国内大模型领域近日传出重磅消息，智谱以数亿元人民币完成对AI Infra企业——中科加禾（XCore Sigma）的收购。这一动作被视为智谱补足底层工程能力短板的关键布局，尤其在算力基础设施面临多重挑战的背景下，此次收购的战略意义愈发凸显。
中科加禾的核心技术聚焦于编译领域，其目标是为国产AI大模型构建跨品牌、跨型号的标准化软件底座。公司技术源于中科院计算所编译实验室，创始人崔慧敏博士作为该团队负责人，带领核心成员深度参与过龙芯、神威、寒武纪、华为昇腾等多款国产芯片的编译器开发，形成了从虚拟指令集设计到算子优化全链条的技术积累，且相关成果已通过商业化产品验证。
智谱在Infra层的投入早有布局。此前通过星连资本，其已投资基流科技（算力集群）、无问芯穹（推理优化）、硅基流动（AI Infra）等企业，试图构建覆盖全链条的生态体系。然而，市场对其基础设施能力的质疑始终存在。今年1月，因算力扩容滞后于需求增长，智谱被迫将GLM Coding Plan每日新用户购买名额压缩至正常水平的20%，优先保障老用户服务；3月GLM-5模型发布后，尽管Coding Agent日均调用量达数亿次，但用户很快反馈模型在复杂任务中出现乱码、重复回答等“性能退化”现象。
问题根源指向系统性工程缺陷。智谱在技术复盘博客中指出，高并发场景下，推理架构在协调“临时记忆”（KV Cache）时出现服务器间数据冲突，导致“读题”（Prefill）与“写答案”（Decode）环节失衡。这一发现印证了其此前观点：当智能应用进入高并发、长上下文场景时，推理基础设施的挑战已从单纯的吞吐、延迟问题，扩展至输出质量的稳定性维护。
6月发布的GLM-5.2模型进一步放大了这种压力。该模型上线Vercel平台后，首周日均Token调用量暴涨27倍，成为增长最快的模型之一。但与此同时，智谱面临的算力结构性矛盾愈发尖锐：一方面，被列入美国实体清单后，其适配国产芯片的成本大幅攀升；另一方面，国内大模型厂商中，智谱虽是对国产GPU覆盖最广、生态绑定最积极的企业（GLM-5.2上市当天即完成华为昇腾、平头哥、摩尔线程等八大平台推理适配），但将不同架构芯片整合为统一集群的工程难度极高，算力利用率长期受限。
中科加禾的技术或成为破局关键。其虚拟指令集技术可通过中间层软件统一“烟囱式”生态，向上提供标准接口，向下适配各家芯片，理论上可显著提升单芯片算力利用率。更引人注目的是其SigInfer推理引擎的性能承诺：若能在智谱生产环境中实现宣称的“时延降低74倍、吞吐率提升3倍、能效比提升1.46倍”效果的三分之一，其单位Token成本将获得数量级改善。
值得注意的是，此次收购或与智谱的自研芯片计划存在关联。7月初，外媒曾报道智谱正与国内芯片设计企业接洽，评估联合开发定制AI推理芯片的可能性。而编译器作为芯片自研过程中不可或缺的环节，中科加禾的技术积累无疑为其提供了重要支撑。
