After becoming the first stock of large models, the chairman of KNOWLEDGE ATLAS speaks for the first time: discussing 2513, "burning money and generating blood"

1 月 8 日，智谱在香港挂牌交易，股票代码后四位是 “2513”，谐音是 “AI 我一生”。

智谱首日开盘涨幅 3.27%，报 120 港元/股，市值 528 亿港元。在智谱本次 IPO 发行中，香港公开发售获 1159.46 倍认购，国际发售获 15.28 倍认购。以每股 116.20 港元的发行价计算，智谱本次 IPO 募资总额超 43 亿港元（“绿鞋” 前）。

智谱正式成立于 2019 年，但是它的故事可以追溯到 2006 年。那年，清华大学 KEG（知识工程实验室）发布了一款名为 AMiner 的科研情报挖掘平台，用人工智能挖掘科学发展的客观规律。这个系统覆盖 220 个国家和地区，累计访问量超过 1000 万次，成为全球科研人员的重要工具。

这套系统最终在 2019 年走出实验室，成为智谱 AI 的技术基因。

在 2026 年的开年，智谱的故事迎来高光时刻。

承载着这些技术基因的理工男，用一串数字，承诺 “终一生成就 AGI 梦想”，顶着 “全球大模型第一股” 的光环，等待着资本市场的现实检验。

但这注定并非一场轻松的加冕礼。

从发布招股书的那一刻起，全世界第一次获得了可以透明化、全方位审视一家大模型企业的商业模式的机会。

在高昂的算力成本压力下，Token 的边际成本能不能实现互联网式的规模效应？基座大模型公司卖的到底是具备稀缺性的 “智力”，还是变相的 “算力转售”？AI 时代的 MaaS（模型即服务）会不会陷入 SaaS（软件即服务）曾经遇到的增长困境？巨大的研发投入和当下巨额的亏损，何时才能转化为正向的商业收益？

除了商业意义，智谱的身上在某种程度上也承载了中国 AI 产业的梦想，被笑称为 “全球 AI 竞赛中的 ‘中国队长’”。智谱 AI 曾经在模型发布节奏上紧咬 OpenAI，在模型的矩阵上，也对标 OpenAI 的布局。OpenAI 曾在名为《Chinese Progress at the Front》的报告中明确指出，智谱在多个维度取得了显著进展，并将智谱列为主权 AI 竞争下的核心对手。

上市是一个重要的里程碑，“不管智谱融了多少钱，拿了多少收益，其实都是通往 AGI 道路上的盘缠。” 智谱管理层在对外交流的时候，说过的这句话曾经给行业留下很深的印象。

“全球大模型第一股” 称号加身，智谱的的基石投资阵容也十分豪华，包含北京核心国资、头部保险资金、大型公募基金、明星私募基金和产业投资人。JSC International Investment Fund SPC、JinYi Capital Multi-Strategy Fund SPC、Perseverance Asset Management 等 11 家基石投资者合计认购 29.8 亿港元。

2026 年的开年，高光和压力之下的智谱，也正站在大模型从 “技术可用” 向 “场景好用” 转化的关键临界点，在正式敲钟之前，智谱董事长刘德兵首次深度讲述了智谱如何在未来构建一个可验证、可持续的商业故事。

01 AGI 长跑，已经到了 L3

Q：智谱的代码挺有意思的是 2513 ，谐音是 “AI 我一生”？

刘德兵：希望是智谱送给所有 AGI 信仰者的一个彩蛋，在 L1 到 L5 的漫长征途中，还是需要这种浪漫主义的信念的。同时，也想告诉世界，我们是长跑的选手，会把一生都投入到 “让机器像人一样思考，用可信赖的 AI 让人类更美好” 的这个事业中来。

Q：从智谱的定义来看，现在 AGI 到哪个阶段了？

刘德兵：我们目前正处于 L3（第三级）阶段。这一阶段的核心特征是智能体（Agent）与自主学习能力的初步显现。AI 不仅在多个领域实现了 “可用”，而且正变得越来越 “好用”。

