GLM-5.2的1M上下文、20亿美元融资与10万P算力：42篇信息里的3个真变化

1. 长程任务开始取代聊天体验，模型竞争的标尺变了

智谱开源GLM-5.2，把卖点直接放在长程任务上：1M上下文窗口、面向复杂软件工程、在Code Arena盲测中拿到全球可用模型第一。几乎同一时间，GitHub Copilot和VS Code团队都在谈另一件事：不是再堆一个更会说话的模型，而是通过上下文缓存、工具搜索和HyDRA路由，让模型在真实开发流程里更快、更便宜、更稳。

这件事重要，是因为行业已经不再按“回答是否聪明”来定胜负，而是在看模型能不能把一段跨步骤、跨文件、跨工具的工作做完。1M上下文本身不是终点，终点是让模型在长链路里别失忆、别跑偏、别把成本打爆。GLM-5.2强调IndexShare架构和Slime训练框架，Copilot强调缓存命中和模型路由，本质上都在解决同一个问题：怎样把大模型从一个对话引擎，改造成一个可连续执行的工作引擎。

细节也很说明问题。GLM-5.2被多篇报道反复提到支持国产算力平台，说明它瞄准的不是单纯开源口碑，而是企业部署可行性。Vercel新开源的Eve则从框架层面补齐了这一趋势：它把Agent定义成目录文件，内建持久执行、沙盒计算和人工审批，且Vercel内部已跑了100多个代理。模型、路由和编排框架在同一天集中出现，说明“长程执行”正在从能力宣传变成工程共识。

读法提示：今天真正的竞争，不是“谁参数更大”，而是“谁能把长任务做成产品能力”。

2. 资本开始奖励已验证收入的AI应用，而不是只奖励想象力

演语科技完成近3亿美元B+轮融资，估值超过20亿美元，同时披露ARR已到3亿美元。这组数字比“又融了一轮”更关键，因为它把AI应用公司的估值锚，从想象中的未来市场，拉回到可验证的收入能力。公司旗下LiblibAI、星流、LibTV横跨图片生成、Agent和视频生成三波浪潮，说明资本现在愿意为“跨模型迭代还能持续卖出去”的团队付钱。

为什么重要？因为过去一年市场对AI应用的最大疑问一直是：模型能力天天变，应用层会不会被平台吃掉？演语科技给出的回答不是理论，而是商业数字。ARR 3亿美元意味着它不是靠一次性流量冲高，而是在订阅和持续使用层面已经形成惯性。今天同类信号也出现在别处：九章云极讲AI工厂时不再只谈愿景，而是把专业Token当作产出单位；这说明无论做应用还是做基础设施，市场都在要求更明确的“单位经济模型”。

这会直接改变下一波创业叙事。未来能拿高估值的，不会只是最早接入新模型的人，而是能在图片、视频、办公、Agent这些不同浪潮切换时保住留存和收入的人。反过来看，那些只依赖单一模型红利、没有工作流和分发能力的产品，会越来越难讲出独立故事。

3. 算力工厂和3D世界模型一起升温，AI基础设施正在变重

今天有两组新闻放在一起看，特别有意思。一边是九章云极发布AI工厂战略，提出10万P智能算力集群、单日10万亿Token流转承载力和千倍级综合降本；另一边是影溯完成Pre-A轮融资、极佳视界拿到10亿元B2轮，都在押注动态3D世界模型和物理AGI。

这说明AI基础设施正在同时向两个方向变重。第一个方向是算力工业化：不是买几张卡跑个Demo，而是把训练、推理、调度、能效、计费和交付变成工厂体系。第二个方向是数据与表示工业化：世界模型不再满足于“生成看起来像的视频”，而是要构建带几何、尺度、材质、运动和交互关系的动态3D状态。前者解决“算得起”，后者解决“学得会”，两边都不是轻公司的路子。

细节上，九章云极把DCU作为度量衡、把专业Token作为产出单元，本质是在试图复制电力工业那种标准化交付逻辑；影溯则强调真实采集、3D重建、生成增强和模型训练迭代的数据飞轮，意味着世界模型竞争的护城河会越来越偏向数据资产和场景闭环。Radical AI在材料科学里六个月测试1200种合金、找出10种有商业潜力的新材料，也印证了同一种趋势：AI一旦进入物理世界，胜负手往往不在模型名称，而在实验系统、数据回流和基础设施密度。