第一个赴考的人：拆解智谱AI的上市答卷 - AI

Just Quick Just Quality

热门话题

白天

搜索

资讯

第一个赴考的人：拆解智谱AI的上市答卷

3 小时前 / 阅读约24分钟

来源：36kr

智谱AI作为中国大模型领域的独角兽，从科研走向商业化，冲刺IPO。面临技术、商业逻辑断层及资本压力，智谱通过MaaS战略和行业生态构建寻求突破，其未来取决于能否建立增长结构。

引言：浪起之时，为什么智谱必须上岸

2025年的中国大模型市场，像是一片退潮的海滩。

那些曾经高喊“颠覆一切”的创业者，如今开始盘点手里的现金流；那些热衷“讲故事”的资本方，也学会了读财报。

浪依然在——但浪的方向，已经变了。

两年前，当ChatGPT点燃全球科技市场时，智谱AI是最早站上浪尖的公司之一。它背靠清华的科研体系，推出了中国第一批可商用的大模型——GLM系列，一度被誉为“最像OpenAI的中国公司”。

短短两年，它从科研项目变成了被寄予厚望的独角兽，从“算法先锋”到“六小龙”之一，再到如今——中国大模型第一家冲刺IPO的企业。

但故事的转折，往往发生在浪头最高的时候。

当智谱在资本市场“谋求上岸”，整个行业却依然在波动。

OpenAI、Anthropic、Mistral的生态飞轮已经进入商业收割期，而中国的大模型创业公司，还在亏损、还在补贴、还在等待被证明。

智谱的困境，正是这个时代最真实的写照：它有技术、有融资、有品牌、有故事，却始终被一个问题追问——“技术公司能否在商业化中活下来？”

上市，表面上是通往安全的彼岸；但对智谱而言，更像是一场不得不做的自救。

在资本收紧、巨头围猎、算力成本高企的当下，IPO似乎不再是胜利的奖章，而是生存的通行证。

这场“谋求上岸”的行动，不只是智谱AI的故事，它关乎整个中国AI行业的命运：当潮水褪去，谁还在坚持游？谁已经开始漂？智谱或许是第一个上岸的，但它能否抗住更大的浪，才是更值得被记录的部分。

01 清华系的起点：信仰与实力的双刃剑

中国科技创业史上，很少有哪家公司像智谱AI这样，从一开始就背负着“国家算法希望”的标签。

它的创始团队来自清华大学计算机系与人工智能研究院，诞生于被称作“中国AI最强学术派”的体系中。

在那个算法为王的时代，智谱代表的是科研自信——它不靠资本催熟，而靠模型性能出圈。

从GLM系列（General Language Model）到CodeGeeX、ChatGLM、CogView，智谱的产品线覆盖了语言、编程、图像等多个方向。

早在2021年，它就提出“中英双语预训练模型”的概念，比ChatGPT提前近两年完成原型；到2024年，GLM-4.5发布，性能已逼近GPT-4-turbo。

这些技术节点让智谱成为唯一一个能在大模型性能榜单上，与百度文心、阿里通义、月之暗面并列的“独立创业者”。

这一切，构成了智谱AI的信仰与力量来源。

但也正因为如此，它带着一种典型的学术气质，资本市场有种担心：它更像是在证明“能不能做到”，而不是在思考“做到之后干什么”。

“科研逻辑”与“商业逻辑”的断层

清华的科研文化追求的是最优解，而市场只需要可用解。科研强调论文、参数、精度；市场关注客户、复购、利润。在科研语境里，智谱的目标是追赶GPT；在商业语境里，客户的需求往往只是“用AI更省时间”。这种逻辑断层，让智谱在早期技术上遥遥领先，却在商业化上频频掉队。它的商业节奏明显慢于竞争对手：当百度在推AI搜索，阿里在改造电商，字节在整合豆包，智谱还在不断优化模型的“token效率”与“推理参数”。这并非错误，而是路径选择的结果。智谱选择了证明算法之美，却因此延迟了商业的现实。