虽然距离完全实现像人类一样思考的 AGI 目标仍有一段距离，但我们正处在这一关键的跃迁过程中。

Q：智谱已经成为 “全球大模型第一股”，未来在这次大考中取得优异成绩，背后最关键的衡量标尺有哪些？

刘德兵：IPO 这件事，我们觉得最重要的是对 “技术逻辑能否跑通商业逻辑” 的实战检验。我们内部复盘时，主要看这三个维度的表现：

第一，看收入结构和增长质量。 2024 到 2025 年，智谱的复合增长率达到了 130%。这背后其实是三条线在同时发力：云端 MaaS、订阅服务，以及企业本地化部署的需求都在同步释放。

第二，看底层技术到底在什么位置。 拿测评数据来说，在 Artificial Analysis 的榜单里，GLM-4.7 拿到了 68 分，目前是国产模型和开源模型里的第一，全球排在第六。

第三，看生态的实际渗透率。 2025 年我们加大了开源力度，特别是像 AutoGLM 这种核心能力的开放。目前智谱开源系列在全球的累计下载量已经超过了 6000 万次。这个数据对我们来说，意味着模型已经真正进入了开发者的工作流里。

未来也会持续观测这几个指标。

Q：行业有个半开玩笑的话，大模型的 Benchmark 已经被 “刷废了”，除了 “刷榜”，您觉得还有什么能看出技术的含金量？

刘德兵：但是 Benchmark 还是具有参考意义，一个好的基础模型，Benchmark 肯定不会差。但是我们还会考虑更多综合标准。模型在实际应用中的表现，以及能否长期处于全球开发者的第一线被选择、被验证，这个更重要。

Q：国际开发者对智谱的模型是怎样的评价呢？

刘德兵：反馈还挺正向的。像代码应用 Windsurf，云平台 Vercel，等都接入了智谱的 GLM 模型 。 在全球大模型调用的排行榜 OpenRouter 上，国内模型里智谱的付费调用量是排第一的 。GLM Coding Plan 才上线两个月，全球就有超过 15 万开发者在付钱用，一年算下来收入（ARR）已经过亿了 。

Q：这是因为性价比，还是技术含金量？

刘德兵：我觉得是综合考虑，首先技术肯定不能差，起码要达到一线的水平，然后大家会考虑成本。对于开发者，类似于大模型领域的 “票友”，他们更看重模型能力，但是如果商用，更考虑性价比。

智谱的价格还是很有优势的，比如和 Claude 比较，API 调用价格差不多只有它的七分之一。

Q：在开源社区中，发布新模型之后，获得的是自来水流量吗？还是有体系化的主动运营？

刘德兵：更多的还是自来水，我们不会在运营上投入太多的资源。

Q：智谱曾经在模型矩阵上全面对标 OpenAI，当时基本上是紧咬其节奏发布新模型。未来，智谱对于中国市场的差异化路径是如何考虑的？

刘德兵：这是一个非常关键的问题。在早期阶段，我们确实会全面对标 OpenAI，因为目前 AGI 技术路线上，大模型仍是最前沿的范式，而 OpenAI 在这个范式中走在最前面。

但未来，我们不会在全球化与中国市场差异化之间做单选题。

中国拥有全球最复杂、最密集的真实应用场景，这决定了我们在模型安全、低幻觉率及行业适配能力方面，天然会形成不同于海外公司的技术取向。这种在复杂场景中反复打磨出来的通用能力，可以构成我们的独特优势。

另一方面，大模型企业从一开始就必须具备全球视野。AGI 的本质是通用能力，基础模型不可能只为单一市场而存在。 目前我们能以显著低于同级别闭源模型的价格，提供接近国际一线水平的代码生成（Coding）能力，在成本、效率和工程能力上已经具备国际竞争力。

在出海方面，主要是发起并主导了 “自主大模型国际共建联盟”，与东盟及 “一带一路” 沿线多个国家合作，共同建设可控的国家级 AI 基础设施。帮助友好国家打造属于自己的 “数字主权大模型”，目前已在多个国家落地。

