现有系统实际只能跑出每秒几十个token的速度。瓶颈究竟在哪里？
GPU本身的原始算力往往并非瓶颈，大量时间其实被浪费在了等待、空转和低效的系统调度上。这就像一辆拥有顶级发动机的超级跑车，却因为变速箱和传动系统效率低下，始终无法发挥其全部潜力。
智谱此次实现突破的核心，正是在于从推理引擎、并行计算策略到底层网络架构这三个层面进行了系统性协同创新，从而有效地填平了这道效率鸿沟。
03 三层技术叠加，逼近硬件物理极限
要理解这场效率革命，首先需要了解传统大模型是如何工作的。通常，模型计算被分解成一个个独立的“算子”，每个算子启动一次计算核心，算完后便停止，等待同步，再启动下一个。在模型训练阶段，每次计算动辄耗时数秒，这种启动开销尚可忽略。
但到了推理生成阶段，尤其是生成单个token时，关键计算步骤可能只需要几十微秒。此时，启动和等待的开销占比就变得非常可观，成了拖慢整体速度的主要瓶颈。
智谱自研的TileRT推理引擎，其核心思路正是彻底改变这种“走走停停”的间歇模式。它的做法是在代码编译阶段，就将整个模型的计算逻辑图静态展开，编译成一条持续运行、高度优化的计算流水线。运行时，GPU始终保持高速运转状态，计算、数据搬运、通信等操作并行推进，中间结果尽量驻留在GPU内部的高速缓存中，避免反复读写慢速的显存。简而言之，实现了从“频繁启停的班车”到“永不停歇的高速列车”的模式转变。
这其中，一项名为“Warp专门化”的设计至关重要。要理解它，需先了解GPU的基本工作原理。与CPU不同，GPU内部集成了成千上万个简单的计算单元，它们以32个为一组捆绑行动，这个组被称为“Warp”。同一个Warp内的所有单元必须同步执行完全相同的指令。
在传统计算框架中，所有Warp都执行同一套指令序列。而TileRT则创新性地让不同的Warp组承担起专门化的职责：一部分Warp专门负责预取数据，一部分专攻核心数学计算，另一部分则负责与其他GPU进行通信。三组“专业团队”同时工作，形成高效的流水线作业，互不等待。这就好比将建筑施工从“一个工人搬砖、砌墙、验收轮流干”，升级为“搬砖组、砌墙组、验收组协同并行”的现代化工程模式。
解决了单卡内部的效率问题后，多卡并行又带来了新的挑战。行业通行做法是采用“张量并行”，即将模型的权重矩阵切分到多张GPU上，各自计算部分结果后再汇总。这套方案对于矩阵乘法这类规整运算非常有效，是目前的主流并行策略。
但GLM-5.1所采用的注意力机制是MLA（多头潜在注意力）。这种机制有一个显著特点：它能将传统注意力机制中需要大量存储的中间状态（KV Cache）压缩成紧凑的“潜在向量”，从而显著节省显存、提升计算效率。然而，MLA的计算流程中包含一个特殊的“稀疏索引”环节——这类似于需要快速从一个庞大的图书馆中精准找出最相关的几本书。
“找书”（即稀疏索引）这个步骤高度依赖全局信息，不适合平均分摊到多张GPU卡；“精读”（即后续的密集计算）才适合并行处理。如果强行让所有8块GPU都参与“找书”过程，大量时间将浪费在卡间通信和同步等待上。
TileRT引擎的解决方案是采用“异构并行”策略。它让GPU 0扮演专门的“图书馆检索员”角色，负责全局的稀疏索引和路由决策；而GPU 1到7则作为“精读分析员”，专注于后续的密集计算任务。两类处理器采用最适合各自任务特性的并行策略，高效协同完成整个计算层的处理。
更进一步，TileRT还将GPU之间的通信操作直接内嵌到执行流水线之中，不再将其作为独立的步骤进行处理。从外部视角看，整个8卡系统完成一层注意力计算，只需要一次内核启动，内部的所有通信和计算都在持续流动的流水线内无缝衔接完成。