信仰的代价：技术优越感的回旋镖

“我们要做中国最强的通用模型”，是智谱成立初期的口号。在某种意义上，它确实做到了。但技术优越感往往是一把双刃剑——当团队相信自己拥有最好的技术，就容易忽视最早需要的客户。2023年，智谱推出ChatGLM版本时，面对外界对性能、接口体验的质疑，内部团队仍坚持“开源路线”，并强调“学术与产业并重”。然而，当同行在用模型构建应用生态时，智谱却陷入了“开源贡献热度高，营收贡献低”的悖论。开源带来了声誉，却没有带来现金流。AI世界里，信仰可以驱动创新，但唯有商业才能维持存在。这时的智谱，就像是一艘科研巨轮，方向明确，却推进缓慢。

清华基因的另一面：人才密度与组织转型

当然，清华系的基因并非全是枷锁。它的技术团队在算法、算力、模型安全方面具备极高的人才密度。在行业混乱、技术夸大的阶段，这种“求真”让智谱显得更稳健。智谱的科研体系使其在政府与央国企客户中更具信任度——“国家级科研出身”本身就是一种软信用。这也是它能在融资中持续获得国资青睐的原因之一。但问题也在这里：清华的组织形态是分布式的，而市场的节奏是集权的。

技术人才崇尚自由探索，而商业化需要集中决策。从实验室到公司，从论文到产品，智谱花了两年才建立起稳定的“产品管理+商业运营”体系。这种转变意味着，它开始从“清华的科研项目”变成“清华后的企业”。智谱的挑战，从此不再是模型训练，而是模型变现。智谱AI的故事，其实是一代学术创业者的故事。它代表了一种技术理想主义的终极形态：坚信算法能改变世界，也相信世界终会为算法买单。但在浪潮退去之后，信仰若想延续，就必须找到新的燃料——那燃料，叫现金流。

02 商业化的中场：从技术公司到交付机器

如果说前两年是中国大模型的“科学竞赛”，那么2024年之后，就是一场“现金流考试”。对于智谱而言，这场中场战事，比任何技术突破都更艰难。因为它不再是模型之间的比拼，而是账本之间的较量。算法可以反复训练，但利润只能用真实客户的签字来换。

技术红利消退，商业压力登场

智谱AI的转型，从“科研叙事”走向“商业叙事”，是被推着走的。ChatGLM的技术热度曾让它一度成为开源圈的明星，但热度并不等于订单。2024年中期，随着算力成本上升、融资趋冷、客户理性回归，大模型行业集体进入“去泡沫期”。

智谱的痛点随之暴露：它不是没人用，而是——用得起的人太少，用得起的企业太精。在B端客户眼中，大模型已不再是“革命”，而是“工具”。这意味着，客户开始追问ROI（投入产出比），不再买账“AI能改变世界”的叙事。智谱在2024年开始裁撤部分研究型岗位，转而强化商务交付、行业解决方案团队。从算法论文到行业白皮书，从科研汇报到销售话术，它的内部语言体系正在重写。过去讲“模型精度”，现在讲“交付周期”；过去谈“参数规模”，现在谈“客户复购”。这种转变，标志着智谱从“清华的AI公司”，真正迈向“市场的AI服务商”。

智谱的“工业化”：让模型像机器一样稳定产出

过去，智谱的产品更新节奏像科研论文：每一次版本迭代都以“突破”为目标；但商业世界要的是“复用”——能大规模复制、低风险部署、可预测收益。

2024年底，智谱提出“MaaS（Model-as-a-Service）”战略：不再靠卖模型本身，而是卖模型的能力——API调用、行业微调、数据私有化服务。

这本质上，是从卖产品转向卖生产力。在能源、教育、金融等领域，智谱推出垂直模型方案，通过行业特化的Prompt优化和私有知识库接入，让客户的使用体验更“实用化”。这让它的模型不再只是科研样本，而是一种“交付件”。