Q：如何理解 “数字主权大模型”？

刘德兵：核心逻辑与我国发起的全球 AI 合作倡议一致：强调尊重各国的主权及文化价值观，在此基础上推动 AI 普惠全球，让全人类共享科技革命的红利。

在这一原则下，不仅是输出模型，而是推动涵盖模型、算力、数据以及应用在内的全方位解决方案，与友好国家开展深度合作。

Q：出海区域也有选择是吗？

刘德兵：面向全球，现在会优先考虑东盟、一带一路这样的合作比较紧密的国家，后续会全球推广。

Q：我们和世界顶尖模型之间的差距是不是已经缩小？

刘德兵：最开始我们就说了，AGI 的实现是一场持久的长跑，这个领域仍存在大量技术空白。但我们会发现一个新规律：新模型层出不穷，迭代速度极快。每当一个领先模型问世，它往往只能保持短时间的优势，很快就会有新的模型实现赶超。

目前主流 AI 公司之间的技术水平确实存在差异，但完全没有出现那种 “甩开巨大身位、让人完全无法追赶” 的代差 。

在这个过程中，中国大模型企业表现出色，目前已对标国际主流模型，在技术水平上并没有巨大的差距，始终紧跟世界前沿。

当然，我们也感受到了压力，特别是在算力、数据资源以及资金投入规模上，国外模型拥有更优越的基础条件。但我们的优势也很明显，中国拥有更丰富的应用场景。

Q：这种代差的缩小，是不是也从侧面证明预训练模型的技术迭代曲线已经放缓？预训练的巨大投入，是否还有性价比？

刘德兵：这件事其实没有事实依据，我们看到预训练依然能带来显著的性能提升，近期各头部公司持续发布的旗舰模型也印证了这一点。

不过，现在与 2023 年那种 “百模大战” 式的爆发期不同，市场正在进入一个积累与分化的阶段。擅长底层的公司会继续深耕预训练，而擅长应用的则转向应用层，这种分化是合理的。

但是我们肯定会坚定地地持续投入预训练。预训练基座模型决定了智能水平的上限，长期投入的收益是明确的。同时，我们确实也在提升推理侧 Scaling（推理侧扩展）的优先级，模型也需要更强的 “在线推理” 和 “慢思考” 能力，从而在无监督任务或复杂环境中找到最优解。

Q： 您之前多次提到 “模型自调节参数”，您认为这属于一个遥远的愿景，还是在近期（比如 2026 年）就有望看到初步的实现？

刘德兵：“自调节参数” 是模型演进中至关重要的一步，甚至可以被视为 L4 级智能的核心标志。目前，很多场景的深度应用仍需要大模型公司的技术人员参与调优，才能达到理想效果。 一旦模型具备了自调节参数的能力，用户就可以在实际使用中通过不断的交互和反馈，驱动模型自主迭代。

这种自我进化的能力将有可能引发应用的爆发式增长 。

但是现在还没有明确的时间点，但这是智谱目前正在全力以赴攻坚的核心技术之一。

02 MaaS 在 “卖智力”，不是 “卖算力”

Q：从商业模式来看，MaaS 被看作未来智谱重要的增长极吗？它的本质是卖算力还是卖智力？

刘德兵：肯定是，因为它是大模型商业化中边际成本最低，规模化效应最强的一个路径。

我认为 MaaS 本质还是卖智力，而不是算力。如果是卖算力的话，那就是以前的云基础架构的一个生意，它是一个重资产的回报逻辑。

MaaS 的核心价值，在于是客户付钱是为了获取模型对复杂逻辑的理解推理或决策能力。其实这个很好理解，我觉得就像电力或水一样。

算力更像是水电站等运营设备，而 AI 能力则是其中流动的 “水” 和 “电”。虽然两者紧密结合，但水和电本身是独立于基础设施之外的核心价值 。

这就是我们的核心思考逻辑：AI 能力必须通过 MaaS 这种形式输出到每一个终端，使它成为未来智能社会最核心的生产要素，而不仅仅是单一的算力资源。

Q：但这里其实涉及两个挑战。在大模型时代，生成 Token 存在明确的算力 “硬成本”。这导致它的边际成本递减可能不会像传统互联网或软件行业那样显著。这种商业模式，盈利的难度会不会更大？

