署名：崖峰
报告日期：2026年6月23日晨
研究标的：北京智谱华章科技股份有限公司（02513.HK）
报告等级：深度跟踪
免责声明
1. 本报告为独立行业研究分析成果，所有内容均基于公开市场信息、上市公司公告、第三方权威评测数据、行业公开访谈及海外公开实测内容整理撰写，不构成任何投资建议、交易指导或资产配置依据，报告内所有观点、数据、测算仅作学术与行业交流使用。
2. 本报告涉及的上市公司股价、市值、估值指标、经营数据均为阶段性时点数据，人工智能行业技术迭代速度远超传统产业，企业技术能力、市场竞争格局、商业化落地进度、政策监管环境均存在快速变动可能，历史业绩与行情走势不代表未来表现。
3. 通用大模型行业属于前沿高风险科技赛道，行业内企业普遍存在持续大额研发投入、资本开支高企、盈利周期不确定、技术路线迭代风险等特征。标的公司当前估值水平显著高于传统科技行业平均水平，估值定价高度依赖远期技术兑现与全球商业化空间，投资者需充分评估自身风险承受能力，审慎决策。
4. 本报告署名崖峰，未接受任何上市公司、投资机构、产业资本的付费委托，不存在关联利益与利益输送行为；报告内容不得直接作为证券买卖、股权投资、产业并购的唯一决策依据，任何投资行为请咨询持牌证券投资顾问或专业投资机构。
5. 报告中引用的海外第三方评测数据、开发者实测结果、OpenRouter平台调用数据、海外社交媒体公开观点均来自公开网络传播渠道，无法完全核验其底层测试环境、样本量、测试标准的绝对一致性，相关数据仅作行业横向对比参考，不构成绝对性能排名承诺。
6. 全球AI产业监管政策处于持续变动周期，美国AI出口管制、各国跨境数据安全规则、中国大模型备案与出海监管政策均存在调整可能，本报告对海外市场替代红利的判断仅基于2026年6月现行政策环境推演，不构成政策持续性承诺。
7. 报告内所有盈利预测、市值测算、行业空间估算均基于当前公开信息的合理假设，存在大量不确定性因素影响最终结果，测算结果仅为逻辑推演参考，不代表实际收益预期。
逆周期七年磨剑，全球AI格局裂变下的国产基座龙头
核心摘要
2026年6月12日，美国政府以国家安全为由对Anthropic实施出口管制，全面禁止外国国民访问其旗舰模型Fable 5与Mythos 5，直接打破全球通用大模型原有供给格局，海外市场出现顶级模型供给缺口，国产高性能基座迎来历史性全球替代窗口。
智谱华章作为中国唯一具备全栈自研预训练底层架构、全球顶级开源生态、企业级商业化闭环的独立通用大模型厂商，凭借七年三次逆周期战略决策构建起深厚技术壁垒：2020年放弃成熟知识图谱业务All in自研GLM架构，打破海外预训练技术垄断；2023年巨头合围C端赛道时差异化布局开源+企业私有化部署，避开无效烧钱内卷；2025-2026年全行业价格战中逆势累计涨价83%，完成高价值客户分层并验证技术溢价能力。
技术端，公司2026年6月17日发布的GLM-5.2旗舰模型（744B参数、1M上下文、MIT开源协议），在Code Arena全球百万用户盲测中位列全球可用模型第一，Arena WebDev榜单全球第二（仅次于被管制的Fable 5），综合性能介于Claude Opus 4.7与4.8之间，推理成本仅为海外顶级闭源模型的1/8，形成“性能对标全球第一梯队、成本具备碾压级优势”的核心竞争力，被行业定义为与OpenAI、Anthropic并列的全球大模型“新御三家”。
商业化端，公司形成“私有化部署+云端MaaS+开源生态”三轮驱动模式，2025年实现营收7.24亿元，同比增长131.9%；截至2026年3月，GLM Coding Plan付费开发者突破24.2万人，平台年度经常性收入（ARR）达17亿元，同比增长超60倍，海外调用量连续三个月环比翻倍。
资本市场端，公司2026年1月以116.2港元发行价登陆港交所，成为“全球大模型第一股”；受出口管制、GLM-5.2发布、科创板IPO加速三重催化，四个交易日股价最大涨幅达75%，上市五个月最高涨幅超17倍，市值峰值突破9336亿港元，超越网易、京东、小米、美团、百度，位列港股科技企业市值第二位梯队。同时公司11天完成科创板IPO辅导验收，拟募资150亿元加码基座研发与算力建设，搭建A+H双融资平台支撑长期AGI战略。
本报告认为，智谱华章的核心价值不在于短期盈利兑现，而在于其作为中国自主可控通用大模型的核心代表，在全球AI产业二元化格局形成过程中，具备成长为全球级AI基座厂商的长期可能性。但需高度警惕行业技术迭代风险、估值泡沫风险、持续大额亏损风险与地缘政策不确定性风险。
一、全球AI产业格局裂变：出口管制与技术脱钩下的行业重构
1.1 全球通用大模型产业发展周期复盘
通用人工智能（AGI）产业的商业化进程，本质是预训练架构从实验室走向产业落地的演进史，其发展可清晰划分为三个核心阶段，每一次技术迭代都重构一次行业竞争规则。
第一阶段为技术萌芽期（2017-2020年）。2017年Transformer架构的提出奠定了大模型的技术基础，此后BERT、GPT、T5三大主流预训练路线相继诞生，但全部由西方科研机构与企业主导。这一阶段行业核心共识是“预训练架构决定技术天花板”，全球所有后续大模型几乎均基于这三大底层架构二次开发，底层技术路径被美国完全垄断。此时国内AI产业仍聚焦计算机视觉、语音识别与知识图谱赛道，通用大模型尚未进入主流产业视野，仅少数高校实验室开展相关基础研究。
第二阶段为产业爆发期（2020-2025年）。2020年OpenAI发布GPT-3，首次证明千亿参数规模的大模型具备涌现能力，通用大模型的商业价值得到初步验证；2022年底ChatGPT的上线则彻底点燃全球产业热情，C端用户破亿速度刷新互联网历史纪录，大模型从技术概念正式走向大众消费与企业应用。这一阶段全球形成两大阵营：以OpenAI、Anthropic为代表的闭源旗舰厂商，主打顶级性能与API服务；以Meta Llama系列为代表的开源阵营，主打低成本本地化部署与生态构建。
国内市场在2023年进入“百模大战”阶段，全年公开亮相的大模型超过120款，互联网巨头、创业公司、科研院所纷纷入局，但绝大多数厂商均基于海外开源架构进行微调优化，真正具备底层预训练架构自研能力的企业不超过5家。2024-2025年，国内行业进入价格战出清阶段，头部厂商纷纷通过降价抢占市场份额，阿里云模型降价幅度超80%，字节豆包等产品接近免费供给，行业毛利率普遍下行，中小厂商逐步失去生存空间，市场集中度快速提升。
第三阶段为格局分化期（2026年起）。核心标志是美国AI出口管制政策升级，以及中国大模型在性能上逐步追平全球第一梯队。此前全球市场的统一逻辑是“优先选择美国顶级闭源模型”，而管制政策直接切断了海外开发者获取顶级模型的渠道，全球AI供给体系从“单一中心”向“中美二元格局”加速演进。中国大模型凭借性能快速追赶、成本显著更低、开源灵活度高等优势，开始大规模渗透新兴市场与海外企业客户，全球产业份额面临重新分配。
1.2 美国AI出口管制的深层影响与全球供给缺口
2026年6月12日美国政府对Anthropic实施的出口管制，并非孤立事件，而是美国AI技术封锁政策的延续与升级，其影响远不止单一企业的产品限制，而是重塑了全球大模型的供给逻辑。
从政策本身来看，此次管制直接禁止美国以外的外国国民访问Fable 5与Mythos 5两款旗舰模型，覆盖范围包括个人开发者、企业客户与海外研发机构，几乎切断了美国境外获取当前全球顶级代码与推理模型的合法渠道。在此之前，Anthropic的Claude系列与OpenAI的GPT系列是全球企业级客户与高端开发者的首选，二者合计占据全球高端闭源模型市场80%以上份额；Fable 5更是被公认为代码生成与网页开发领域的全球标杆，是全球互联网、软件与科技公司的核心生产工具。
