第一個赴考的人：拆解智譜AI的上市答卷 | 氪睿研究院

以下文章來源于氪睿研究院

2025年的中國大模型市場，像是一片退潮的海灘。

那些曾經高喊“顛覆一切”的創業者，如今開始盤點手里的現金流；那些熱衷“講故事”的資本方，也學會了讀財報。

浪依然在——但浪的方向，已經變了。

兩年前，當ChatGPT點燃全球科技市場時，智譜AI是最早站上浪尖的公司之一。它背靠清華的科研體系，推出了中國第一批可商用的大模型——GLM系列，一度被譽為“最像OpenAI的中國公司”。

短短兩年，它從科研項目變成了被寄予厚望的獨角獸，從“算法先鋒”到“六小龍”之一，再到如今——于2026年1月8日成功登陸港交所，成為“全球大模型第一股”。

但故事的轉折，往往發生在浪頭最高的時候。

隨著智譜在港交所“上岸”成功，其命題已從“能否上市”轉變為“上市后如何生存與發展”。

OpenAI、Anthropic、Mistral的生態飛輪已經進入商業收割期，而中國的大模型創業公司，還在虧損、還在補貼、還在等待被證明。

智譜的困境，正是這個時代最真實的寫照：它有技術、有融資、有品牌、有故事，卻始終被一個問題追問——“技術公司能否在商業化中活下來？”

上市，表面上是抵達了安全的彼岸；但對智譜而言，這更像是一場拿到了參賽資格、卻面臨更高強度檢驗的生存競賽。

在資本收緊、巨頭圍獵、算力成本高企的當下，IPO似乎不再是勝利的獎章，而是生存的通行證。

這場“謀求上岸”的行動，不只是智譜AI的故事，它關乎整個中國AI行業的命運：當潮水褪去，誰還在堅持游？誰已經開始漂？智譜是第一個上岸的，但它能否抗住更大的浪，才是更值得被記錄的部分。

清華系的起點：信仰與實力的雙刃劍

中國科技創業史上，很少有哪家公司像智譜AI這樣，從一開始就背負著“國家算法希望”的標簽。

它的創始團隊來自清華大學計算機系與人工智能研究院，誕生于被稱作“中國AI最強學術派”的體系中。

在那個算法為王的時代，智譜代表的是科研自信——它不靠資本催熟，而靠模型性能出圈。

從GLM系列（General Language Model）到CodeGeeX、ChatGLM、CogView，智譜的產品線覆蓋了語言、編程、圖像等多個方向。

早在2021年，它就提出“中英雙語預訓練模型”的概念，比ChatGPT提前近兩年完成原型；到2024年，GLM-4.5發布，性能已逼近GPT-4-turbo。

這些技術節點讓智譜成為唯一一個能在大模型性能榜單上，與百度文心、阿里通義、月之暗面并列的“獨立創業者”。

這一切，構成了智譜AI的信仰與力量來源。

但也正因為如此，它帶著一種典型的學術氣質，資本市場有種擔心：它更像是在證明“能不能做到”，而不是在思考“做到之后干什么”。

“科研邏輯”與“商業邏輯”的斷層

清華的科研文化追求的是最優解，而市場只需要可用解。科研強調論文、參數、精度；市場關注客戶、復購、利潤。在科研語境里，智譜的目標是追趕GPT；在商業語境里，客戶的需求往往只是“用AI更省時間”。這種邏輯斷層，讓智譜在早期技術上遙遙領先，卻在商業化上頻頻掉隊。它的商業節奏明顯慢于競爭對手：當百度在推AI搜索，阿里在改造電商，字節在整合豆包，智譜還在不斷優化模型的“token效率”與“推理參數”。這并非錯誤，而是路徑選擇的結果。智譜選擇了證明算法之美，卻因此延遲了商業的現實。

信仰的代價：技術優越感的回旋鏢

“我們要做中國最強的通用模型”，是智譜成立初期的口號。在某種意義上，它確實做到了。但技術優越感往往是一把雙刃劍——當團隊相信自己擁有最好的技術，就容易忽視最早需要的客戶。2023年，智譜推出ChatGLM版本時，面對外界對性能、接口體驗的質疑，內部團隊仍堅持“開源路線”，并強調“學術與產業并重”。然而，當同行在用模型構建應用生態時，智譜卻陷入了“開源貢獻熱度高，營收貢獻低”的悖論。開源帶來了聲譽，卻沒有帶來現金流。AI世界里，信仰可以驅動創新，但唯有商業才能維持存在。這時的智譜，就像是一艘科研巨輪，方向明確，卻推進緩慢。