刘德兵：目前大模型最核心的成本确实是算力。 但从 MaaS（模型即服务）本身的逻辑来看，它的边际成本其实是很低的，因为它具备像 “水流” 一样的流动性，可以实现快速且无限的复制。

对于算力成本，随着国产算力能力的提升，算力芯片的效率不断提高，每生成 1 个 Token 所需的算力成本正在快速下降。

还有一个更终极的思路。当模型架构趋于稳定时，我们可以针对特定模型进行专有优化，也就是我们正在推进的 “芯算一体” 工作。 通过将模型与算力芯片进行深度绑定，有可能带来成十倍甚至上百倍的成本降低。

Q：您觉得 MaaS 会遇到 SaaS 时代同样的挑战吗？比如付费习惯差、难规模化等？

刘德兵：我认为这两个其实差异还是很大的的，核心在于，AI 时代 “AI” 会成为整个设备基础设施，它可能会改变很多事情。

当 AI 深度介入生产生活并演变为不可或缺的基础设施时，用户的付费意愿将发生根本性的转变。这种付费模式很有可能嵌入在具体的应用场景之中，由于业务流量巨大且深度融入日常流程，用户在付费时的 “体感” 并不会特别强烈，就好像现在你支付通话费。

过去互联网时，当时很多 SaaS 产品更多停留在应用层面的工具性合作。虽然这些工具对用户有用，但没有达到 “非买不可” 的刚需程度 。这导致大家更倾向于寻找免费替代品，厂商有时候不得已通过 “羊毛出在猪身上” 的模式来曲折获利。

Q：对于企业来讲，现在真的到了 “不 AI 就会落后” 的紧迫时刻了吗？

刘德兵：其实直接看当前 AI 应用的增长数据就能感受到这种热度。目前 AI 已经成为国家层面的核心战略，不只是 AI 企业，各行各业都在快速考虑引入 AI。很多企业在尝试后已经感受到了实实在在的红利。

前两天我关注到中国招投标网的数据，2025 年 AI 应用类的招标项目增加了 390% 左右，也就是 3.9 倍。从我们自己的 MaaS 来看，使用量也实现了 10 倍的增长 。

这是一种 “爆发式” 的态势。

互联网、金融和教育领域因为数字化基础好，跑得非常快 。像能源、制造等更偏传统的领域也开始发力，相关的应用正在变得越来越多，我们平时接触到的实际需求也非常广泛。

总的来说，我觉得在各个领域应用 AI 已经是一个板上钉钉的事情，而且这个进程只会越来越快。

Q：再往后发展，在没有数字化基础的行业，是不是智能化的进程会放慢？

刘德兵：向传统行业渗透确实需要一个过程，但 AI 有一个非常重要的特点，它和传统的软件服务完全不同。

以前做软件，你在一个行业、一个场景下开发了一套系统，想换到另一个场景，基本上得推倒重来。但 AI 最大的能力在于它的泛化性，当我们在某一个行业把模型跑通后，它的核心能力是可以跨行业迁移的。

所以，未来 AI 向传统行业渗透的速度会比大家预想的更快。我们甚至已经在考虑更长远的 “无人产业”，比如无人农业、深海探矿等。这些高风险或高重复性的领域，正是 AI 可以大显身手、发挥核心价值的地方。

Q：对成本比较敏感的小规模企业，付费意愿和付费的决策成本会不会更高？

刘德兵：其实对于成本敏感的企业，如果从从长远来讲，它更应该会关注 AI，因为 AI 最重要的一个特色就是让生产生活的效率提升，它和转换一句话说就是降成本。

深度改变行业要投入很多研发成本，但是如果你想在自己的场景中去用，很多时候用一些开源模型，简单的适配，就有可能产生很好的效果。

Q：那应该选择开源模型还是直接选择 MaaS 呢？

刘德兵：其实各有优势。选择开源模型，最大的好处在于可以进行自主迭代。如果某些开源模型与特定业务场景的适配度很高，企业可以直接部署并进行二次开发。

使用 MaaS 平台主要是能随时享受到技术高速迭代带来的红利 。每当发布新的旗舰模型，都会第一时间接入平台。有些过去在旧模型上表现不够理想的业务点，往往在切换到新模型后，效果会立竿见影地变好。