从战略意图来看，此次管制是美国维持AI技术代差、遏制中国AI产业全球化的核心手段。一方面通过限制顶级模型流出，维持美国在AI高端应用领域的领先优势；另一方面试图压缩中国大模型的技术追赶参照，延缓国产模型的迭代速度。但从实际效果来看，管制反而为国产高性能大模型让出了广阔的海外市场空间，形成了“技术封锁倒逼国产替代全球化”的反向效应。
从市场需求端来看，管制直接造成全球三大刚性需求缺口：
第一，新兴市场开发者的顶级模型替代需求。印度、东南亚、拉美、非洲等地区的开发者与科技企业，此前高度依赖美国闭源模型开展业务，管制后无法获取同等性能的产品，急需性能接近、成本可控、无使用限制的替代方案。
第二，跨国企业离岸研发的合规部署需求。全球大量跨国企业将研发中心设在海外，数据跨境与模型使用合规性要求极高，美国管制政策导致原有技术方案存在合规风险，可本地化部署、不受美国政策约束的大模型成为刚需。
第三，开源生态的高端基座需求。此前全球开源生态的高端基座长期依赖Meta Llama系列，而Llama在代码、长文本等领域的能力与顶级闭源模型存在明显差距，具备顶级性能的开源国产模型，恰好填补了这一市场空白。
1.3 中国大模型行业竞争格局与分层逻辑
经历2023年的百模大战与2024-2025年的价格战后，国内大模型行业已经完成第一轮出清，形成了清晰的三层竞争格局，不同层级的企业拥有完全不同的生存逻辑与天花板。
第一层是互联网巨头阵营，代表企业为百度、字节跳动、阿里巴巴、华为。这类企业的核心优势是拥有自有流量入口、丰富的C端场景、完善的云基础设施与充足的算力储备，其大模型业务的核心定位是服务自身生态，提升原有业务效率，而非独立盈利。例如百度文心一言服务搜索与智能云，字节豆包服务内容生态与企业服务，阿里通义千问服务电商与阿里云，华为盘古服务政企与工业场景。巨头阵营的优势是资金与场景充足，劣势是大模型并非独立战略核心，技术迭代优先级服务于自有业务，底层架构自研动力不足，多数基于海外开源架构优化。
第二层是独立通用大模型创业厂商，代表为智谱华章、DeepSeek、MiniMax、月之暗面（Kimi）、百川智能、零一万物，即行业俗称的“AI六小龙”。这类企业的核心特征是all in大模型赛道，以独立第三方模型服务商为定位，技术研发为核心竞争力。其中又可细分为两类：一类走C端产品路线，通过长文本、多模态等功能吸引C端用户，依靠流量变现或企业服务盈利；另一类走基座+开源+企业服务路线，主打底层技术能力与私有化部署，智谱华章是后者的典型代表。
第三层是垂直行业应用厂商，这类企业不具备底层大模型研发能力，基于开源基座进行行业微调，聚焦金融、法律、医疗、教育等垂直赛道。这类企业数量最多，但技术壁垒最低，核心竞争力在于行业数据与客户资源，高度依赖上游基座厂商，盈利能力受上游模型价格直接影响，行业话语权最弱。
当前行业的核心共识是：通用大模型赛道最终只会剩下极少数玩家，底层基座的马太效应极强，头部企业将占据绝大多数市场份额。判断企业能否最终胜出的核心标准有三个：是否拥有自主可控的底层预训练架构、是否具备持续的千亿级参数模型迭代能力、是否建立了可持续的商业化闭环。从这三个标准来看，智谱华章是独立创业厂商中壁垒最完整的企业之一。
1.4 全球AI二元化格局的长期趋势
中美AI技术脱钩并非短期事件，而是长期地缘竞争下的必然趋势，全球AI产业最终形成“中美两大供给体系、各自覆盖地缘经济圈”的二元格局，已经成为产业界的普遍共识。
从技术端来看，美国在基础算法、高端算力芯片、顶级人才储备上仍具备领先优势，但中国在工程化落地、应用场景丰富度、中文与新兴市场适配、成本控制上逐步形成差异化优势。二者的技术差距正在快速缩小，从过去的代差级差距缩小到10%左右的性能差距，且追赶速度持续加快。
从市场端来看，北美、欧洲等传统发达市场将长期以美国大模型为主，但东南亚、中东、拉美、非洲等新兴市场，以及大量中立国家，将成为中美大模型竞争的核心战场。在这些市场，中国大模型的成本优势、开源灵活性、无政治绑定的属性，具备极强的竞争力。Zerohedge的评论精准点出了核心矛盾：当中美大模型10%的智能差距，对应着90%的成本优势时，过去五年涌向美国AI领域的超5万亿美元资本配置，存在严重的错配风险。
从产业价值来看，自主可控的通用大模型已经成为数字经济时代的“基础设施”，是国家数字安全与产业竞争力的核心支撑。对于中国而言，拥有自己的OpenAI、自己的顶级通用基座，是数字经济自主可控的核心前提，也是参与全球AI产业竞争的必要条件。这一战略定位决定了国产头部大模型企业将长期获得政策、资本、产业资源的倾斜支持。
二、公司发展历程：三次逆周期决策，七年铸就技术底座
智谱华章的成长史，是一部典型的硬核科技创业史。从清华科技园的一间实验室，到市值近万亿的全球AI龙头，七年时间里公司三次站在行业的十字路口，三次做出与主流共识相悖的选择，最终走出了一条属于自己的技术路线。每一次决策在当时都充满争议，但事后都被证明是构建长期壁垒的关键一步。
2.1 初创：清华实验室的技术基因与AGI初心
2019年，唐杰在清华科技园赛尔大厦注册成立北京智谱华章科技股份有限公司，核心团队全部来自清华大学计算机系知识工程实验室（KEG）。这一年，通用大模型尚未进入国内产业界视野，AI行业的热点仍是计算机视觉与知识图谱，“AGI（通用人工智能）”还是一个只存在于科幻与学术论文中的概念。
创始人唐杰是国内知识工程与自然语言处理领域的顶尖学者，在此之前他已经主导运营全球最大的学术科技情报平台AMiner十余年。AMiner积累了上亿条论文引用关系数据，覆盖全球数千万学者，是全球学术领域最核心的知识图谱平台之一。二十年深耕文本数据与知识关联，让唐杰团队对语义理解、知识结构化、文本生成有着远超行业的认知，也让他们比绝大多数人更早感知到：AI的研究范式正在发生根本性变革。
公司成立之初，CEO张鹏就明确提出：“智谱从成立第一天目标就是AGI。”这句话在2019年的行业环境下，几乎没人当真。当时国内AI公司的主流商业模式是做项目、做解决方案、卖软件，AGI听起来更像一个融资故事。但很少有人意识到，团队在知识图谱领域二十年的积累，本质上是在做“让机器理解人类知识”的事情，与大模型的核心目标一脉相承，只是技术范式即将发生跃迁。
成立初期的智谱，依靠知识图谱业务已经实现了稳定的营收，团队规模百人左右，在学术圈与企业服务领域拥有稳定的客户资源。按照正常的商业逻辑，公司应该沿着知识图谱的路线深耕，逐步扩大营收规模，成为垂直领域的头部企业。但2020年GPT-3的发布，彻底改变了公司的命运轨迹。
2.2 第一次战略转折：断臂求生，All in自研预训练架构
2020年夏天，OpenAI发布GPT-3，1750亿参数规模与涌现出来的通用能力，在全球AI圈投下了一颗重磅炸弹。智谱核心团队在第一时间深度研究了GPT-3的技术细节与能力表现，张鹏后来在采访中回忆：“我们看着那个结果，知道整个方向要变了。”
当时摆在智谱面前的有三条路：
第一条路，继续深耕知识图谱，做垂直赛道的隐形冠军，风险最低，现金流最稳定，但天花板有限，最终会被大模型降维打击。
第二条路，基于海外已有的GPT、BERT架构做微调与应用开发，跟进大模型浪潮，投入小、见效快，但永远没有底层技术话语权，本质是“套壳”，随时面临技术卡脖子。
第三条路，放弃已有的知识图谱积累，从零开始研发完全自主的预训练底层架构，all in通用大模型。这条路投入最大、风险最高，成功概率最低，但一旦做成，就能掌握底层技术自主权，打破西方的技术垄断。
智谱最终选择了第三条路，这在当时看来几乎是一个“自杀式”的决定。一家成立刚满一年、团队不过百人的创业公司，要挑战全球顶尖科技巨头垄断的底层预训练架构，还要放弃已经盈利的成熟业务，无论是行业人士还是投资人，大多都不看好。公司内部也经历了激烈的讨论，最终核心团队达成共识：“中国没有自己的预训练模型框架，路径被西方垄断。我们希望打破垄断。”
2020年底，GLM（General Language Model）预训练架构正式启动研发。这是国内首个完全自主研发的通用大模型预训练底层架构，没有照搬海外的Decoder-only或Encoder-only路线，而是采用了“双向注意力+自回归”的混合架构设计，兼顾了理解能力与生成能力，在中文处理、知识融合、长文本等场景具备天然优势。
