7月21日 ，港股智谱（02513.HK）股价高开高走
，盘中涨幅一度超过30% 。

　　与此同时 ，一则来自全球最大AI开源社区Hugging Face的官方复盘尤其受到行业关注
。近日
，Hugging Face披露了一起由自主AI Agent发起的网络安全事件，在事件调查过程中 ，其安全团队最终选取 在本地部署开源模型GLM-5.2完成攻击取证分析
，而未采用商业模型API。

　　此外，智谱已落地1GW级国产AI算力数据中心建设 ，并正式完成对国产AI异构算力软件公司中科加禾（XCore Sigma）的收购 。

　　随着大模型逐步进入企业真实业务流程，市场竞争正在从模型能力本身
，延伸至模型部署能力、算力体系以及底层基础软件能力
。业内人士认为，对于越来越多企业而言 ，大模型的价值不仅取决于基准测试成绩
，更取决于能否真正部署到生产环境 、完成复杂业务流程并满足数据安全要求。围绕模型
、算力、AI Infra和产业生态构建完整能力体系，正成为国内头部基础模型公司的竞争重点 。

　　Hugging Face为何选取 GLM-5.2？

　　此次受到关注的案例 ，来自Hugging Face官方披露的一次网络安全事件复盘
。

　　根据官方介绍
，在事件调查过程中，安全团队需要分析超过1.7万条攻击日志 、恶意代码以及攻击指令 ，以重建攻击路径
、识别受影响资产
，并完成整个事件取证分析。

　　值得注意的是，Hugging Face在复盘中披露 ，其最初曾尝试使用商业模型API进行分析
，但由于日志中包含真实攻击指令、恶意代码以及C2（Command Control）等敏感内容，请求触发安全策略限制 ，无法完成相关分析 。

　　随后，团队转而在本地基础设施部署开源模型GLM-5.2
，并完成整个分析流程。

　　官方同时表示，这样做还有一个额外优势 ，即所有攻击日志及相关凭证始终保留在企业内部基础设施中
，并未离开本地环境
。

　　对于这一案例，业内人士认为 ，随着AI逐步进入企业核心业务流程
，企业对基础模型的关注点也在不断丰富。除了模型能力本身之外，在真实生产环境中的部署能力 、工程可用性以及完成复杂任务的能力 ，正成为越来越多企业关注的重要因素 。

　　过去
，大模型更多通过在线API形式向开发者提供能力，模型排名 榜
、参数规模和基准测试成绩成为市场关注重点
。但随着AI逐渐进入企业研发、安全运维 、软件开发等核心业务流程 ，越来越多企业开始关注模型是否能够完成本地部署
，是否支持敏感数据留存在企业环境，以及是否能够真正融入企业既有工作流。

　　Hugging Face在官方复盘中也建议 ，企业应提前准备能够运行于本地基础设施的大模型，以便在网络安全事件等关键场景中开展分析工作
，同时保障敏感数据始终保留在企业内部 。

　　业内人士表示，从开发、编程到安全运维 ，大模型正越来越多地参与真实业务流程
。模型价值不仅体现在能力表现
，更体现在能否稳定融入企业工作流
、解决实际问题。这类来自真实生产环境的实践案例，也为企业部署AI提供了新的借鉴  。

　　这一趋势也意味着 ，大模型企业之间的竞争
，正在逐步从模型性能竞争延伸至部署能力竞争
。

　　从模型竞争到基础设施竞争：智谱持续补齐AI Infra能力

　　除了真实部署案例外，智谱近期围绕底层基础设施的一系列动作 ，也引发市场关注。

　　据悉
，智谱已落地1GW级国产AI算力数据中心建设，并全部采用国产AI芯片 。

　　与此同时 ，公司宣布完成对国产AI异构算力软件企业中科加禾（XCore Sigma）的收购
。公开资料显示
，中科加禾源自中国科学院计算技术研究所编译实验室，长期深耕异构算力软件栈及编译优化 ，被业内视为国内顶尖AI Infra团队之一。

　　业内人士认为，这两项动作分别补齐了算力供给与算力释放两大关键能力 。前者提供大规模模型训练所需的计算资源
，后者则通过编译器、Runtime 、推理引擎等基础软件能力，提高异构芯片利用率 ，降低推理成本
，并提升模型部署效率。

　　一方面，大规模算力是训练前沿基础模型的重要基础
。另一方面 ，随着国产AI芯片不断丰富
，如何提升不同芯片之间的兼容能力和资源利用效率，也成为模型训练和部署的重要课题。

　　如果说算力决定模型能够完成多大规模的训练 ，那么编译器
、Runtime、推理引擎等AI基础软件
，则决定这些算力资源能否得到高效利用 。特别是在异构算力环境下，不同芯片架构之间需要通过基础软件完成适配 、调度和优化 ，直接影响模型训练效率
、推理成本以及部署体验
。

　　因此
，近年来全球头部AI公司普遍开始向基础设施领域持续投入，从模型研发逐步延伸至算力平台、软件栈以及工程体系建设。

　　与此同时 ，市场对于智谱下一代基础模型的关注也持续升温 。

　　有观点认为，在持续扩充训练算力 、完善AI基础软件能力以及长期积累后训练（Post-training）经验的基础上
，未来基础模型的发展方向将不仅关注模型能力提升，同时更加注重推理效率
、部署能力以及工程可用性
。

　　事实上 ，这一思路与智谱近期披露的发展方向也形成一定呼应。

　　7月11日
，智谱创始人唐杰发布题为《巨浪已来》的内部信，宣布未来两年启动"Touch High（摸高）"计划 ，提出将继续围绕长程任务、自治智能体系统 、完全自我训练以及安全治理等方向持续投入
，并表示不会将短期商业变现作为核心目标，而是继续围绕AGI开展长期研发 。

　　业内人士进一步指出 ，全球Frontier AI公司的竞争正逐步从单一模型能力竞争
，演进为模型
、算力、Infra及生态能力的系统竞争
。智谱近期连续补齐底层能力，并持续推进模型 、Agent、MaaS及产业生态布局 ，意味着其正在构建一家基础模型公司的完整竞争体系
，而不仅仅围绕单次模型发布展开竞争。

　　从Hugging Face此次公开披露的真实生产部署案例可以看到，企业用户对于大模型的关注重点 ，也正从模型能不能回答问题，延伸至能不能进入真实工作流
，能不能在本地环境稳定运行，以及能不能满足安全和工程要求 。

　　对于基础模型企业而言 ，模型能力仍然是竞争的基础
，但部署能力
、工程能力以及底层基础设施建设的重要性正在不断提升
。随着越来越多AI应用进入企业生产环境，这些能力能否持续支撑模型训练、部署及产业落地 ，也将成为资本市场和产业客户共同关注的新维度。

（文章来源：每天 经济新闻）