Z.ai 融资目标达 50 亿美元，距 7 月融资仅数周

尽管这家中国 AI 开发商两个月前刚完成另一笔大规模股票出售，Z.ai 最新融资计划仍瞄准约 50 亿美元。

拟议融资包括近 20 亿美元的新股募资，以及约 30 亿美元的可转换债券。此前，该公司在 7 月通过配售筹集了约 40 亿美元。

这一连串融资才是真正值得关注的故事。Z.ai 在股价远低于 6 月高点之际再次向投资者募资。在此前注入的资金尚未来得及证明成效之前，公司便要求市场为又一次高成本扩张买单。

该提案反映出中国模型开发商之间更广泛的竞争，包括 MiniMax、Moonshot AI、Alibaba 和 DeepSeek。各家公司都需要算力、工程人才和分发渠道，但投资者愈发希望看到支出能够带来可持续回报的证据。

Z.ai 融资计划包含两个独立部分

Z.ai 提议进行两项彼此独立的交易，而非已经完成一轮 50 亿美元融资。

第一项交易是配售最多 2196.5 万股新的 H 股。根据其提交给香港交易所的文件，Z.ai 已同意以每股 714 港元出售这些股份。

若全数配售，扣除佣金和费用前将募集约 156.8 亿港元。按同期报道采用的汇率计算，这相当于约 20 亿美元。

相较于 Z.ai 在 9 月 11 日 793 港元的收盘价，配售价折让近 10%。在不存在其他变动的前提下，新股将约占扩大后股本的 4.5%。

公司预计该配售将于 9 月 16 日完成。交易仍须满足若干条件，包括获准将新发行股份上市及交易。

第二项交易涉及本金总额为 201.4 亿元人民币的零票息可转换债券。可转换债券起初属于债务，但可在合同规定的条件下转换为股票。

该债券将以美元结算，并于 2027 年到期。其初始转换价为每股 892.50 港元，但相关条款允许作出调整。

若按提案完成，该债券发行将带来约 30.16 亿美元的总募集资金，也为投资者提供了转入 Z.ai 股权的潜在路径。

股票配售和债券发行并不相互依赖。即使其中一项交易未能完成，另一项仍可完成交割。

这一点很重要，因为将其描述为 50 亿美元融资的标题，可能让人误以为资金已经到位。Z.ai 已宣布相关协议及预期募集金额，但交割条件仍然适用。

公司还警告称，配售代理在特定情况下保留终止权。债券同样面临自身的交割要求。

因此，这份 9 月文件描述的是一项融资计划，而不是已经存入 Z.ai 资产负债表的现金。

尽管如此，其预期规模不容忽视。若两部分均完成，Z.ai 融资方案的募集规模将超过许多科技公司的首次公开募股所得。

而且，这笔融资将在涉及同一批公众股东的另一笔大型交易后不久到来。

7 月 Z.ai 融资改变了这笔交易的含义

鉴于 Z.ai 在 7 月已募得约 40 亿美元，9 月的提案看起来不太像一次常规的后续发行。

在此前交易中，Z.ai 以每股 1588 港元出售约 1978 万股。该配售募集约 314 亿港元，约合 40 亿美元。

根据一份 7 月配售报告，发行价处于推介区间下限，且较股票此前收盘价折让 13%。

最新配售价 714 港元，不到 7 月 1588 港元价格的一半。这一差距显示，公司周边的市场状况在两个月内发生了多么剧烈的变化。

Z.ai 股价于 6 月 22 日盘中触及 2980 港元高点，并于 9 月 11 日收于 793 港元，较该高点低约 73%。

即使经历这轮下跌，股价仍接近其 1 月上市价格的七倍。因此，投资者正在评估的是一家尽管回吐了年中快速上涨的大部分涨幅、但仍保有可观涨幅的公司。

时机还增加了另一层因素。9 月的计划出台之际，与 7 月配售相关的 60 天禁售期刚刚届满。

禁售期限制某些股东在指定时期内出售股票。其到期可能增加市场上可供交易的股票供应量。

7 月配售本身则发生在基石投资者所持 2568 万股 IPO 股票的六个月限售期届满后不久。这些相互交叠的事件，与新股发行一道形成潜在卖压。

公司已经开始使用此前筹集的资金。Z.ai 表示，截至 8 月 31 日，7 月融资的净募集资金中约有 109.5 亿港元已被使用。

其 1 月香港发售及超额配售权带来的净募集资金约为 49 亿港元。Z.ai 表示，截至同一日期，这笔较早资金已全部使用。