研发过程的艰难远超预期。千亿参数模型的训练，不仅需要顶尖的算法能力，还需要大规模算力集群、海量高质量数据、成熟的工程化能力，任何一个环节出问题都会导致失败。团队在有限的算力条件下，反复优化训练框架、数据清洗流程与并行训练方案，经历了无数次训练失败与参数调整。
两年后的2022年8月，GLM-130B正式开源，参数规模1300亿，支持中英双语，成为亚洲首个入选斯坦福全球主流大模型评测的自研模型。一个被行业反复提及的细节是：GLM-130B的开源时间，比Meta的Llama 1早了整整半年。这意味着，在全球开源大模型赛道上，中国团队其实比Meta更早迈出了千亿参数模型开源的一步。
GLM-130B的开源，让智谱在全球开发者圈子里一战成名，也证明了中国团队有能力从零研发出世界级的通用大模型底层架构。更重要的是，它为智谱积累了完全自主的技术栈，从训练框架到推理优化，从数据处理到模型微调，全部实现了自主可控，为后续的快速迭代打下了坚实基础。
2.3 第二次战略抉择：巨头合围，放弃C端走差异化路线
2022年底ChatGPT爆火之后，中国大模型市场瞬间从一潭死水变成了一锅沸粥。2023年，“百模大战”正式打响，百度、阿里、字节、华为等互联网巨头带着资金、流量、场景全面入场，纷纷推出自己的C端大模型产品，“做中国的ChatGPT”成为全行业的口号。
当时的市场共识非常明确：大模型是巨头的游戏，创业公司没有流量、没有场景、没有算力，最终都会被巨头碾过去。C端流量入口是大模型的必争之地，谁先拿到海量C端用户，谁就能通过数据飞轮快速迭代模型，建立竞争优势。
在这样的行业狂热下，智谱却做出了第二个让人看不懂的决定：不做C端产品，不做“中国的ChatGPT”。张鹏在接受媒体专访时，直接以《我们不做中国的ChatGPT》作为标题，明确了公司的战略方向。他提出两个核心观点：“不把目标定为‘做中国的ChatGPT’”“认知到事情的本质，就能够避免做无所谓的消耗”。
现在回头看，这个决策背后有着非常清晰的商业逻辑：
第一，C端赛道是巨头的主场，创业公司没有胜算。C端产品需要海量流量入口、强大的运营能力、持续的烧钱能力，百度有搜索入口，字节有抖音生态，阿里有电商场景，创业公司从零开始做C端，不仅获客成本极高，而且很难形成留存，最终只会陷入无效烧钱的内卷。
第二，企业级市场与开源生态是创业公司的差异化机会。国内政企、金融、能源等行业对大模型有强烈需求，但核心诉求是数据安全、自主可控、本地化部署，巨头的大模型大多绑定自身云服务，无法满足深度定制与私有化需求，这正是独立厂商的机会。而开源生态则可以低成本触达全球开发者，构建长期技术护城河。
第三，公司的核心优势是底层技术能力，而非产品运营能力。智谱的团队出身高校实验室，核心能力是算法研发与模型优化，C端产品运营并非强项。聚焦自己最擅长的基座技术与企业服务，避开自己的短板，才是最优策略。
基于这一判断，智谱确立了“开源生态+企业级私有化部署”的双主线战略。一方面持续开源新一代模型，扩大全球开发者影响力；另一方面深耕企业级市场，为大型客户提供本地化部署与定制化服务。
2023年8月，国家网信办公布首批通过备案的大模型名单，智谱是其中唯一的独立创业公司，其余均为百度、字节、商汤等巨头或上市公司。这不仅是对智谱技术能力与合规能力的认可，也为其拓展政企客户扫清了合规障碍。此后，智谱的私有化部署业务进入快速增长期，金融、能源、政务、制造等领域的头部客户纷纷落地，成为公司收入的压舱石。
2.4 第三次逆向操作：全行业降价，逆势涨价83%完成客户分层
2024年到2025年，国内大模型行业进入惨烈的价格战阶段。为了抢占市场份额与调用量，头部厂商纷纷大幅降价，阿里云通义千问降价幅度超80%，百度文心一言多次下调API价格，字节豆包等产品甚至接近免费提供。
行业的底层逻辑很简单：先通过低价甚至免费抢占市场份额，做大用户规模，形成数据飞轮后再涨价收割。这是互联网行业屡试不爽的玩法，也符合大多数人的商业认知。价格战的结果是全行业毛利率持续下行，很多厂商每调用一次就亏一次，完全依靠融资烧钱维持。
2025年3月，智谱发布年报：全年营收7.24亿元，同比增长132%，增速亮眼；但净亏损达到47.18亿元，同比扩大59.5%，毛利率从56.3%跌到了41%。换算下来，公司每赚1元营收，就要烧掉6.5元，亏损压力巨大。当时市场普遍认为，智谱接下来会跟着行业降价，扩大调用量，用规模摊薄成本。
但智谱再一次做出了反常识的操作。2026年2月，在发布GLM-5的同时，公司宣布GLM Coding Plan涨价30%，并取消首购优惠；同年3月，GLM-5-Turbo再度涨价20%。两轮涨价下来，整体价格较GLM-4.7累计上涨约83%。
消息一出，行业哗然。全行业都在降价抢客户，智谱反而大幅涨价，当时网络上最热门的评论是四个字：“自断生路”。很多分析认为，涨价会导致大量客户流失，尤其是价格敏感型开发者，公司营收会受到严重冲击。
但最终的结果却打了所有质疑者的脸。截至2026年3月底，GLM Coding Plan付费开发者突破24.2万人，涨价之后，付费人数不仅没有下降，反而持续增长。看似违背商业常识的操作，背后有着深刻的行业逻辑，张鹏在采访中给出了清晰的解释：“现在这个阶段不是比谁便宜，是比谁的技术能持续领先——在曲线增长阶段保持技术创新领先，用创新速度创造市场空间，获得创新的技术溢价。”
本质上，这次涨价是一次精准的客户分层策略：
第一，筛选高价值客户，淘汰低价值羊毛党。会因为免费API而来的用户，从来不会产生持续付费价值，只会占用大量算力资源，拉低平台毛利率。真正有生产需求、靠模型提升效率的企业客户与专业开发者，核心关注的是模型效果、稳定性、响应速度，对几十百分比的价格变动并不敏感。
第二，传递技术领先信号，强化高端定位。在全行业降价的背景下逆势涨价，本身就是对自身技术能力的自信，向市场传递了“我们的产品值这个价”的信号，反而吸引了更多追求顶级效果的高端客户。
第三，提升毛利率，保障研发投入。涨价直接提升了单位调用的收入，改善了盈利结构，能够为后续的模型迭代提供更充足的资金，形成“技术领先→涨价→收入提升→更多研发投入→技术更领先”的正向循环，而不是陷入“降价→亏损→研发缩水→技术落后”的死亡循环。
三次逆周期决策，本质上都是“反内卷、重长期、守核心”的战略选择。没有随波逐流追逐行业热点，而是始终围绕“自主底层技术”这个核心，构建自己的能力边界与商业闭环。这是智谱能够从百模大战中脱颖而出，走到全球第一梯队的根本原因。
三、核心技术深度拆解：GLM架构与GLM-5.2的全球竞争力
技术是智谱华章的核心护城河，也是其所有商业价值的根基。与国内绝大多数基于海外开源架构二次开发的厂商不同，智谱拥有完全自主的GLM预训练底层架构，实现了从训练框架到模型算法再到推理优化的全栈自研，这也是其能够持续快速迭代、不受海外技术管制约束的核心前提。
3.1 GLM预训练架构：自主可控的底层技术底座
全球大模型的主流技术路线，长期被海外三大架构主导：BERT的Encoder-only架构，擅长语义理解但生成能力弱；GPT的Decoder-only架构，擅长文本生成但双向理解能力不足；T5的Encoder-Decoder架构，兼顾理解与生成但训练成本高、效率低。
GLM（General Language Model）架构是智谱团队完全自主研发的新一代预训练架构，创新性地采用了“自回归空白填充”的预训练目标，融合了双向注意力与自回归生成的优势，走出了一条不同于海外三大架构的第四条技术路线。
从技术原理来看，GLM架构的核心优势体现在三个方面：
第一，兼顾理解与生成能力，任务适配性更强。传统GPT架构只能从左到右单向生成，对文本的深层语义理解能力存在短板；BERT架构双向理解能力强，但无法做长文本生成。GLM通过空白填充的预训练方式，让模型同时具备双向语义理解能力与自回归生成能力，在文本摘要、问答、翻译、代码生成、长文档处理等各类任务上都有更均衡的表现，尤其适配中文语境下的复杂语义场景。