清華基因的另一面：人才密度與組織轉型

當然，清華系的基因并非全是枷鎖。它的技術團隊在算法、算力、模型安全方面具備極高的人才密度。在行業混亂、技術夸大的階段，這種“求真”讓智譜顯得更穩健。智譜的科研體系使其在政府與央國企客戶中更具信任度——“國家級科研出身”本身就是一種軟信用。這也是它能在融資中持續獲得國資青睞的原因之一。但問題也在這里：清華的組織形態是分布式的，而市場的節奏是集權的。

技術人才崇尚自由探索，而商業化需要集中決策。從實驗室到公司，從論文到產品，智譜花了兩年才建立起穩定的“產品管理+商業運營”體系。這種轉變意味著，它開始從“清華的科研項目”變成“清華后的企業”。智譜的挑戰，從此不再是模型訓練，而是模型變現。智譜AI的故事，其實是一代學術創業者的故事。它代表了一種技術理想主義的終極形態：堅信算法能改變世界，也相信世界終會為算法買單。但在浪潮退去之后，信仰若想延續，就必須找到新的燃料——那燃料，叫現金流。

商業化的中場：從技術公司到交付機器

如果說前兩年是中國大模型的“科學競賽”，那么2024年之后，就是一場“現金流考試”。對于智譜而言，這場中場戰事，比任何技術突破都更艱難。因為它不再是模型之間的比拼，而是賬本之間的較量。算法可以反復訓練，但利潤只能用真實客戶的簽字來換。

技術紅利消退，商業壓力登場

智譜AI的轉型，從“科研敘事”走向“商業敘事”，是被推著走的。ChatGLM的技術熱度曾讓它一度成為開源圈的明星，但熱度并不等于訂單。2024年中期，隨著算力成本上升、融資趨冷、客戶理性回歸，大模型行業集體進入“去泡沫期”。

智譜的痛點隨之暴露：它不是沒人用，而是——用得起的人太少，用得起的企業太精。在B端客戶眼中，大模型已不再是“革命”，而是“工具”。這意味著，客戶開始追問ROI（投入產出比），不再買賬“AI能改變世界”的敘事。智譜在2024年開始裁撤部分研究型崗位，轉而強化商務交付、行業解決方案團隊。從算法論文到行業白皮書，從科研匯報到銷售話術，它的內部語言體系正在重寫。過去講“模型精度”，現在講“交付周期”；過去談“參數規模”，現在談“客戶復購”。這種轉變，標志著智譜從“清華的AI公司”，真正邁向“市場的AI服務商”。

智譜的“工業化”：讓模型像機器一樣穩定產出

過去，智譜的產品更新節奏像科研論文：每一次版本迭代都以“突破”為目標；但商業世界要的是“復用”——能大規模復制、低風險部署、可預測收益。

2024年底，智譜提出“MaaS（Model-as-a-Service）”戰略：不再靠賣模型本身，而是賣模型的能力——API調用、行業微調、數據私有化服務。

這本質上，是從賣產品轉向賣生產力。在能源、教育、金融等領域，智譜推出垂直模型方案，通過行業特化的Prompt優化和私有知識庫接入，讓客戶的使用體驗更“實用化”。這讓它的模型不再只是科研樣本，而是一種“交付件”。

這一轉型帶來兩個好處：

降低單客戶履約風險；

拉長客戶生命周期價值（LTV）。

但問題也很現實：中國的大模型市場尚未形成足夠的付費意愿。許多企業愿意試用，卻不愿意簽單；愿意簽單的，又希望智譜“先定制、后付費”。于是，智譜陷入一個典型的AI創業者困境——要么繼續講故事，要么先墊賬。

從“清華氣質”到“商學院氣質”