这些披露避免了将公司简单归结为只融资、不投入业务的结论。资金正在流入业务，但如此快速的重复融资节奏依然并不寻常。

两次配售价格之间的差异，也改变了现有股东的稀释计算。当股价较低时，Z.ai 必须发行更多股票才能筹集每一单位资金。

若债券持有人最终将债务转换为股票，可转换债券还会带来额外稀释。最终影响取决于转换情况、价格调整以及 Z.ai 股本未来的变化。

因此，对投资者而言，Z.ai 融资是对信心的双重考验。他们既要评估公司的 AI 战略，也要评估支撑该战略的财务结构。

充裕的现金余额可以延长 Z.ai 的竞争周期。反复发行证券也可能降低每位现有股东的相对持股比例。

核心矛盾不在于 AI 开发是否需要资本，而在于 Z.ai 能否在稀释和支出累积之前，将异常快速的融资转化为经济价值。

Z.ai 融资本质上是一场算力押注

拟议募集资金的大部分将用于模型开发和计算基础设施，这使得这笔融资成为对规模化能力的一次押注。

Z.ai 计划将合计净募集资金的约 60% 投向下一代 GLM 基础模型。基础模型是一种可支持多种下游应用的通用 AI 系统。

这部分配置还涵盖大规模训练、生产推理和配套基础设施。训练用于构建或更新模型，而推理则是用户请求答案时执行的计算工作。

另有 15% 将用于业务扩张、战略投资和潜在收购。文件提及模型、算力、平台、AI agents 及相关应用等可能方向。

剩余 25% 将用于营运资金、资本结构管理及其他公司用途。Z.ai 预计在 2028 年 6 月 30 日前使用这些募集资金。

这些是计划中的资金配置，而非已完成的投资。它们也不能证明未来任何 GLM 模型将达到某一特定性能水平。

但支出重点揭示了 Z.ai 认为市场将给予回报的方向。该公司并未将这笔融资仅仅包装成防御性的现金储备。

它希望为整个模型管线提供资金，包括研究、训练集群、服务客户请求的基础设施，以及将模型能力转化为收入的产品。

这一做法尤具意义，因为 Z.ai 面临美国对先进技术获取的限制。自 2025 年 1 月以来，该公司一直被列入美国商务部实体清单。

报道称，Z.ai 近期的基础设施战略与中国国产加速器有关。据报道，公司于 7 月开始使用国产芯片运营一座 1 吉瓦数据中心的部分设施。

这一说法来自匿名消息人士，尚未获得公司独立确认。该设施的位置、成本及建设时间表均未披露。

尽管如此，这一报道中的项目仍说明了 Z.ai 面临任务的规模。建设大型数据中心并不会自动带来高效的训练能力。

芯片供应、内存带宽、网络、软件、电力利用率和故障率都会影响可用计算产出。仅凭名义功率数字，无法衡量模型开发效率。

中国加速器在性能、软件支持和能效方面也与 Nvidia 系统存在差异。Z.ai 必须协调不同代际的混合硬件，同时确保其模型可靠且具备经济的服务成本。

这笔融资让公司拥有更多空间解决这些问题，但并不能消除它们。

这正是为何通过简单标题解读 Z.ai 融资会产生误导。资金不仅用于研究人员或一次单独的模型发布。

它支撑的是一项纵向连接的计划，涉及芯片、集群、模型训练、推理和商业交付。每一层都可能成为其他环节的瓶颈。

加速器交付延迟可能拖慢训练。开发者采用不足可能令基础设施闲置。高昂的推理成本可能让热门产品变成昂贵负担。

反过来，更高的利用率可以将固定成本分摊给更多客户。成功的开源模型可以吸引开发者，而这些开发者之后可能购买托管服务、应用程序接口访问或企业服务。

Z.ai 实际上同时为这一方程的两端提供资金。它既需要足够的能力来保持技术竞争力，也需要足够的需求让这些能力持续产出价值。

这也是该提案的重要性超越其标题金额的原因。它让基础设施执行能力成为公司投资逻辑的核心。

MiniMax、Moonshot 与 DeepSeek 加大商业化压力

在中国领先的独立模型开发商尚未建立持久盈利引擎之前，Z.ai 正在争夺用户。

MiniMax 提供了最清晰的公开市场对照。与 Z.ai 一样，它诞生于中国独立生成式 AI 公司的浪潮，并寻求资本来为规模日益扩大的模型提供资金。

Moonshot AI 通过其 Kimi 产品线展开竞争，并因性能出色、成本较低的模型获得国际关注。DeepSeek 则重塑了市场对效率、开放发布和价格竞争的预期。