这一转型带来两个好处：

降低单客户履约风险；
拉长客户生命周期价值（LTV）。

但问题也很现实：中国的大模型市场尚未形成足够的付费意愿。许多企业愿意试用，却不愿意签单；愿意签单的，又希望智谱“先定制、后付费”。于是，智谱陷入一个典型的AI创业者困境——要么继续讲故事，要么先垫账。

从“清华气质”到“商学院气质”

智谱内部有一个形象的说法：“我们正在从研究所变成销售所”。这句话虽带点自嘲，却也准确反映出公司的状态。为了适应商业节奏，智谱开始组建以行业为中心的事业部：教育、政务、能源、制造——每一个赛道都设有专门的团队。他们的核心任务，不再是写论文，而是写SOW（Statement of Work）。智谱的商务团队数量在一年内翻倍增长，同时引入了多位来自互联网与咨询行业的高管——这些人懂P&L，懂定价，懂交付。“让模型交付像ERP系统一样稳定”，成为智谱在2025年的内部口号。这是一次“去理想化”的蜕变。智谱不再是那个追逐技术极限的理想主义公司，它正在学会“让算法有成本意识”，让AI在合同里落地。

商业模式的两难：To B的确定性与To G的依赖性

智谱的商业化转型路径看似明晰——以MaaS为核心，聚焦To B。但在现实中，它的收入构成依然偏向To G（政府项目）和国企客户。这些客户信任智谱的清华背景，却也让它的商业节奏更“项目化”而非“规模化”。相比之下，OpenAI的To B逻辑是基于API自助调用，形成指数级复用；而智谱的To B逻辑，是基于定制化项目，形成线性增长。二者的商业效率差距，是根本性结构问题。

智谱也意识到了这一点。2025年初，它尝试推出面向中小企业的轻量级API平台，试图从“项目制”走向“订阅制”。但这条路短期内依旧困难：市场教育成本高，生态合作链条短。这意味着——智谱的“工业化转型”仍未完成，它刚刚走出实验室，但距离可规模复制的商业飞轮，还有很长的坡要爬。智谱正在经历每一家AI公司的“青春期焦虑”——技术仍领先，市场未成型，资本开始算账。它的故事不再是“AI能做什么”，而是“AI能赚多少钱”。在这一阶段，它既要保持清华式的理性，又要拥有企业家的决断。这并非矛盾，而是一种成长——毕竟，在大浪褪去的时代，能活下来的，从来不是最聪明的模型，而是最务实的公司。

03 资本逻辑的拐点：谁在押注智谱的未来

资本从不信仰科技本身，它信仰的，是“科技能兑现的现金流”。当智谱AI递交上市申请的那一刻，意味着这家清华出身的技术公司，正式从“科研圈”走进“账本世界”。它要面对的，不再是同行的论文，而是投资者的耐心。上市前夕的智谱，既是“AI六小龙”里第一个冲刺IPO的，也是最早暴露出成长焦虑的。因为在资本的逻辑里，“先上岸，再谈远方”，是一切估值的底线。

谁在给智谱输血？

智谱成立五年，融资六轮，背后站着一长串资本名单：

从启明创投、中科院创投，到红杉中国、高瓴创投、创新工场，再到国调基金、国开金融等政策性资金。这一结构很能说明问题：智谱是学术系+政策系+市场系的混合体。

这三股力量各有诉求：

学术派希望智谱成为中国AI的技术灯塔；
政策派希望它成为自主可控的国产模型代表；
市场派希望它尽快商业变现，形成正向现金流。

智谱的存在，本身就承载着三重“理想任务”。但这也意味着，它要同时对三类投资者负责，而这三者的逻辑，天然不一致。在理想与利润的夹缝中，智谱既要“有情怀”，又要“算账”。这正是它上市的真正动因——不是光荣，而是必要。