智譜內部有一個形象的說法：“我們正在從研究所變成銷售所”。這句話雖帶點自嘲，卻也準確反映出公司的狀態。為了適應商業節奏，智譜開始組建以行業為中心的事業部：教育、政務、能源、制造——每一個賽道都設有專門的團隊。他們的核心任務，不再是寫論文，而是寫SOW（Statement of Work）。智譜的商務團隊數量在一年內翻倍增長，同時引入了多位來自互聯網與咨詢行業的高管——這些人懂P&L，懂定價，懂交付。“讓模型交付像ERP系統一樣穩定”，成為智譜在2025年的內部口號。這是一次“去理想化”的蛻變。智譜不再是那個追逐技術極限的理想主義公司，它正在學會“讓算法有成本意識”，讓AI在合同里落地。

商業模式的兩難：To B的確定性與To G的依賴性

智譜的商業化轉型路徑看似明晰——以MaaS為核心，聚焦To B。但在現實中，它的收入構成依然偏向To G（政府項目）和國企客戶。這些客戶信任智譜的清華背景，卻也讓它的商業節奏更“項目化”而非“規模化”。相比之下，OpenAI的To B邏輯是基于API自助調用，形成指數級復用；而智譜的To B邏輯，是基于定制化項目，形成線性增長。二者的商業效率差距，是根本性結構問題。

智譜也意識到了這一點。2025年初，它嘗試推出面向中小企業的輕量級API平臺，試圖從“項目制”走向“訂閱制”。但這條路短期內依舊困難：市場教育成本高，生態合作鏈條短。這意味著——智譜的“工業化轉型”仍未完成，它剛剛走出實驗室，但距離可規模復制的商業飛輪，還有很長的坡要爬。智譜正在經歷每一家AI公司的“青春期焦慮”——技術仍領先，市場未成型，資本開始算賬。它的故事不再是“AI能做什么”，而是“AI能賺多少錢”。在這一階段，它既要保持清華式的理性，又要擁有企業家的決斷。這并非矛盾，而是一種成長——畢竟，在大浪褪去的時代，能活下來的，從來不是最聰明的模型，而是最務實的公司。

資本邏輯的拐點：誰在押注智譜的未來

資本從不信仰科技本身，它信仰的，是“科技能兌現的現金流”。當智譜AI在港交所完成上市的那一刻，意味著這家清華出身的技術公司，正式從“科研圈”走進了“財報季”的聚光燈下。它要面對的，不再是同行的論文，而是投資者的耐心。因為在資本的邏輯里，“先上岸，再談遠方”，是一切估值的底線。

誰在給智譜輸血？

智譜成立五年，融資六輪，背后站著一長串資本名單：

從啟明創投、中科院創投，到紅杉中國、高瓴創投、創新工場，再到國調基金、國開金融等政策性資金。這一結構很能說明問題：智譜是學術系+政策系+市場系的混合體。

這三股力量各有訴求：

學術派希望智譜成為中國AI的技術燈塔；

政策派希望它成為自主可控的國產模型代表；

市場派希望它盡快商業變現，形成正向現金流。

智譜的存在，本身就承載著三重“理想任務”。但這也意味著，它要同時對三類投資者負責，而這三者的邏輯，天然不一致。在理想與利潤的夾縫中，智譜既要“有情懷”，又要“算賬”。這正是它上市的真正動因——不是光榮，而是必要。

資本正在重估大模型：從故事到算術

2023年是大模型融資狂飆的一年，2024年則是“估值坍塌”的一年。根據其發行價計算，智譜AI上市時市值超過511億港元，與此前融資估值相比，經受住了市場的初步考驗。背后的邏輯很簡單：AI的資本故事正在從“敘事紅利”回歸“經營邏輯”。在資本眼中，大模型公司的價值已不再由“參數量”和“性能”決定，而是由“營收結構”和“現金流質量”決定。

換句話說，投資者不再問“智譜的模型有多強”，而是問“智譜的客戶有多穩”。截至2024年末，智譜AI的營收主要來自政府項目與部分頭部央企試點，商業客戶的貢獻仍不足總營收的三分之一。這意味著它的盈利結構依然脆弱——一旦政策采購放緩，現金流會立刻緊張。資本的重估，正在逼迫智譜從“科研周期”轉向“財務周期”。在財務周期里，算法是成本，客戶是資產，而故事，只是流動性的一部分。