Alibaba 带来了另一种压力。其 Qwen 模型受益于规模更大的母公司，后者拥有云基础设施、企业客户关系和多种分发渠道。

这些竞争对手的商业模式并不完全相同。一些公司强调开放权重，另一些则对其最强大的系统保持更严格的控制。

开放权重模型会在明确许可条款下提供训练完成的模型参数。相较于封闭的应用程序接口，开发者可以更直接地检查、调整或托管此类模型。

Z.ai 利用开放发布来扩大 GLM 系列的知名度和开发者采用率。随后，它可从托管访问、企业部署、agents 和技术服务中寻求收入。

这种模式带来了一个熟悉的矛盾：广泛分发能够积累受众，但开放可用也可能让直接变现更加困难。

开发者可以下载模型并转而使用其他基础设施提供商。竞争对手可以降价、增加兼容工具，或在 Z.ai 建立长期客户关系之前推出替代方案。

美国近期的采用情况表明，这一机会依然真实存在。据美联社报道，Mozilla 技术负责人 Raffi Krikorian 曾使用 Z.ai 的 GLM-5.2 处理日常事务。

这些事务包括管理日历、文档和电子邮件。这类工作流让模型竞争变成了速度、成本和可靠性的实际较量。

同一报道还提到，美国开发者和企业对中国 AI 系统的兴趣正在增长。其吸引力部分来自更低的运营成本，以及足以应对常见任务的性能。

这为 Z.ai 提供了一条走出中国消费者聊天机器人市场的路径。开发者可以将 GLM 模型整合到编程助手、搜索系统、文档工作流和企业智能体中。

评估 AI 模型的用户很少会在意开发者融资了多少资金。他们关心的是，该系统能否在明确的工作流中可靠地运行。

对于知识工作而言，模型输出同样需要上下文。当模型能够处理整理有序的笔记、文件和过往决策时，其实用性会更高。

这正是个人知识库背后的原则。对于日常用户而言，更好的上下文可能与微小的基准测试差距同样重要。

商业上的难题在于，如何将这些有用的交互转化为持续、可防御的收入。低价可以吸引使用量，但在计算成本之后可能所剩利润有限。

竞争对手也可以通过补贴模型访问来加速采用。大型云服务商比独立开发者更有能力长期维持这种策略。

因此，Z.ai 面临来自两端的压力。独立实验室可以快速行动，而平台公司则能将模型与既有云服务和软件产品打包销售。

其新增资金可以支持更快的发布节奏和更多基础设施建设。然而，资金本身无法创造转换成本、客户忠诚度或可预测的企业续约。

这也是为什么竞争不应只通过基准排名来衡量。更强的业务应当将有能力的模型、可靠的交付能力和高效的获客路径结合起来。

Z.ai 的融资为公司争取了更多时间来构建这种组合，同时也提高了市场对其可见商业进展的期待。

50 亿美元的标题数字尚未解决的问题

这笔融资满足了 Z.ai 对资金的需求，但并未消除有关稀释、回报、监管或执行的问题。

首个不确定性在于交易能否完成。两项交易在公布时都仍有待满足的条件。

在 Z.ai 确认配售和债券发行完成前，投资者不应将全部资金视为已经到位。独立交易也会带来多种可能结果。

第二个不确定性涉及股东稀释。若交易完成，配售将立即增加新股，而可转换债券未来还可能带来更多新增股份。

转换部分取决于 Z.ai 未来的股价表现以及债券合同条款。投资者无法仅凭标题金额计算最终股本数量。

第三个问题是不断变化的市场估值。每股 714 港元的配售价，低于 7 月每股 1,588 港元的配售价，也远低于 6 月更高的市场峰值。

这种下跌本身并不能证明业务已经走弱。但它表明，投资者如今以更不利的条件提供股权资本。

第四个问题是资本效率。Z.ai 可以在集群和模型上投入数十亿美元，却未必产生有吸引力的回报。

AI 基础设施需要持续投资，而非一次性采购。硬件会老化、模型架构会变化，推理需求也可能要求在收入到来之前提前配置产能。

公司还必须让基础设施在众多工作负载之间实现高效利用。为偶发训练任务预留的产能，在项目间隙可能只能带来有限收入。

服务需求则带来另一种问题。使用量突然上升可能令系统承压，但过度建设会让昂贵设备闲置。

Z.ai 将其拟议支出描述为支持下一代 GLM 模型和商业化。这些是公司的计划，而非已验证的结果。

第五个不确定性涉及国际访问。美国限制 Z.ai 获得某些技术，未来也仍可能出台更多政策措施。