资本正在重估大模型：从故事到算术

2023年是大模型融资狂飙的一年，2024年则是“估值坍塌”的一年。智谱在上一轮融资中估值约为250亿元人民币，而上市时市场预计其估值可能下调至100亿至200亿之间。背后的逻辑很简单：AI的资本故事正在从“叙事红利”回归“经营逻辑”。在资本眼中，大模型公司的价值已不再由“参数量”和“性能”决定，而是由“营收结构”和“现金流质量”决定。

换句话说，投资者不再问“智谱的模型有多强”，而是问“智谱的客户有多稳”。截至2024年末，智谱AI的营收主要来自政府项目与部分头部央企试点，商业客户的贡献仍不足总营收的三分之一。这意味着它的盈利结构依然脆弱——一旦政策采购放缓，现金流会立刻紧张。资本的重估，正在逼迫智谱从“科研周期”转向“财务周期”。在财务周期里，算法是成本，客户是资产，而故事，只是流动性的一部分。

为何“上岸”成了唯一选项

在AI行业，上市往往被视为企业的“成人礼”；但对智谱而言，更像是一种“避险策略”。2024年下半年，中国AI市场融资骤冷，创业公司间的“比融资能力”转向“比现金耐力”。

智谱的模型训练成本高企，每训练一次GLM-4.5，都要消耗数千万至上亿元的算力资源。没有稳定资金支持，模型优化与产品更新都会中断。

IPO带来的不仅是资金，更是信誉的再融资机制：

上市公司可以通过股权激励留人，通过二级市场扩融资，通过国资与机构投资延长生命线。对于智谱而言，“上岸”不是对过去的总结，而是为未来续命的工具。它清楚：

若不上岸，可能被资金链拖死；
若能上市，即便短期盈利承压，也能赢得时间。

智谱需要的，正是时间换空间——上市，就是买时间的合法方式。

从红海到长坡：资本押注的方向正在变

资本市场的敏锐嗅觉，正在重新定义AI的投资逻辑。2023年的逻辑是：投模型。2024年的逻辑变成：投生态。

这意味着，像智谱这样的“单体模型公司”，如果不能快速向下游延展（行业应用、生态合作），就会被认为“天花板太低”。

从这个角度看，智谱上市的真正意义，不是融资本身，而是确立“生态平台”的资本身份——它不再只是一个模型公司，而是要成为大模型生态的核心节点。

资本市场关注的，不是它今天的利润，而是它能否像微软—OpenAI那样，通过生态协同形成复利。智谱的挑战也由此升级：

它必须证明自己能成为中国的“AI底座”之一；
同时，还得让资本相信，这个底座能持续赚钱。

资本的耐心有多长？

在二级市场，资本的耐心往往以“季度”为单位。而在AI领域，一个真正的模型产品可能要三到五年才能成熟。这之间的时间错位，是所有AI公司的宿命。智谱要说服资本，不只是靠“未来有多大”，而是要证明“现在没问题”。

这意味着财务报表的透明度、现金流的自我造血能力、客户结构的健康度，都将决定它在资本市场的生死。

可以预见的是，上市后的智谱将不再有“科研式浪漫”。它必须学会面对资本市场的冷静审问：

你一年能赚多少钱？
你明年能多赚多少？
你三年后，还能活着吗？

资本的注视像一面镜子，折射出的，不只是企业的未来，更是一个时代的真相——AI的黄金时代，从来不是属于“做梦的人”，而是属于能在梦醒后继续干活的人。智谱的IPO，是中国AI行业的一个信号。它代表着一个新阶段的开始——资本与技术的关系，正在从“激情共振”变为“理性共谋”。技术不再是护城河本身，而是护城河的“施工许可证”。而智谱，正是第一个拿着许可证走向市场的人。