第二，长上下文能力原生优势突出。GLM架构在设计之初就考虑了长文本场景的优化，通过注意力机制优化、位置编码改进与显存工程优化，能够以更低的算力成本实现更长的上下文窗口。GLM-5.2原生支持1M上下文窗口，在同类参数规模模型中处于全球领先水平，且长上下文下的信息召回率与推理准确率保持稳定，不会出现很多模型“上下文拉长后性能骤降”的问题。
第三，训练与推理效率更高，成本优势显著。GLM架构针对硬件进行了深度适配优化，训练阶段的算力利用率更高，相同算力条件下训练速度更快；推理阶段的显存占用更低，单卡能够承载的并发量更高，单位Token的推理成本显著低于同级别海外模型。这也是GLM-5.2推理成本仅为Claude Opus 1/8的核心技术来源。
更重要的是，全栈自主的架构意味着智谱的技术迭代完全不受海外开源协议与出口管制的约束。国内很多厂商基于Llama架构二次开发，不仅底层技术路线被锁死，而且商用授权、模型迭代都受限于Meta的政策，一旦海外出台管制措施，直接面临技术断供风险。而GLM架构从根上是中国团队自主研发，拥有完整的知识产权，从底层保障了技术自主可控。
3.2 GLM-5.2旗舰模型：核心参数与能力边界
2026年6月17日发布的GLM-5.2，是智谱当前的旗舰基座模型，也是其技术积累的集大成之作，标志着国产大模型正式跻身全球第一梯队。该模型的核心参数与能力如下：
1. 参数规模与训练工程
GLM-5.2基座参数规模达到744B（7440亿），属于当前全球最大规模的开源大模型之一。模型训练采用了先进的混合专家（MoE）架构优化，在保证超大参数容量的同时，有效控制了推理激活参数量，平衡了性能与效率。
训练过程中，团队在数据清洗、课程学习、对齐算法上进行了大量创新，训练数据覆盖通用文本、代码、专业知识、多模态等多个领域，数据质量与多样性达到全球顶尖水平。同时，团队优化了大规模分布式训练框架，算力利用率较上一代提升40%以上，大幅降低了训练成本与周期。
2. 超长上下文能力
GLM-5.2原生支持1M（100万）Token的上下文窗口，相当于一次性处理约70万字的文本内容，能够完整承接整本书、整套代码库、全套合同文档的解析与推理。
为了实现1M上下文的稳定性能，团队研发了全新的长上下文注意力机制，解决了长序列下注意力计算复杂度高、信息遗忘、位置编码偏差等行业难题。实测显示，在1M上下文长度下，模型的关键信息召回率保持在95%以上，长文本推理、总结、问答能力没有明显衰减，处于全球领先水平。
3. 代码生成与全栈开发能力
代码能力是GLM-5.2最突出的优势赛道，也是其能够登顶Code Arena榜单的核心原因。模型在预训练阶段就引入了海量高质量代码数据，覆盖主流编程语言、前端后端全栈开发、框架组件、项目工程等全场景，并针对代码逻辑推理、调试修复、项目级生成进行了专项优化。
实测数据显示，GLM-5.2不仅能够完成单函数代码生成，还能够实现完整网页开发、小型项目全栈搭建、代码库理解与重构等复杂任务，代码可读性、逻辑正确性、工程规范度均达到全球顶级水平。对于软件研发团队而言，能够显著提升开发效率，降低研发成本。
4. 开源协议与商用灵活性
GLM-5.2采用MIT开源协议，是全球顶级性能大模型中商用协议最宽松的之一。MIT协议允许用户免费商用、修改、分发、二次开发，无需公开衍生代码，也无需额外申请商用授权。
相比之下，Meta Llama系列采用自定义商用协议，达到一定营收规模的企业需要单独申请授权，限制更多；而闭源模型则完全无法本地化部署与二次修改。宽松的开源协议，让GLM-5.2成为企业私有化部署、行业定制化开发的首选基座，尤其适合对数据安全与自主可控要求高的政企客户。
3.3 全球横向对标：性能与成本的双重优势
GLM-5.2发布后，多家第三方评测机构与开发者进行了全方位实测，其综合性能已经稳居全球第一梯队，部分赛道达到全球顶尖水平，同时成本优势极为显著。
全球主流大模型核心指标对比
模型名称 所属厂商 开源/闭源 核心参数 代码能力排名 综合推理水平 单位推理成本（相对值）
Fable 5 Anthropic 闭源 未公开 1（管制前） 全球顶级 100
GLM-5.2 智谱华章 开源 744B 1（可用模型） 介于Claude Opus 4.7-4.8之间 12.5
Claude Opus 4.8 Anthropic 闭源 未公开 3 全球顶级 100
GPT-4o OpenAI 闭源 未公开 4 全球顶级 85
Llama 3 400B Meta 开源 400B 6 中高端 30
文心一言4.0 百度 闭源 未公开 8 国内头部 40
从第三方榜单来看：
• Code Arena（全球百万用户盲测代码榜）：GLM-5.2位列所有可用模型第一名，超越GPT-4o与Claude Opus 4.8，仅在整体能力上略逊于被管制的Fable 5，成为全球代码能力最强的可访问模型。
• Arena WebDev（网页开发盲测榜）：GLM-5.2位列全球第二，仅次于Fable 5，在开源模型中稳居第一，生成的网页效果与交互体验达到专业工程师水平。
• 综合推理能力：行业普遍认为GLM-5.2的综合推理水平介于Claude Opus 4.7与4.8之间，在中文理解、长文本处理、知识问答等场景具备优势，在复杂逻辑推理、多模态能力上与海外顶级闭源模型仍有小幅差距。
从成本端来看，海外独立开发者Hassan的实测数据极具代表性：使用GLM-5.2与Claude Opus 4.8分别开发同款登录页面，GLM-5.2总消耗0.06美元，Claude Opus 4.8消耗0.49美元，前者成本仅为后者的约1/8，且最终生成的页面效果、代码质量没有肉眼可区分的差距。
成本优势来自三个层面：一是GLM架构本身的推理效率优化；二是国产算力芯片的适配与规模化应用降低了算力成本；三是开源模式没有品牌溢价，定价更贴近成本线。对于大规模使用模型的企业与开发者而言，8倍的成本差距足以彻底改变技术选型决策。
3.4 技术迭代节奏与长期研发路线
对于大模型企业而言，单次模型领先并不难，难的是持续保持迭代速度，始终紧跟全球第一梯队。智谱能够走到今天，核心在于其建立了稳定的技术迭代体系，模型更新速度持续加快。
从历史迭代节奏来看：
• 2022年8月，GLM-130B发布，完成千亿参数从0到1的突破；
• 2023年，GLM-2、GLM-3相继发布，迭代进入快车道；
• 2024年，GLM-4系列发布，性能追平海外主流中高端模型；
• 2026年2月，GLM-5发布，正式迈入全球第一梯队；
• 2026年6月，GLM-5.2发布，代码能力登顶全球可用模型榜首。
可以看到，模型的迭代周期正在持续缩短，性能提升速度不断加快，呈现出明显的加速效应。这背后是研发团队的成熟、训练工程的优化、数据积累的增多，以及算力投入的加大形成的正向飞轮。
关于未来的研发路线，公司核心团队在公开采访中透露了几个核心方向：
第一，持续缩小与全球顶级模型的综合性能差距，加快通用能力迭代，目标是在更短时间内追平Fable 5的综合水平。唐杰在回应马斯克的预判时，用“won't take that long（不用那么久）”表达了对迭代速度的信心。
第二，深化多模态能力布局，实现文本、图像、音频、视频的统一建模，打造通用多模态大模型，拓展更多应用场景。
第三，强化Agent智能体能力，让大模型从“工具”升级为“智能助理”，能够自主完成复杂任务，深度融入企业生产流程与个人工作流。
第四，持续优化推理效率与成本，进一步降低模型使用门槛，扩大应用覆盖范围，让高性能大模型实现普惠化。
四、商业模式拆解：三轮驱动的商业化闭环