中国政策则带来另一项风险。根据 7 月融资期间引用的报道，监管机构曾考虑实施影响海外访问先进国产 AI 系统的管控措施。

任何此类规则的范围和执行方式尚不明确。不过，更严格的控制将使 Z.ai 服务国际开发者的尝试更加复杂。

这种监管张力具有双向影响。国内技术限制可以推动中国公司改进本地硬件和软件。

与此同时，出口限制可能减少潜在分发范围，也可能引发中国境外企业客户的合规担忧。

第六个问题是，已报告的用户兴趣能否转化为稳定收入。在新版本发布后试用模型，与围绕它构建生产系统并不相同。

企业买家会评估安全性、数据治理、服务可靠性、支持以及长期可用性。模型质量只是这一决策的一部分。

开发者也需要可预测的接口和定价。行为或访问条款不断变化的模型，可能造成高昂的应用维护成本。

因此，Z.ai 必须证明的不只是技术相关性。它需要证据表明客户会留存、扩大使用，并支付足以支持基础设施支出的费用。

这种审慎观点并不意味着公司必然失败。它界定了判断融资是否奏效所需的证据。

券商 ACCM 研究总监 Glenn Yin 清晰概括了 7 月的权衡。他表示，这笔资金增强了 Z.ai 的竞争火力，但也加大了其证明可持续商业回报的压力。

在 9 月提案之后，这一标准变得更加严苛。公司在较低股价下、且距一次重大配售不久后，再次要求投资者延长其资金续航期。

核心反转很直接：获得更多资本可以增强 Z.ai 的战略地位，同时也加重了其证明该战略的财务负担。

三项信号将决定这场押注是否奏效

下一项考验不是又一则融资标题，而是能够将 Z.ai 的资本支出与产品、客户和高效基础设施联系起来的证据。

第一项信号是交易完成。Z.ai 需要确认配售和可转换债券实际带来了多少资金。

这一确认应包括净募集资金、最终发行股数，以及债券条款的任何重大变化。部分完成将削弱 50 亿美元这一标题数字。

完成交易将强化这样一种观点：即使在股价大幅回落后，机构投资者仍然支持 Z.ai。失败或延迟则会表明需求更加脆弱。

第二项信号是支出和商业转化。Z.ai 应披露其使用 7 月募集资金和新增资金的速度。

投资者需要的不只是总收入增长。他们还需要能够将基础设施支出与持续客户活动、不断改善的单位经济效益联系起来的指标。

有价值的证据包括持续的应用程序编程接口需求、企业合同扩张以及计算产能利用率提升。稳定续约比短暂的发布期流量更重要。

模型采用还应产生可识别的工作流。文档分析、编程、电子邮件管理和企业智能体，比单独的基准测试结果提供更清晰的商业证据。

评估此类工作模型的读者，应在自身的信息环境中跟踪结果。结构化的 AI 工作流能够揭示新模型是否真正节省时间。

第三项信号是 Z.ai 对下一代模型和基础设施的披露。公司已将大部分拟议募集资金分配给下一代 GLM 开发和计算资源。

只有当新版本同时具备可信的能力、可靠的服务和广泛采用时，才能强化这一战略。仅拥有基准领先优势、却无法实现经济高效交付，所提供的证据会更弱。

Z.ai 还应澄清其国产芯片基础设施方面的说法。有关实际产能、利用率和生产工作负载的独立信息，将使外界更容易评估所报告的建设规模。

政策发展也属于第三项信号，因为它们可能改变可服务市场。新的中国出口管制或额外的美国限制，可能限制技术获取或国际分发。

有利的结果将包括融资完成、可衡量的客户留存，以及能够高效利用基础设施的 GLM 发布。这种模式将支持 Z.ai 快速融资的决定。

较弱的结果则会表现为反复融资，却没有明确的运营里程碑。这将表明，规模扩张消耗资本的速度快于商业化补充资本的速度。

因此，Z.ai 的融资提案标志着公司公开叙事的一次转变。投资者已经表明，他们愿意为雄心提供资金。

现在，Z.ai 必须展示 7 月融资及拟议 9 月融资合计近 90 亿美元将产出什么。压力已从获得资本转向有纪律的执行。

开发者和企业买家应关注同样的证据。模型排名变化很快，而生产可靠性和工作流价值会揭示哪些提供商能够支持长期使用。

决定性的问题不再是 Z.ai 能否为 AI 融资数十亿美元，而是下一代 GLM 模型、基础设施披露和客户成果，是否足以证明如此迅速地筹集如此多资金是合理的。