04 上岸之后：浪更大了

在资本市场，“上岸”往往被视作安全的象征。但对智谱而言，登陆港交所只是进入更深的水域。过去五年，它的竞争对手是科研院所和创业公司；未来五年，它的对手是百度、阿里、字节、腾讯——都是能“边亏边投十年”的超级玩家。智谱AI能否在这样的巨浪里站稳，不取决于技术是否够强，而在于：它能否建立起属于自己的增长结构。

上岸不等于安全

IPO只是一个财务事件，不是商业拐点。资本市场愿意给智谱一个故事窗口，但不会无限期等待。上市之后，智谱要面对三道新的考题：

利润表的透明化
在私募阶段，企业可以强调研发投入、长期价值；在上市之后，一切都要写进季度报表。营收的季节性波动、客户集中度、政策依赖度，都会成为分析师的放大镜。
资本舆论的公开化
过去的智谱只需要对投资人负责，现在它要对所有股民负责。每一个延迟交付、裁员传闻、产品争议，都会成为舆论议题。
竞争格局的公开化
上市意味着数据披露，意味着竞争对手可以清楚看到它的营收结构与成本模型。在AI领域，这几乎等于“把底牌摊在桌面上”。

智谱上岸后，面对的不是风平浪静的港湾，而是一片透明的深海。

被“平台巨头”围猎

智谱的另一个现实挑战，是生态位的夹击。百度文心、阿里通义、字节豆包、腾讯混元，这四家大模型公司几乎垄断了90%的应用流量与商业入口。

在巨头的视角中，智谱并不是威胁，而是一种“补充”——当它拥有算法突破时，巨头选择投资或合作；当它推进商业化时，巨头推出自有替代品。

在这样的格局中，智谱的角色有点尴尬：

它的技术够强，可以被引用；
它的体量太小，无法形成话语权。

对智谱而言，要想在生态中存活，就必须在巨头体系中找到非对称空间。

也就是说，不能和巨头抢流量，而要提供巨头无法快速复制的能力——如“政企安全可信模型”、“特定行业知识工程”、“开源模型生态”。这三个方向，是智谱可能的破局点。

从“清华算法”到“中国工程”

智谱在清华的学术光环，既是荣耀，也是一种心理负担。清华体系培养的是“解最难的题”，但企业生存的关键是“解对的题”。AI行业从“科研驱动”走向“工程驱动”，技术壁垒开始让位于落地速度、场景理解与系统整合能力。

2025年之后的竞争，不再是模型比拼参数，而是：

谁的模型更好融入企业系统？
谁能解决客户交付痛点？
谁能在不牺牲隐私的前提下让AI高效可用？

这正是智谱必须“去学术化”的转折点。它要学会像华为那样，把科研精神转化为工程执行力。这并不是背叛初心，而是让初心可持续。

智谱的护城河：算法之外的信任

大模型的竞争，本质是信任的竞争。在算法趋同、算力可租、框架开源的背景下，客户选择智谱，不一定因为性能，而是因为它“可控、可信、可交付”。清华背景、国资股东、科研认证、国产化技术栈——这些标签，在民营企业眼中或许平平，但在央国企、政府系统中，都是稀缺资产。智谱的“信任护城河”，正在替代“技术护城河”。这是一个典型的中国式竞争优势——技术上追赶OpenAI，制度上占据确定性。这条护城河或许看不见，但比算法稳定得多。

“小公司命题”：走出孤岛，构建生态

智谱要想在未来五年活下来，必须从“一个公司”变成“一个生态”。它可以向下延展，深耕行业垂直模型，也可以向上延展，强化开发者生态、教育合作，甚至横向与其他AI创业公司、科研机构联动。

生态，可能是唯一的自保之道。否则，在这个行业，哪怕技术再强，也只是孤岛。智谱已经在尝试构建“国产大模型开源联盟”与“行业安全标准委员会”，这其实是一种巧妙的布局：