為何“上岸”成了唯一選項

在AI行業，上市往往被視為企業的“成人禮”；但對智譜而言，更像是一種“避險策略”。2024年下半年，中國AI市場融資驟冷，創業公司間的“比融資能力”轉向“比現金耐力”。

智譜的模型訓練成本高企，每訓練一次GLM-4.5，都要消耗數千萬至上億元的算力資源。沒有穩定資金支持，模型優化與產品更新都會中斷。

IPO帶來的不僅是資金，更是信譽的再融資機制：

上市公司可以通過股權激勵留人，通過二級市場擴融資，通過國資與機構投資延長生命線。對于智譜而言，“上岸”不是對過去的總結，而是為未來續命的工具。它清楚：

若不上岸，可能被資金鏈拖死；

若能上市，即便短期盈利承壓，也能贏得時間。

智譜需要的，正是時間換空間——上市，就是買時間的合法方式。

從紅海到長坡：資本押注的方向正在變

資本市場的敏銳嗅覺，正在重新定義AI的投資邏輯。2023年的邏輯是：投模型。2024年的邏輯變成：投生態。

這意味著，像智譜這樣的“單體模型公司”，如果不能快速向下游延展（行業應用、生態合作），就會被認為“天花板太低”。

從這個角度看，智譜上市的真正意義，不是融資本身，而是確立“生態平臺”的資本身份——它不再只是一個模型公司，而是要成為大模型生態的核心節點。

資本市場關注的，不是它今天的利潤，而是它能否像微軟—OpenAI那樣，通過生態協同形成復利。智譜的挑戰也由此升級：

它必須證明自己能成為中國的“AI底座”之一；

同時，還得讓資本相信，這個底座能持續賺錢。

資本的耐心有多長？

在二級市場，資本的耐心往往以“季度”為單位。而在AI領域，一個真正的模型產品可能要三到五年才能成熟。這之間的時間錯位，是所有AI公司的宿命。智譜要說服資本，不只是靠“未來有多大”，而是要證明“現在沒問題”。

這意味著財務報表的透明度、現金流的自我造血能力、客戶結構的健康度，都將決定它在資本市場的生死。

可以預見的是，上市后的智譜將不再有“科研式浪漫”。它必須學會面對資本市場的冷靜審問：

你一年能賺多少錢？

你明年能多賺多少？

你三年后，還能活著嗎？

資本的注視像一面鏡子，折射出的，不只是企業的未來，更是一個時代的真相——AI的黃金時代，從來不是屬于“做夢的人”，而是屬于能在夢醒后繼續干活的人。智譜的IPO，是中國AI行業的一個信號。它代表著一個新階段的開始——資本與技術的關系，正在從“激情共振”變為“理性共謀”。技術不再是護城河本身，而是護城河的“施工許可證”。而智譜，正是第一個拿著許可證走向市場的人。

上岸之后：浪更大了

在資本市場，“上岸”往往被視作安全的象征。但對智譜而言，登陸港交所只是進入更深的水域。過去五年，它的競爭對手是科研院所和創業公司；未來五年，它的對手是百度、阿里、字節、騰訊——都是能“邊虧邊投十年”的超級玩家。智譜AI能否在這樣的巨浪里站穩，不取決于技術是否夠強，而在于：它能否建立起屬于自己的增長結構。

