【扛住海量衝擊！“牛來”Ai全由超10萬張中國國產芯片卡承載】過去一周，一個名叫“牛來”的中國神秘大模型在海外開發者社區突然爆火。8月26日晚，中國智譜正式宣布，這個匿名模型Ox-Alpha（中文社區稱為“牛來”）就是其最新開源的GLM-5.3-Flash。

而真正讓行業震動的是另一個消息：支撐這款模型全部流量的，是超過10萬張中國國產芯片卡。

GLM-5.3-Flash是智譜GLM-5系列的首個原生多模態模型，總參數320B，激活參數僅18B。正式發佈前，智譜選擇以匿名身份在OpenRouter和OpenCode兩大海外平台免費開放測試。

結果出人意料。“牛來”迅速登頂雙平台，5天累計Token調用量高達62萬億，刷新了兩個平台的歷史紀錄。

模型火了，但一個更大的疑問隨之而來：如此大規模的海量流量，算力從哪來？

據報道，測試期間每日高達100萬億Token的流量，全部由超過10萬張中國國產芯片集群承載。這是中國國產算力芯片首次大規模集體“出海”，直接服務全球真實負載。

據科技行業媒體了解，這批芯片的供應商或來自華為、摩爾線程與海光。

智譜官方對此未予置評，技術文檔中也沒有明確具體芯片型號。但可以確定的是，這些芯片通過自研高帶寬互聯網絡連接，形成了一個大規模國產算力集群。

中國國產芯片能跑大模型，這本身不算新聞。但要在全球海量真實流量下跑出與英偉達GPU旗鼓相當的成本效率，是另一回事。

據了解，單張中國國產芯片當前的主要瓶頸在於內存容量和帶寬，而GLM-5.3-Flash又原生支持最長100萬Token的上下文，對顯存和通信提出了極高要求。

據報道，智譜創新性的優化了多項技術。

智譜在SGLang基礎上構建了專用推理引擎，採用W8A8量化、INT8/FP8/BF16混合緩存量化等多項技術。

在集群層面，智譜採用了Encode-Prefill-Decode（EPD）分離式架構，將多模態編碼、Prompt預填充和逐Token解碼拆分為三個可以獨立調度和擴縮容的工作池。

與同一批硬件上的初始基線相比，端到端服務性能提升了3倍。

智譜在官方技術文檔中表示，“硬件效率和單Token成本已達到與主流英偉達GPU相當的水平”。

據報道，半導體研究機構SemiAnalysis隨即在X平台發文評論：“所有流量均由中國國產芯片承載，硬件效率和單token成本已可與英偉達GPU相媲美。繼Jalapeño（OpenAI自研推理芯片）昨日（8月25日）宣布之後，CUDA護城河再度受到考驗。”

“牛來”的爆發，不只是智譜的一次產品成功，更是中國國產算力的一次集體證明。