以前是人类给AI喂饭，现在是AI开始准备自己做饭，而且是真做了！9月13日晚，智谱抛出了一枚重磅炸弹：完成约50亿美元的股债融资，其中包括约20亿美元股份配售和30亿美元可转债。比这笔庞大弹药更值得关注的，是钱的去向——募集资金净额的60%将直接砸向下一代GLM基础模型以及“完全自训练体系”。

9月13日，智谱公布完成约50亿美元融资计划，其中包括股份配售和可转换债券等方式。根据公开披露的信息，这笔资金的重要用途并不是简单扩大市场规模，而是集中投入下一代GLM基础模型、“完全自训练”体系以及相关算力基础设施建设。
按照规划，约60%的募集资金将用于模型研发和训练体系升级。这个变化引发关注，并不是因为融资金额本身，而是因为智谱首次把“完全自训练”（Fully Self Training）作为未来技术方向公开提出。
过去几年，大模型竞争的核心逻辑很简单：谁拥有更多数据、更强算力、更优秀的工程团队，谁就更容易训练出能力更强的模型。但随着高质量公开数据越来越有限，单纯依靠人工收集资料、标注数据、调整模型的方法，正在遇到新的瓶颈。
于是，人工智能（AI）行业开始寻找另一条路。让模型自己参与生产训练材料。
让模型自己设计测试环境。甚至让模型帮助优化运行效率。
这就是所谓的“递归式自我改进”（RSI，Recursive Self-Improvement）方向。当然，目前距离真正意义上的“人工智能（AI）完全自主进化”还有很大距离。
现在行业讨论中的自我改进，并不是电影里那种机器突然拥有独立意识，而更多是一套工程体系。比如，一个模型可以根据已有能力生成大量模拟任务，再通过评价机制筛选有效数据；也可以帮助研究人员发现代码漏洞、优化算法结构，提高研发效率。
简单理解，就是以前人类像老师一样不断给人工智能（AI）布置作业，现在人工智能（AI）开始帮助老师出题、改卷，甚至设计新的学习方法。智谱此次提出的方向，正是希望让下一代GLM模型具备更强的自动化训练能力。
公开信息显示，其“完全自训练”体系涉及数据生成、训练环境构建以及基础设施优化等多个方面。这背后反映的是全球人工智能竞争规则正在变化。
谁能获得更多高端算力，谁能投入更多研发资金，谁能聚集更多顶尖工程师，谁就更有机会推出领先模型。但进入下一阶段后，竞争重点可能会从“堆资源”转向“提高研发效率”。

原因很现实。训练一个先进模型，需要消耗大量时间和资金，模型参数越来越大，并不意味着能力一定按照同样速度增长。
如果未来人工智能（AI）能够承担更多研发环节，人类研究人员的工作方式可能会发生改变。这种变化并不是意味着人工智能马上取代所有研究人员，而是意味着人与人工智能（AI）之间的分工正在重新调整。
事实上，国际人工智能（AI）领域也在关注类似趋势。OpenAI等机构的研究人员此前多次讨论过，未来人工智能（AI）系统可能越来越多参与人工智能研发本身，人工智能（AI）辅助人工智能（AI）研究正在成为行业重要方向。
不过，“人工智能（AI）能够自我改进”这个概念，也需要保持理性看待。目前的大模型仍然依赖人类设定目标、提供计算资源、建立安全规则。
所谓自我训练，本质上是在人类设计的框架内提升效率，而不是完全脱离人类控制的发展。另外，人工智能（AI）研发竞争还有很多现实约束。
先进模型需要大量芯片、电力和数据中心支持，这些基础条件并不会因为算法进步而消失。一个模型即使拥有更好的自动优化能力，也仍然需要物理世界里的算力支撑。
因此，智谱这次布局的意义，更像是在争夺下一代人工智能研发模式的话语权。这也是为什么市场关注点从“发布一个新模型”转向“建立持续进化体系”。
对于普通人来说，这种变化带来的影响可能不会立刻出现，但长期来看，它可能改变很多行业的工作方式。软件开发、科研设计、内容生产、工业制造等领域，都可能逐渐出现更多人工智能（AI）参与决策和优化的场景。
未来的竞争，不一定是谁拥有最大的模型，而是谁能够让模型更快发现问题、更快改进自己、更快适应新的任务环境。但与此同时，也需要看到，技术发展始终离不开人的管理和约束。