Q：目前产业级的本地化合作的收入占比更高，未来一年可以看到 MaaS 的爆发吗？

刘德兵：产业级的合作，本身能够带来比较大的现金流，和以前的软件定制不太一样的地方，刚才也提过 “通用性”。 我可以在一个场景在一个行业做通，就可以在这个行业里规模化去用，那它带来的增益是非常非常大的。

另外，我们也会觉得 AI 作为未来基础设施，它不只是像 C 端那种方式去服务我们的生活日常办公这样的一些需求。

它还有一个很大的作用是在于对我们的生产制造环节都能产生影响，那这个时候其实是需要进入到行业中的，我认为这也是很重要的一个方向。

目前而言，我们从商业收入上来讲，其实产业端的更大一些。MaaS 现在定价其实比较低，先把量涨上去，让更多的人来用，但是 MaaS 的增长是非常非常快的。

Q：未来收入的结构是否会变成 MaaS 占比更高？

刘德兵：从公司本身的发展原则上来讲，这两块目前是并重的。从趋势来讲，MaaS 的增长非常非常快，未来完全有可能到超过本地化，占比超过 50% 甚至更多。

Q：“本地化” 模式是未来走向规模化增长的必经之路，还是说它只是现阶段为了获取营收和现金流，而不得不走的一段 “弯路”？

刘德兵：我认为这两者都有。首先，本地化项目具有极高的实践价值，像金融、电力、政务等行业，对大模型的要求都是最高，不仅要在理解推理和稳定性上要过关，而且必须满足安全合规，然后以及可审计、低幻觉等一些硬性要求。

当这个模型能够在这些行业中被反复验证的时候，本质上就完成了对通用能力的一个高强度的训练，然后通过我们解决复杂的业务流的执行难题，也能够进一步的实现海量终端的普及，带动开发者的规模化的使用。

更重要的是，本地化与规模化之间存在一个正向的迭代循环：通过本地化应用的深度验证，我们收集到的真实用户反馈能有效驱动 MaaS（模型即服务）平台及底层基座模型的能力演进。

随着模型能力的增强，它对不同场景的适配和适应能力也会随之提升。

当这种迭代持续进行，原本需要重度定制的需求会逐渐变得标准化，研发难度和成本也会随之大大降低。所以，本地化并不是一段孤立的 “弯路”。

03 模型即产品，智力水平是衡量模型能力的核心指标

Q：以前大家常诟病通用大模型存在同质化问题，但经过这一年的发展，我们看到各家模型已经开始分化出辨识度很高的特点。从智谱的视角来看，未来大模型的产品力主要体现在哪些方面？

刘德兵：我们一直认为 “模型即产品”，目标是让通用模型能够适应各种复杂的应用场景 。在这一过程中，衡量模型能力提升的核心指标，始终是智力水平的进化 。

这种智力水平的提升，具体体现在模型对人类意图的深度理解、对复杂场景的精准感知，以及在执行任务时与环境进行高效交互的能力，这些构成了通用模型的核心竞争力 。

在这一核心能力之上，我们认为将通用模型与具体行业、或是具备规模化潜力的应用场景相结合，是极具价值的方向。通过在特定领域内进行必要的约束与针对性优化，可以让大模型在实际应用中达到更理想的效果 。

Q：您如何看待大模型公司巨额亏损的争议？

刘德兵：亏损主要原因在于巨额的研发投入和购买算力服务。智谱招股书里面也有详细的数据披露，拿 2025 年上半年来说，研发投入为 15.947 亿，报告期内累计研发投入约 44 亿。研发投入主要用于购买算力，在研发投入的占比为 71.8%。

但这也是行业常态，国内上市互联网厂商 2025 年上半年，资本开支也是维持同比高增趋势，比如，阿里未来三年计划投入超 3800 亿元用于云和 AI 硬件基础设施，总额超过去十年总和。