在与巨头的竞争中，通过“标准”来获得主导权。当一个公司能定义规则时，它的地位就不再由市值决定。上市，只是智谱走出清华象牙塔的第一步。更大的浪，来自资本的期望、生态的博弈与行业的淘汰率。这场浪潮不会对谁温柔。

但智谱的独特之处在于：它没有被泡沫催熟，也没有被流量绑架。在一个充满喧嚣的AI时代，它依然在坚持“慢变量”——稳健、信任、工程化。或许这并不性感，但足够真实。毕竟，在大浪淘沙的时代，活下去，本身就是最大的胜利。

05 对抗洗牌的浪是中国大模型的集体命运

智谱AI不是孤例。整个中国大模型行业，正处在一个从“叙事泡沫”滑向“产业拐点”的冷却期。这并不是失败，而是成熟的前兆。过去两年，中国的大模型公司经历了史无前例的融资高潮：百川、月之暗面、智谱、MiniMax、零一万物、商汤日日新——被称为“AI六小龙”，几乎包揽了中国最聪明的一批人和最多的算力资源。但到了2025年，热度冷却，融资收缩，裁员频发。从表象看是“退潮”，从结构看却是“筛选”。因为真正的浪，不是增长的浪，而是洗牌的浪。

从叙事到结构：幻觉破裂的节点

OpenAI的成功给了方向，也制造了幻觉。幻觉在于——所有人都以为，只要有模型，就有未来。

2023年的中国AI创业者几乎都在讲同一个故事：“我们能做出中国版的GPT。”

但到了2025年，故事的后半句变成了：“我们需要找到能赚钱的客户。”

模型是起点，不是护城河。OpenAI的价值，不在GPT本身，而在GPT之后形成的生态结构：ChatGPT带来用户入口，API带来B端流量，Copilot嵌入应用场景，GPT Store形成开发者社区——这是一个完整的复利系统。而中国的大模型公司，大多数仍停留在“性能比较”和“客户定制”的浅层阶段。它们在卷算法，却很少卷生态。在卷参数，却忽略了飞轮。幻觉的破裂，是行业回归理性的标志。技术的想象力，终将让位于商业的自洽性。

“卷性能”的尽头，是“卷生态”

在2023年的AI大会上，“模型有多少参数”“训练花了多少钱”是创业公司最常挂在嘴边的亮点；到了2025年，投资人开始反问：“你有多少客户？复购率是多少？你的模型在谁的系统里跑？”这就是从“性能竞争”到“生态竞争”的拐点。

OpenAI构建的，是一种多层复利结构：

产品层：ChatGPT直接服务用户；
平台层：API接入企业客户；
生态层：开发者通过GPT Store创造二级增长；
品牌层：认知壁垒反过来强化数据与客户流入。

中国公司在这四层中，多数仍停在“产品层”或“定制层”。智谱在努力突破：

它的CoCo平台尝试构建应用生态；
MaaS接口探索模型即服务的标准化供给；
教育与金融合作场景，是打通垂直行业的试验田。

但这仍是早期。要形成像OpenAI那样的复利循环，需要的不只是技术，更是时间、资本与组织能力。

中国AI行业的问题不在“创新不足”，而在“生态复利不足”。性能的天花板逼近，而生态的护城河尚未挖深。

技术浪与产业浪的错位

AI行业的另一个结构性问题，是技术浪与产业浪的错位。技术创新的周期是18个月，资本的窗口期是12个月，而产业商业化的周期，至少需要5年。

这意味着：资本总是比技术更急，技术又比市场更快。智谱的IPO就是一个典型样本。它的技术仍在迭代，市场仍在验证，但资本窗口已经开始收缩。“先上市，再成长”，成为一种被动选择。这并非智谱独有，而是整个行业的宿命。当大模型的算力成本高企、产品交付周期漫长、政策红利消退，所有玩家都必须面对一个现实问题：商业模型的现金流能否承接住技术模型的成本？这是AI行业2025年最核心的矛盾。也是从“叙事经济”到“效率经济”的转折点。