技术能力最终要通过商业化兑现价值。智谱华章没有走互联网公司“免费引流、流量变现”的传统路线，而是构建了“私有化部署+云端MaaS服务+开源生态赋能”三轮驱动的商业模式，每一块业务都有清晰的付费逻辑与客户群体，形成了稳定现金流与高增长曲线互补的业务结构。
4.1 整体业务结构与收入特征
2025年公司总营收7.24亿元，同比增长131.9%，业务结构呈现出“私有化部署为压舱石，云端MaaS为增长引擎，开源生态为长期护城河”的特征。
从收入占比来看，2025年私有化部署业务收入约5.34亿元，占总营收的73.7%，是当前的核心收入来源；云端MaaS业务收入约1.90亿元，占比26.3%，但增速最快，同比增长292.6%；开源生态目前以免费授权为主，不直接产生大额收入，但为前两项业务持续输送客户与技术反馈，是重要的战略资产。
从客户结构来看，公司客户覆盖金融、能源、政务、制造、互联网、科研院所等多个领域，既有大型央国企与头部民营企业，也有海量中小开发者与创业公司。客户分布广泛，不存在单一客户依赖，抗风险能力较强。
与国内很多依赖政府项目与股东订单的大模型公司不同，智谱的收入增长更多来自市场竞争下的客户选择，尤其是付费开发者的自发增长，商业化的内生动力更强。
4.2 私有化部署业务：政企自主可控的核心受益标的
私有化本地部署是智谱的传统优势业务，也是收入与利润的压舱石。该业务主要面向大型企业、政府机构、金融机构等对数据安全有极高要求的客户，提供整套大模型本地化部署、定制化微调、专属运维的全流程服务。
核心需求逻辑
对于政企与大型企业而言，大模型的核心痛点不是价格，而是数据安全与自主可控。核心业务数据、客户信息、内部文档等敏感数据，绝对不能上传到公有云模型，必须在企业内部闭环使用。同时，企业需要基于自身业务数据对模型进行微调优化，打造专属的行业模型，这就要求基座模型支持本地化部署与二次开发。
客户与行业分布
智谱的私有化部署客户主要集中在四大领域：
1. 金融行业：包括银行、证券、保险、基金等头部机构，主要用于智能客服、投研分析、风控审核、合规审查、文档处理等场景。金融行业付费能力强、对技术要求高，是公司第一大客户行业。
2. 能源与工业：覆盖电力、石油、煤炭、高端制造等领域，用于生产调度、设备运维、工艺优化、知识库建设、安全生产等场景。这类客户项目规模大、续约率高，合作周期长。
3. 政务与公共服务：服务各级政府部门与事业单位，用于政务问答、公文处理、政策解读、民生服务等场景。随着数字政府建设推进，需求持续快速增长。
4. 科研与教育：与高校、科研院所、大型企业研发中心合作，用于科研辅助、文献分析、知识图谱构建等，是公司技术基因的延伸。
商业模式与竞争优势
私有化部署业务采用“项目制+年服务费”的模式，首次部署收取授权费与实施费，后续每年收取运维与升级服务费。单项目客单价从数百万到数千万不等，头部客户年服务费可达千万级。该业务毛利率相对较高，且客户粘性极强，一旦部署完成，后续替换成本极高，续约率超过90%。
智谱在该赛道的核心竞争优势有三点：
一是技术自主可控，GLM架构完全自研，无海外知识产权风险，符合信创与数据安全要求，能够满足最严格的合规审查。
二是性能领先，相比国内同类产品，GLM系列在长文本、知识推理、代码能力上优势明显，能够更好地满足企业复杂业务场景需求。
三是开源灵活，客户可以基于开源模型进行深度定制与二次开发，不受厂商绑定，这是闭源巨头模型无法比拟的优势。
4.3 云端MaaS业务：全球替代下的爆发增长曲线
云端MaaS（Model as a Service）业务，即通过API接口向客户提供模型调用服务，按Token计费，是当前公司增长最快的业务，也是未来成长空间最大的板块。
产品体系与定价
公司云端MaaS产品覆盖不同层级需求，形成了完整的产品矩阵：
• 旗舰系列：GLM-5、GLM-5.2、GLM-5-Turbo，主打顶级性能，面向高端企业客户与专业开发者，用于复杂推理、代码开发、长文本处理等场景，定价相对较高。
• 通用系列：GLM-4系列，主打高性价比，面向通用企业场景与中小开发者，平衡性能与成本。
• 专项系列：GLM Coding Plan（代码专项）、长文本专项、多模态专项等，针对特定场景优化，满足垂直需求。
2026年两轮涨价后，旗舰系列产品价格显著高于国内同行，但仍远低于海外顶级闭源模型，形成了“比国内产品性能高、比海外产品价格低”的错位竞争优势。
增长数据与客户结构
截至2026年3月底，GLM Coding Plan付费开发者突破24.2万人，涨价后付费用户规模不降反升，验证了产品的技术溢价能力。整个MaaS平台的注册开发者超过400万，覆盖全球218个国家和地区。
从增长速度来看，平台年度经常性收入（ARR）已达17亿元，同比增长超60倍，是公司增长最快的业务板块。尤其是2026年6月美国出口管制政策落地后，海外开发者注册量与调用量出现爆发式增长，连续三个月环比翻倍，海外收入占比持续提升。
客户结构上，既有大型互联网公司、软件企业的规模化调用，也有中小团队与个人开发者的零散付费。其中，专业开发者与科技企业是核心付费群体，付费意愿强、留存率高，是MaaS业务的核心价值客户。
海外市场替代红利
美国出口管制是MaaS业务的重大催化剂。在此之前，海外高端开发者普遍选择Anthropic与OpenAI的闭源API，管制之后，Fable 5与Mythos 5无法访问，Claude与GPT系列也存在政策风险，大量海外开发者开始寻找替代方案。
GLM-5.2凭借顶级的代码能力、极低的使用成本、宽松的使用限制，成为海外开发者的首选替代方案。尤其是印度、东南亚、拉美等新兴市场的科技公司与开发者，对成本高度敏感，GLM的性价比优势极具吸引力。
从OpenRouter等全球第三方模型路由平台的数据来看，2026年2月中国大模型总调用量首次超过美国，TOP5中占据4席，智谱GLM-5位列其中，且调用量增速持续领先。随着海外市场拓展的推进，MaaS业务的海外收入占比有望持续提升，成为公司第二增长曲线。
4.4 开源生态：飞轮效应与长期护城河
开源业务不直接产生大额收入，但却是智谱最核心的战略资产，是其技术迭代、客户获取、生态构建的核心驱动力。
MIT协议的战略考量
智谱选择采用最宽松的MIT开源协议，而非更严格的GPL或自定义商用协议，背后有着清晰的战略逻辑：
第一，最大化生态规模。宽松的协议能够吸引更多开发者与企业使用，快速扩大模型的市场渗透率与影响力，建立品牌认知。
第二，反向优化模型。海量开发者的使用与反馈，能够帮助团队快速发现模型的问题与不足，收集多样化的场景需求，反哺模型迭代优化，形成“开源→反馈→优化→更多用户”的正向飞轮。
第三，获取商业线索。大量企业会先试用开源版本，验证效果后再采购私有化部署或云端API服务，开源社区成为天然的获客渠道，能够大幅降低获客成本。
生态规模与价值
经过多年运营，GLM已经成为全球最主流的开源大模型之一，全球基于GLM架构开发的衍生模型、行业应用、插件工具数不胜数，覆盖几乎所有主流行业与开发场景。
在国内，GLM是信创领域应用最广的开源基座，绝大多数行业大模型与政企本地化项目都基于GLM开发；在全球，GLM的开发者社区持续壮大，GitHub星标数、下载量、二次开发项目数均位居国产开源模型第一，在新兴市场的渗透率快速提升。
长期来看，开源生态的价值会越来越大。一旦形成全球级的开发者生态，就会产生极强的路径依赖，开发者与企业会基于该生态持续开发应用，反过来巩固基座的地位，形成难以打破的护城河。Meta能够在大模型时代占据重要一席，核心靠的就是Llama的开源生态，而智谱正在走同样的路，且在顶级性能开源模型赛道已经实现了局部领先。
4.5 商业模式核心竞争力总结
综合来看，智谱的商业模式有三个核心竞争力，是国内其他大模型厂商难以复制的：
第一，技术溢价能力。逆势涨价而付费用户不降，证明公司已经具备了技术定价权，不再依靠低价内卷争夺客户，而是靠性能优势获取溢价，这是科技公司核心竞争力的体现。
第二，内外市场双循环。国内政企私有化部署提供稳定基本盘，海外MaaS与开源生态提供增长弹性，二者相互支撑，对冲单一市场的政策与竞争风险。