这场由400 tokens/s引发的股价暴涨，本质上是一次清晰的市场投票。它明确地表明，当大模型的基础能力达到一定门槛后，行业竞争的焦点正在从“模型能做多好”转向“模型能做多快”。推理速度，这个曾经隐藏在后台的性能指标，正在快步走向舞台中央，成为定义下一代AI应用体验与商业价值的关键变量。
相关攻略
超聚变发布TokenBox™企业Token生产平台，旨在将高效算力带入企业现场。该平台单机可支持旗舰大模型，并通过软硬件一体设计实现高性能、低噪音与灵活扩展。它帮助企业将AI基础设施从一次性部署转变为可持续运营的生产力体系，为本地化AI建设提供了高效可靠的新路径。
面对信息过载，消费者常因买错或闲置困扰。“什么值得买”平台已从好价推荐转向AI驱动的兴趣消费指南，通过分析用户兴趣提供场景化购物方案，用AI提炼测评要点、明确适用人群与避坑提示，并借助社区真实体验，帮助用户高效决策、减少冲动消费，核心是找到真正适合而非仅便宜的商品。
《诺丁山》中休·格兰特与朱莉娅·罗伯茨的吻戏被视为浪漫经典。格兰特在幕后透露拍摄时因对方嘴唇较大甚至感觉“有回声”，以幽默口吻道出实际拍摄的窘迫趣事。这段调侃为经典场景增添了真实注脚，却未影响影片本身的爱情魅力，反让人看到银幕梦幻背后具体而鲜活的瞬间。
黄瓜视频是一款支持视频聊天和发现附近用户的社交软件。可通过文章链接或应用商店搜索下载。其核心功能包括首页分类筛选、消息管理、付费匹配、小视频浏览和个人中心管理，提供多样化的社交互动与付费服务选项。
打冰块类游戏玩法多样，核心均为通过破坏冰块带来解压快感。例如《啪嗒啪嗒打冰块》侧重消除，《打冰块》需接取坠落冰块，《消除冰块》采用逆向操作，而《冰块碰碰碰》结合射击碰撞，《火焰大战冰块》则运用冰火相克。这些游戏设计巧妙，视觉简洁、操作有趣，在简单规则中提供了丰富的挑战体验。
热门专题
热门推荐
水产市场是什么 在AI Agent的生态中，能力共享与协同进化是核心驱动力。水产市场（Seafood Market）正是为OpenClaw框架量身打造的AI Agent能力共享平台。你可以将其理解为AI领域的“应用商店”或“技能交易中心”，旨在实现AI能力的快速流通与组合创新。 目前，平台已集成超过
在信息爆炸的时代，高效地将音视频内容转化为可编辑、可检索的文字，已经成为内容创作者、研究者和职场人士的刚需。今天要聊的这款工具——MeowTXT，正是瞄准了这一痛点，它不仅仅是一个简单的转录工具，更是一个集成了智能识别、摘要和翻译的AI生产力平台。 MeowTXT是什么 简单来说，MeowTXT是一
OpenFang是什么 在AI Agent领域，我们常常面临一个困境：大多数系统仍然停留在“你说一句，它动一下”的被动模式，离真正的自动化还有距离。今天要聊的OpenFang，正是在尝试打破这个局面。它是一个用Rust语言构建的开源Agent操作系统，其核心创新在于引入了“Hands”的概念——你可
AngelSlim是什么 随着大模型参数规模不断增长，如何实现高效推理与低成本部署已成为开发者面临的核心挑战。腾讯混元团队推出的开源工具包AngelSlim，正是为解决这一难题而生。它是一个面向全模态大模型的综合压缩与加速解决方案，集成了量化、投机采样、稀疏化及知识蒸馏等前沿技术，旨在为各类大语言模
在信息过载的数字化时代，音频与视频内容已成为知识传递、创意表达与商业沟通的核心载体。然而，如何将这些宝贵的非结构化媒体资产，高效、精准地转化为可搜索、可分析、可编辑的文本格式，始终是内容创作者、市场研究人员、学者及商务人士的核心痛点。一款强大的AI转录工具，正是打通音视频内容价值闭环、释放生产力潜能