所以，算力成本是战略性亏损的主要原因之一。但是算力成本是持续下降的，这也是大势所趋。

Q：现在整个产业的 “AI 浓度” 到了什么程度？从中国市场看，未来的增长斜率是否依然陡峭？

刘德兵：我们认为产业界正处于从量变到质变的 “临界点”。如果只把大模型看作一次技术浪潮，它会有巅峰和低谷；但如果视其为一场技术革命，它将开辟前所未有的新空间与新市场。我们坚信 2026 年是 AGI 发展的关键一年，后续 AI 的发展会更快，产业中不仅 AI 浓度会持续增加，还会涌现出大量 AI 原生的新应用。

Q：大模型从 “可用” 到 “好用”，2026 年需要攻坚哪些技术难点？

刘德兵：推动模型从 L3 向 L4 进化，提升模型意图理解能力、自我调整能力，并实现在应用中的自我迭代。在基座模型迭代的同时，通过应用层直接做优化。例如增加知识库、设定业务逻辑等，让智能体在特定场景下率先 “好用” 起来。

Q：前一段时间，智谱的 Auto GLM 开源也引起了一波关注，从端侧来看，手机会是最先爆发的场景吗？未来是否会推出硬件设备？

刘德兵：AutoGLM 的开源确实为开发者提供了很大的自由度。他们现在可以在本地部署，完全掌握自己的数据和流程，也可以在云端即开即用。可以根据具体场景进行二次开发，深度融合到自有的产品中，做出真正能 “动手” 执行任务的助理。

端侧模型离客户和场景更近，是让 AI 具象化的重要方式。智谱也是国内最早布局端侧模型的大模型厂商之一。

我认为手机、智能汽车、智能家居和智能办公等场景，只要加上 Agent（智能体），都有爆发的可能。至于哪个领域最先爆发，这带有 “实验科学” 的色彩。这一轮 AI 的发展不能只靠理论推导，更看重实际执行。只要方向靠谱，投入足够的资源和人才去攻坚，就有可能实现突破；反之，如果投入不足或浅尝辄止，再好的机会也可能错过 。

我们的核心战略始终是定义并提升模型的智能上限 。目前的定位非常明确：我们主要作为底层的技术赋能者，通过与终端硬件厂商合作，将我们的模型能力注入其产品中，从而产生更好的应用效果。我们更倾向于赋能合作伙伴，而不是自己去做硬件终端。

Q：大模型领域人才稀缺，智谱最看重哪类人才？

刘德兵：我认同对大模型企业而言，真正决定上限的不是团队规模，而是人才密度。

智谱目前比较看重三类能力的结合：原创能力： 能在算法架构层面提出新范式。工程能力： 能将前沿模型稳定、高效地部署到真实复杂的场景中。技术信仰： 具备长期主义，愿意围绕 AGI 这一长远目标持续投入。

Q：会担心人才流失吗？全球大厂都在 “高价” 招徕人才。

刘德兵：顶尖人才的竞争一直存在，但智谱核心团队的稳定性非常高。我们一直觉得留住人才不能靠薪酬，智谱有很纯粹的氛围，团队的基因是清华知识工程实验室，一直有一种自由、求真、去层级化的探索氛围。

另外，肯定也有利益共享的机制，比如极具竞争力的薪酬和完善的长期股权激励计划。

还有为研发人员提供了充足的算力支持，以及从实验室到用户的完整反馈闭环。科学家在这里拥有极高的前沿技术探索权，能够接触到最全栈的技术体系。

Q：五年后，当大家提到智谱的代号 “2513” 时，您希望人们想到什么？

刘德兵：我们希望 “2513” 成为 AI 时代普惠智能的代名词。它不只是一个股票代码，更是一个能够自我进化、充满人文温度的 AGI 体系。我们希望五年后，复杂的智力不再是少数人的特权，而是每个人都触手可及的权利。

大家想到 2513，就能想到这是代表中国力量、迈向 AGI 未来的原创技术公司 。

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。