第三，开源+商业的正向飞轮。开源生态扩大影响力、反哺技术迭代、输送商业客户；商业收入反哺研发投入，提升模型性能，进一步强化开源生态。这个飞轮一旦转起来，会形成越来越强的马太效应。
五、财务状况深度分析：亏损背后的研发投入与成长价值
市场对智谱最大的争议点，在于其巨额亏损与极高的估值。2025年营收仅7.24亿元，净亏损却高达47.18亿元，亏损额是营收的6.5倍。如何看待这种亏损，是判断公司价值的核心问题。
5.1 2025年核心财务数据拆解
先看核心财务指标：
• 总营收：7.24亿元，同比增长131.9%，增速处于行业较高水平，且收入质量较高，以市场化付费为主。
• 毛利润：2.97亿元，毛利率41.0%，较2024年的56.3%有所下滑。下滑主要原因是算力成本上升与低毛利的MaaS业务占比提升，随着涨价政策落地与规模效应显现，毛利率有望逐步回升。
• 研发费用：31.8亿元，同比增长152.7%，占营收比例高达439%，是公司最大的支出项。研发费用主要用于高端人才薪酬、算力训练成本、数据采购等，是大模型企业的核心投入。
• 销售与管理费用：约10.2亿元，同比增长98.3%，主要用于市场拓展、销售团队建设与企业运营。
• 净亏损：47.18亿元，同比扩大59.5%，亏损增速低于营收与研发投入增速，亏损扩大主要是研发投入大幅增加导致，而非运营效率下降。
从财务结构可以清晰看出，公司的亏损本质上是“研发投入型亏损”，而非经营亏损。营收端保持高速增长，毛利率为正，说明主营业务本身是具备盈利能力的；巨额亏损主要是因为大额的研发投入，而这些研发投入会转化为技术壁垒与长期竞争力，是典型的成长型科技公司财务特征。
对比全球同类企业，OpenAI、Anthropic在发展初期同样处于巨额亏损状态，亏损额远高于智谱。大模型行业的本质是“研发驱动的军备竞赛”，持续高强度的研发投入是保持技术领先的必要条件，短期盈利并不是行业核心目标，抢占技术高地与市场份额才是优先级最高的战略任务。
5.2 现金流与资金储备分析
大模型行业是资本密集型行业，算力采购、人才薪酬、数据采购都需要巨额现金，现金流是企业的生命线。
截至2025年末，公司货币资金与等价物约85亿元，加上2026年1月港股IPO募资净额约450亿港元（折合人民币约420亿元），上市后公司总资金储备超过500亿元人民币。
按照当前的烧钱速率测算，每年现金消耗约50-60亿元，现有资金储备足以支撑8-10年的研发投入，完全不存在现金流断裂风险。如果考虑后续科创板募资150亿元，资金储备将进一步增厚，能够支撑更大规模的算力建设与技术研发。
需要强调的是，很多人将智谱的亏损等同于“烧钱烧完就倒闭”，这是完全错误的认知。公司已经登陆资本市场，拥有港股融资平台，未来科创板上市后又将增加A股融资渠道，股权融资渠道通畅。对于具备核心技术壁垒的头部科技企业，资本市场愿意持续为其研发投入输血，直到其实现规模化盈利。
5.3 科创板募资150亿的投向与价值
2026年6月，公司科创板IPO进入辅导验收阶段，拟募资150亿元，从备案到验收仅用11天，速度远超行业常规水平。募资用途主要分为三大块：
1. 通用基座大模型迭代研发与超算算力集群建设：拟投入约120亿元，占募资总额的80%。这是募资的核心投向，主要用于新一代GLM模型研发、大规模算力集群搭建、训练数据建设等，目的是持续巩固技术领先优势，加快模型迭代速度。
2. MaaS一站式服务平台全球商业化落地：拟投入约20亿元，用于海外市场拓展、平台基础设施建设、全球开发者生态运营，加速MaaS业务的全球化增长。
3. 补充流动资金：拟投入约10亿元，补充日常运营资金，优化现金流结构，增强抗风险能力。
从募资投向可以看出，这笔钱几乎全部投入到核心技术与业务扩张中，没有用于非核心支出，符合科技公司的融资逻辑。市场上有观点认为这是“圈钱”，但放在行业背景下看，150亿对于大模型研发而言并不是一个夸张的数字。OpenAI每年仅算力投入就超过百亿美元，国内头部厂商每年研发投入也在百亿级别。对于志在全球竞争的智谱而言，充足的弹药是参与全球军备竞赛的必要条件。
更重要的是，A+H双资本平台的搭建，对公司具有战略级意义。港股平台对接全球资本，提升国际品牌影响力，助力海外业务拓展；A股平台对接国内产业资本与政策资源，更好地服务国内政企客户，享受国产自主可控政策红利。双平台协同，能够为公司长期发展提供持续的资本支持，大幅提升抗风险能力。
5.4 盈利拐点测算
市场普遍关心公司何时能够实现盈利。结合行业规律与公司业务进展，我们在不同假设下进行盈利拐点测算：
中性情景：营收保持年均150%的复合增速，毛利率逐步提升至60%，研发费用增速逐年放缓至年均30%，销售管理费用率逐步下降。预计公司将在2029-2030年实现盈亏平衡。
乐观情景：海外市场拓展超预期，MaaS业务爆发式增长，营收年均增速超过200%，规模效应带动成本快速下降，预计2028年左右实现盈利。
悲观情景：行业竞争加剧，价格战重启，营收增速放缓至80%，研发投入持续高增，盈利时间推迟到2031年以后。
需要说明的是，对于当前阶段的智谱而言，盈利并不是核心目标，也不是衡量公司价值的核心指标。过早追求盈利反而会压缩研发投入，影响长期技术竞争力。参考亚马逊、特斯拉等科技巨头的发展路径，长期高强度投入构建壁垒后，盈利会自然到来，且一旦盈利，利润释放速度会非常快。
六、资本市场表现与估值体系重构
智谱华章在港股的股价表现，堪称2026年全球资本市场的奇迹。上市五个月涨幅超17倍，市值从500亿港元冲到近万亿港元，超越了一大批老牌互联网巨头。这种极致的行情背后，是行业格局变化、标的稀缺性与资金面共同作用的结果，也带来了对传统估值体系的重构。
6.1 港股行情复盘与催化因素
公司2026年1月8日在港交所上市，发行价116.2港元，发行市值511亿港元，被誉为“全球大模型第一股”。上市初期股价表现相对平稳，在1000-1200港元区间震荡，市场对其估值存在较大分歧。
2026年6月，三重催化叠加，开启了股价的爆发式上涨：
1. 政策催化：6月12日美国对Anthropic实施出口管制，全球顶级模型供给缺口显现，国产大模型海外替代逻辑强化，市场重新定价智谱的全球价值。
2. 技术催化：6月17日GLM-5.2发布，性能登顶全球可用模型榜首，成本优势显著，技术实力得到全球验证，彻底打消了市场对其技术能力的质疑。
3. 资本催化：6月17日证监会网站显示，智谱科创板IPO辅导状态变更为“辅导验收”，从备案到验收仅11天，政策支持力度超市场预期，A+H双平台逻辑落地。
具体行情走势：
• 6月15日，股价跳空高开，盘中最高涨幅48%，收盘上涨32.82%，收报1457港元，单日成交额52亿港元，成交量大幅放大。
• 6月16日，股价延续涨势，收盘上涨3.64%，两日累计涨幅超35%，总市值突破6500亿港元。
• 6月18日，开盘再度暴涨26%，股价突破2000港元，盘中最高触及2094港元，总市值最高达9336亿港元，单日成交额超90亿港元。
短短四个交易日，股价从约1200港元涨到最高2094港元，涨幅约75%；从发行价116.2港元算起，五个月最大涨幅超17倍。市值规模超越网易、京东、小米、美团、百度等一众互联网巨头，在港股科技公司中仅次于腾讯与阿里巴巴，跻身第二梯队。
6.2 估值逻辑：为什么传统估值方法失效
截至市值峰值，公司市销率（PS）超过1300倍，远高于互联网、软件行业的平均估值水平，用传统的PE、PS、PEG估值方法，完全无法解释当前的市值。这也是市场分歧最大的地方：一方认为是严重的泡沫，另一方认为是合理的远期定价。
本质上，智谱的估值逻辑已经脱离了传统软件公司的估值体系，进入了“平台型科技巨头远期期权估值”的逻辑。市场给的不是当前7亿营收的定价，而是对其未来成为全球级AI基座龙头的可能性定价。核心估值支撑来自三个稀缺性：
