中國AI競爭軸心從模型轉向晶片：智譜GLM-5.3-Flash或調用逾10萬顆國產AI晶片
Nashnova编辑部
智譜以匿名身份將新模型GLM-5.3-Flash掛上國際平台OpenRouter，據行業消息人士稱其推理可能調用了逾10萬顆國產AI晶片——中國AI競爭的核心問題正從「誰的模型更強」變成「模型能不能在國產晶片上跑起來」。
為甚麼要匿名上線？
8月20日，智譜把新模型以化名「Ox Alpha」掛上模型聚合平台OpenRouter，不標來源，只說支持編程和AI Agent，預覽期免費。6天後才公開承認這就是GLM-5.3-Flash。
這意味著→ 匿名不只是營銷手段，而是一次真實環境壓力測試：讓全球開發者在不知道「這是中國模型」的情況下真刀真槍地用，測的不是跑分，而是生產環境下能否扛得住。
簡單來說＝ 先讓市場盲測給出真實反饋，再亮牌——證明的是「用起來行不行」，不是「參數表好不好看」。
模型本身有甚麼特別？
GLM-5.3-Flash採用MoE架構（混合專家架構：模型內部有多組「專家」模組，每次只調用最相關的一小組來回答問題，不用全部啟動），總參數3,200億，但每次推理僅激活約180億參數。
這意味著→ 保留了大模型的知識容量，同時把單次推理的算力消耗壓到很低——這對依賴國產晶片的算力集群尤其關鍵，因為單顆晶片性能不如英偉達，就更需要在架構上省着用。
匿名測試期間，Ox Alpha一度成為OpenRouter上使用量最高的模型，據報某時段使用量超過DeepSeek的兩倍。
「逾10萬顆國產晶片」意味著甚麼？
據行業消息人士稱，GLM-5.3-Flash的推理可能調用了逾10萬顆國產AI晶片，潛在供應商包括華為昇騰、摩爾線程、海光信息。智譜尚未公開證實。
這意味著→ 如果屬實，這是國產AI晶片第一次在商業規模推理場景中被大規模驗證——不是實驗室裡跑一次基準測試，而是真實用戶持續發請求、持續消耗算力。
簡單來說＝ 訓練一個大模型像蓋一座工廠，是一次性的；但模型上線後每回答一個問題、每執行一個任務，都在持續燒晶片算力。10萬顆晶片扛住了這個負載，才說明國產晶片真的能用。
為甚麼說競爭軸已經轉移？
大模型進入商業部署後，持續推理的算力消耗往往超過一次性訓練。每一條查詢、每一個Agent任務、每一段代碼生成，都在消耗晶片資源。
這反映出中國AI競爭已從算法層延伸到晶片與算力集群層：國產晶片廠商需要證明的不只是峰值算力（TOPS），還包括大規模推理下的穩定性、模型兼容性和軟件生態成熟度。
這意味著→ 下一階段最值得追蹤的不是「誰又發了新模型」，而是國產硬件能否在商業規模下持續兌現——GLM-5.3-Flash的這次測試，是這條驗證鏈上目前最具說服力的一個節點。
市场有风险，内容仅供研究参考，不构成投资建议。