#AI
智谱唐杰晒 RSI 首个案例：GLM 参与构建 GLM
智谱创始人、清华大学教授唐杰分享了一个他称为「最近一次感到震动」的案例：**GLM-5.3 驱动的 Infra Agent 参与构建了承载 GLM 自己的推理系统**。
在超过 10 万张国产芯片组成的集群上，这套 Agent 从零参与搭建并优化生产级推理服务，不到两周把端到端吞吐提升到初始基线的 3.2 倍。他把这个闭环概括成一句话：「模型优化系统，系统承载模型。」
💡 为什么值得看10 万卡国产集群两周吞吐提 3.2 倍，但仍未实现 RSI。
查证
来源档案
量子位(QbitAI)
中文 AI 媒体转载，全文照搬智谱唐杰的技术 Blog,并附其 X 原帖链接
正文为智谱官方 Blog 全文，关键数字（10 万卡、3.2 倍、6 天 62 万亿 token）以厂商自述口径呈现，无第三方实测或客户验证；属单源。转载自媒体本身是二手渠道，但内容层级是一手厂商博客。
延伸阅读
文章真正的技术主张不是 Agent 会写代码，而是把正确性测试、Trace、微基准组织成 Agent 可直接调用的分层反馈。想判断这套工程范式能否复用的读者，重点看这一节。
10 万卡国产芯片、1M 上下文、混合精度缓存量化与 EPD 分离式架构 —— 关心国产算力落地的人，这里的约束条件比结论更有信息量。