1. 标的稀缺性：智谱是港股唯一的纯通用大模型标的，也是全球极少数上市的独立大模型厂商。全球范围内，OpenAI、Anthropic都还是一级市场未上市企业，上市公司中纯大模型标的极少，资金缺乏配置渠道。稀缺性带来了流动性溢价，尤其是在港股市场，优质科技标的稀缺，大量资金集中配置单一标的，容易推高估值。
2. 技术稀缺性：国内具备全栈自研预训练架构、千亿参数模型迭代能力、全球顶级性能的大模型厂商屈指可数，智谱是其中唯一的独立上市公司。在AI产业自主可控的大背景下，这种技术稀缺性具备极高的战略价值，是数字经济时代的核心资产。
3. 成长稀缺性：公司当前处于业务爆发初期，ARR增速超60倍，未来三年营收有望保持年均150%以上的复合增速，成长速度远超传统科技企业。对于高成长赛道的龙头企业，市场愿意给予极高的估值溢价，透支未来多年的成长预期。
简单来说，市场买的不是现在的利润，也不是现在的营收，而是“未来成为中国的OpenAI、跻身全球AI三巨头”的可能性。这种估值方式天然带有期权属性，波动会非常大，预期兑现则价值巨大，预期落空则估值会大幅回调。
6.3 全球可比公司估值对比
我们选取全球范围内的可比公司，从估值水平、业务属性、发展阶段等维度进行对比，更清晰地看待智谱的估值定位：
公司名称 上市状态 估值/市值 核心业务 PS倍数 发展阶段
OpenAI 一级市场 约1500亿美元 通用大模型+ChatGPT 约80-100 商业化成熟，接近盈利
Anthropic 一级市场 约600亿美元 通用大模型+Claude 约120 高速增长，持续亏损
Meta 美股上市 约1.5万亿美元 社交+开源大模型 约8 成熟盈利
百度集团 港股上市 约3000亿港元 搜索+文心大模型 约2 成熟盈利
科大讯飞 A股上市 约1200亿人民币 智能语音+星火大模型 约10 小幅盈利
智谱华章 港股上市 约9300亿港元（峰值） 通用大模型基座 约1300 高速增长，持续亏损
从对比可以看出，一级市场的纯大模型公司PS估值普遍在100倍左右，远高于成熟科技公司。智谱的PS显著高于一级市场同类公司，主要原因是：
一是上市标的稀缺，流动性溢价高；
二是A股科创板上市预期带来的估值溢价；
三是美国出口管制带来的替代红利，提升了远期增长预期。
但同时也必须认识到，当前估值已经充分甚至过度反映了乐观预期，安全边际较低，一旦技术迭代或商业化进展不及预期，估值存在大幅回调的风险。
6.4 不同情景下的市值空间测算
基于对公司技术迭代、商业化进展、行业格局的不同假设，我们测算三种情景下的长期市值空间：
乐观情景：GLM系列持续快速迭代，2027年综合性能追平全球顶级水平，海外市场爆发式增长，成为全球顶级开源基座，全球市场份额持续提升。2028年营收突破500亿元，参考全球顶级AI公司估值，给予30倍PS，对应市值约1.5万亿人民币，折合港元约1.65万亿，较当前峰值仍有70%以上空间。
中性情景：技术保持全球第二梯队，国内市场稳居头部，海外市场稳步拓展，成为中国头部大模型厂商。2028年营收突破200亿元，给予20倍PS，对应市值约4000亿人民币，折合港元约4400亿，较当前峰值有较大回调空间。
悲观情景：技术迭代不及预期，巨头竞争加剧，价格战重启，商业化进展缓慢。2028年营收突破80亿元，给予10倍PS，对应市值约800亿人民币，折合港元约880亿，较当前峰值大幅回调。
需要强调的是，以上测算仅为基于当前信息的逻辑推演，存在大量不确定性因素，不构成任何投资收益承诺。大模型行业变化极快，技术、政策、竞争格局都可能快速反转，市值波动会非常剧烈。
七、竞争格局深度对比：优势、短板与行业地位
智谱华章能够在百模大战中脱颖而出，有其独特的竞争优势，但也存在明显的短板与挑战。客观全面地对比其与国内外竞争对手的差异，才能更准确地判断其行业地位与长期前景。
7.1 国内主要竞争对手对比
国内大模型赛道的参与者众多，但真正具备与智谱直接竞争能力的，主要是互联网巨头与头部创业公司两类。
与互联网巨头的对比
百度、字节、阿里、华为等互联网巨头，是智谱最强大的竞争对手。巨头的核心优势在于：
• 算力与资金实力更强，能够承担更大规模的研发与算力投入；
• 拥有自有C端流量与业务场景，能够通过内部业务快速迭代模型；
• 云基础设施完善，MaaS业务的渠道优势明显；
• 企业客户资源丰富，销售体系成熟。
但巨头也有明显的劣势：
• 大模型并非独立核心业务，而是服务于自身生态，战略优先级与资源投入受主业影响；
• 底层架构多基于海外开源优化，自主可控程度不足，底层技术迭代动力弱；
• 私有化部署灵活性差，大多绑定自家云服务，难以满足客户深度定制需求；
• 内部决策链条长，创新效率不如创业公司。
智谱相对于巨头的核心优势是：专注、灵活、自主、中立。专注于大模型基座研发，all in所有资源；决策链条短，迭代速度快；全栈技术自主，无知识产权风险；作为独立第三方厂商，不与客户业务形成竞争，更易获得客户信任。
与头部创业公司的对比
DeepSeek、MiniMax、月之暗面等头部创业公司，是智谱最直接的同赛道对手。这类企业同样all in大模型，机制灵活，迭代速度快，各有技术特色。
• DeepSeek：代码能力突出，开源生态活跃，性价比高，在开发者群体中影响力大，是智谱在开源与MaaS赛道的直接对手。但其底层架构基于Llama衍生，自主可控程度弱于智谱。
• MiniMax：多模态能力强，C端产品布局早，海外市场拓展积极，商业化进展快。但其基座自研深度弱于智谱，更偏向应用层创新。
• 月之暗面（Kimi）：长文本能力突出，C端用户增长快，产品体验优秀。但其以C端产品为主，私有化部署与开源生态布局较弱。
智谱相对于其他创业公司的核心优势，在于底层架构的完整自研、更早的开源布局、更深厚的企业服务积累，以及更领先的资本市场地位。短板在于C端产品能力较弱，大众品牌认知度不如部分主打C端的厂商。
7.2 全球竞争对手对标
全球范围内，智谱的核心对标企业是OpenAI、Anthropic与Meta，三者代表了全球大模型的最高水平与不同路线。
OpenAI
OpenAI是全球大模型行业的绝对龙头，技术综合实力第一，商业化最成熟，品牌影响力最大。GPT系列模型在综合推理、多模态、Agent等领域保持领先，ChatGPT拥有海量C端用户。
智谱与OpenAI的差距是全面的：综合模型性能仍有10%左右的差距，多模态、Agent等前沿领域布局更晚，商业化规模与品牌影响力差距更大。但智谱在成本、开源、本地化部署上具备优势，且追赶速度很快。
Anthropic
Anthropic是代码与长文本领域的标杆企业，Claude系列主打企业级市场，与智谱的业务定位最为相似。Fable 5是当前全球公认的代码最强模型，也是智谱核心对标产品。
GLM-5.2在代码能力上已经接近Fable 5，且成本远低于Claude系列，开源灵活性更是碾压。随着美国出口管制的实施，智谱在海外市场将直接承接Anthropic的溢出需求，成为其全球范围内的核心替代者。
Meta（Llama）
Meta是开源大模型的代表，Llama系列是全球应用最广的开源基座，拥有最大的开发者生态。Meta的优势是生态规模大、品牌全球认知度高、资金实力强；劣势是模型性能弱于闭源旗舰，且商用协议有诸多限制。
智谱的GLM系列在性能上已经超越Llama最新旗舰，且开源协议更宽松，是更高端的开源基座选择。目前GLM的生态规模还远小于Llama，但增长速度很快，在高端开源基座赛道已经形成竞争力。
7.3 智谱的核心护城河与短板总结
综合来看，智谱华章的核心护城河有四层：
1. 底层技术护城河：全栈自主的GLM预训练架构，完整的知识产权，不受海外技术与政策约束，这是最核心、最难复制的壁垒。
2. 开源生态护城河：多年开源运营积累的全球开发者社区与生态体系，形成了正向飞轮，后来者很难短期追赶。
3. 商业化闭环护城河：私有化部署+云端MaaS的成熟商业模式，覆盖政企到开发者的全层级客户，现金流与增长性兼备。
4. 资本与品牌护城河：A+H双上市平台的资本优势，全球顶级性能验证后的品牌优势，能够持续吸引人才、客户与资本。
同时，公司也存在明显的短板与挑战：
1. C端布局薄弱：缺乏现象级C端产品，大众品牌认知度不足，C端数据飞轮效应弱于巨头。
2. 算力资源相对有限：相比互联网巨头与海外顶尖企业，自有算力集群规模仍有差距，一定程度上制约模型迭代速度。
3. 海外品牌认知待提升：在欧美发达市场的品牌影响力远不及美国厂商，海外拓展主要集中在新兴市场，高端企业客户渗透难度大。
4. 多模态与Agent布局相对滞后：在多模态融合、智能体等前沿方向的进展，略慢于部分头部厂商。
八、长期成长空间与战略展望
8.1 全球通用大模型市场空间测算
通用大模型是数字经济时代的基础设施，长期市场空间极为广阔。我们从TAM（总潜在市场）、SAM（可服务市场）、SOM（可获得市场）三个层面进行测算：
• TAM总潜在市场：全球所有需要AI能力的企业与个人，对应数字经济整体市场。据行业机构预测，到2030年全球AI产业总规模将超过10万亿美元，其中通用大模型基座市场规模约5000-8000亿美元，这是行业的总天花板。
• SAM可服务市场：智谱能够覆盖的市场，包括中国政企市场、全球新兴市场、全球开源生态与开发者市场。预计到2030年，这部分市场规模约1500-2000亿美元。
• SOM可获得市场：基于公司当前的竞争地位与增长潜力，预计到2030年，公司有望占据全球通用大模型基座市场5%-10%的份额，对应年营收规模75-200亿美元，折合人民币500-1500亿元。
需要说明的是，这是非常远期的测算，存在极大不确定性。但可以确定的是，通用大模型赛道是万亿级别的市场，头部企业的成长空间极其广阔，当前7亿的营收规模还处于非常早期的阶段。
8.2 公司长期成长路径
展望未来，智谱华章的长期成长将沿着三条路径推进：
第一条路径：技术迭代升级，从追赶到引领。持续加大研发投入，加快基座模型迭代速度，逐步缩小与OpenAI、Anthropic的综合性能差距，在代码、长文本、中文等优势赛道实现引领，最终成长为全球顶级的通用大模型厂商。
第二条路径：全球化拓展，从中国到全球。抓住美国出口管制的历史机遇，加快海外市场布局，重点渗透新兴市场与全球开发者群体，提升全球市场份额。从中国龙头成长为全球级AI企业，打开长期成长天花板。
第三条路径：生态化延伸，从基座到平台。在基座模型的基础上，拓展Agent智能体、行业解决方案、开发工具链等产品，构建完整的AI开发生态，从单一模型供应商升级为全栈AI平台服务商，提升客户粘性与单客价值。
如果三条路径都能顺利推进，智谱将有机会成长为与OpenAI、Anthropic并列的全球AI三巨头，成为中国数字经济的核心基础设施企业，长期价值不可限量。
8.3 A+H双平台的战略意义
科创板IPO的推进，标志着公司A+H双资本平台战略正式落地，这对公司的长期发展具有里程碑式的意义。
首先，融资能力大幅提升。港股对接全球资本，A股对接国内产业与政策资本，双平台能够为公司提供持续充足的资金支持，保障算力军备竞赛与技术研发的投入，在全球竞争中保持弹药充足。
其次，政策与产业资源协同。A股上市能够更好地对接国内信创、数字经济、自主可控等政策红利，深化与国内政企客户的合作，巩固国内市场基本盘。港股上市则助力全球化品牌建设，支持海外业务拓展。
最后，人才与品牌价值提升。两地上市能够大幅提升公司的品牌知名度与行业影响力，更有利于吸引全球顶尖AI人才，强化团队竞争力。
8.4 自主可控与产业政策的长期红利
通用大模型已经成为数字经济时代的“国之重器”，是国家科技竞争力与数字安全的核心保障。在中美科技竞争与技术脱钩的大背景下，自主可控的通用大模型企业，将长期获得国家政策与产业资源的支持。
从监管层面看，大模型备案制、数据安全法规、信创政策等，都在向具备自主技术能力的国内厂商倾斜，海外模型与套壳厂商的生存空间会持续收窄。
从产业层面看，央国企、金融机构、关键基础设施领域的大模型采购，都优先选择自主可控的国产模型，国产替代的趋势非常明确。
从资本层面看，科创板对硬科技企业的支持、各地政府的AI产业基金、国有资本的战略投资，都在向头部自主大模型企业集中。
智谱作为国产通用大模型的标杆企业，将持续享受这一政策红利，获得更有利的发展环境。
九、风险因素全面提示
9.1 技术迭代不及预期风险
大模型行业技术迭代速度极快，技术路线存在不确定性。如果公司后续模型迭代速度放缓，性能被竞争对手拉开差距，或者出现新的技术路线颠覆现有架构，公司的技术壁垒与市场地位将受到严重冲击，估值也会大幅回调。
9.2 估值泡沫与股价大幅波动风险
公司当前估值处于全球科技企业历史极高区间，PS超过1300倍，完全透支了远期成长预期。AI板块行情受情绪与政策影响极大，一旦市场情绪转向、催化因素消退，股价可能出现大幅回调，波动幅度可能超过50%，投资者需高度警惕估值泡沫风险。
9.3 持续大额亏损与现金流风险
公司目前处于大额亏损状态，且未来3-5年仍将持续高强度研发投入，亏损可能持续扩大。虽然当前资金储备充足，但如果融资环境恶化、股权融资受阻，可能面临现金流压力，影响研发投入与业务扩张。
9.4 行业竞争加剧风险
国内互联网巨头与创业公司都在加大大模型投入，技术差距持续缩小，价格战可能随时重启。如果行业竞争加剧，公司可能被迫降价，导致毛利率下滑、营收增速放缓，商业化进程不及预期。
9.5 海外地缘政策与监管风险
海外市场拓展面临极大的地缘政策不确定性。美国后续可能进一步升级AI管制，将中国大模型纳入限制范围；欧洲、东南亚等市场也可能出台针对中国AI的监管政策，设置贸易壁垒，影响公司海外业务拓展。
9.6 算力供给与成本上升风险
高端AI芯片是大模型研发与运营的核心基础。如果全球芯片供给持续紧张、采购成本大幅上升，或者出口管制升级导致高端芯片获取困难，将直接影响公司的模型训练速度与推理扩容能力，制约业务增长。
9.7 数据安全与合规风险
大模型训练与运营涉及海量数据，数据合规要求极高。如果出现数据泄露、训练数据侵权、内容合规等问题，可能面临监管处罚与法律风险，对公司品牌与经营造成负面影响。
9.8 核心人才流失风险
AI行业人才竞争激烈，核心技术人才是公司最重要的资产。如果核心研发团队出现大规模流失，将直接影响公司的技术迭代能力与核心竞争力。
9.9 科创板IPO进展不及预期风险
科创板IPO进程受监管政策、审核节奏、市场环境等多种因素影响，存在审核不通过、发行时间推迟、募资额不及预期的可能，将影响公司的融资计划与战略推进。
报告结语
从清华科技园的三十个工位，到港交所的敲钟台，智谱华章用了七年时间。七年里，三次逆周期的战略选择，让这家出身实验室的创业公司，一步步走到了全球大模型行业的第一梯队。
美国的一纸出口禁令，打破了全球AI产业的旧格局，也给中国大模型的全球化撕开了一道口子。当海外开发者突然发现，有一款中国模型，性能接近全球顶级、成本只有八分之一、还能免费开源商用的时候，产业天平就已经开始悄然倾斜。GLM-5.2的出现，不是偶然的技术突破，而是七年底层技术积累的必然结果。
我们必须承认，智谱当前的估值已经包含了极高的乐观预期，短期股价存在极大的泡沫与波动风险。但我们也必须看到，这家公司所代表的，是中国在通用人工智能底层技术上的突破，是全球AI二元格局下中国阵营的核心代表。它的价值，早已超越了一家普通的科技公司。
对于产业而言，智谱的成长证明了中国团队有能力从零打造世界级的通用大模型，打破西方的技术垄断；对于资本而言，它提供了一个押注中国AI产业长期未来的核心标的；对于时代而言，它是中美科技竞争浪潮中，一个鲜活的缩影。
大模型的竞赛才刚刚开始，未来的路还很长。技术迭代、商业化落地、全球化拓展，每一步都充满挑战。七年磨剑的智谱，已经拿到了全球决赛的入场券，但最终能否走到顶峰，还需要时间给出答案。对于投资者而言，在看到巨大机遇的同时，更要清醒认识到行业的高风险特征，保持理性与敬畏。
崖峰
2026年6月23日