上岸不等于安全

IPO只是一個財務事件，不是商業拐點。資本市場愿意給智譜一個故事窗口，但不會無限期等待。上市之后，智譜要面對三道新的考題：

利潤表的透明化

在私募階段，企業可以強調研發投入、長期價值；在上市之后，一切都要寫進季度報表。營收的季節性波動、客戶集中度、政策依賴度，都會成為分析師的放大鏡。

資本輿論的公開化

過去的智譜只需要對投資人負責，現在它要對所有股民負責。每一個延遲交付、裁員傳聞、產品爭議，都會成為輿論議題。

競爭格局的公開化

上市意味著數據披露，意味著競爭對手可以清楚看到它的營收結構與成本模型。在AI領域，這幾乎等于“把底牌攤在桌面上”。

智譜上市后，面對的不是風平浪靜的港灣，而是一片透明的深海。

被“平臺巨頭”圍獵

智譜的另一個現實挑戰，是生態位的夾擊。百度文心、阿里通義、字節豆包、騰訊混元，這四家大模型公司幾乎壟斷了90%的應用流量與商業入口。

在巨頭的視角中，智譜并不是威脅，而是一種“補充”——當它擁有算法突破時，巨頭選擇投資或合作；當它推進商業化時，巨頭推出自有替代品。

在這樣的格局中，智譜的角色有點尷尬：

它的技術夠強，可以被引用；

它的體量太小，無法形成話語權。

對智譜而言，要想在生態中存活，就必須在巨頭體系中找到非對稱空間。

也就是說，不能和巨頭搶流量，而要提供巨頭無法快速復制的能力——如“政企安全可信模型”、“特定行業知識工程”、“開源模型生態”。這三個方向，是智譜可能的破局點。

從“清華算法”到“中國工程”

智譜在清華的學術光環，既是榮耀，也是一種心理負擔。清華體系培養的是“解最難的題”，但企業生存的關鍵是“解對的題”。AI行業從“科研驅動”走向“工程驅動”，技術壁壘開始讓位于落地速度、場景理解與系統整合能力。

2025年之后的競爭，不再是模型比拼參數，而是：

誰的模型更好融入企業系統？

誰能解決客戶交付痛點？

誰能在不犧牲隱私的前提下讓AI高效可用？

這正是智譜必須“去學術化”的轉折點。它要學會像華為那樣，把科研精神轉化為工程執行力。這并不是背叛初心，而是讓初心可持續。

智譜的護城河：算法之外的信任

大模型的競爭，本質是信任的競爭。在算法趨同、算力可租、框架開源的背景下，客戶選擇智譜，不一定因為性能，而是因為它“可控、可信、可交付”。清華背景、國資股東、科研認證、國產化技術棧——這些標簽，在民營企業眼中或許平平，但在央國企、政府系統中，都是稀缺資產。智譜的“信任護城河”，正在替代“技術護城河”。這是一個典型的中國式競爭優勢——技術上追趕OpenAI，制度上占據確定性。這條護城河或許看不見，但比算法穩定得多。

“小公司命題”：走出孤島，構建生態

智譜要想在未來五年活下來，必須從“一個公司”變成“一個生態”。它可以向下延展，深耕行業垂直模型，也可以向上延展，強化開發者生態、教育合作，甚至橫向與其他AI創業公司、科研機構聯動。

生態，可能是唯一的自保之道。否則，在這個行業，哪怕技術再強，也只是孤島。智譜已經在嘗試構建“國產大模型開源聯盟”與“行業安全標準委員會”，這其實是一種巧妙的布局：

在與巨頭的競爭中，通過“標準”來獲得主導權。當一個公司能定義規則時，它的地位就不再由市值決定。上市，只是智譜走出清華象牙塔的第一步。更大的浪，來自資本的期望、生態的博弈與行業的淘汰率。這場浪潮不會對誰溫柔。

但智譜的獨特之處在于：它沒有被泡沫催熟，也沒有被流量綁架。在一個充滿喧囂的AI時代，它依然在堅持“慢變量”——穩健、信任、工程化。或許這并不性感，但足夠真實。畢竟，在大浪淘沙的時代，活下去，本身就是最大的勝利。

對抗洗牌的浪是中國大模型的集體命運

智譜AI不是孤例。整個中國大模型行業，正處在一個從“敘事泡沫”滑向“產業拐點”的冷卻期。這并不是失敗，而是成熟的前兆。過去兩年，中國的大模型公司經歷了史無前例的融資高潮：百川、月之暗面、智譜、MiniMax、零一萬物、商湯日日新——被稱為“AI六小龍”，幾乎包攬了中國最聰明的一批人和最多的算力資源。但到了2025年，熱度冷卻，融資收縮，裁員頻發。從表象看是“退潮”，從結構看卻是“篩選”。因為真正的浪，不是增長的浪，而是洗牌的浪。

從敘事到結構：幻覺破裂的節點

OpenAI的成功給了方向，也制造了幻覺。幻覺在于——所有人都以為，只要有模型，就有未來。

2023年的中國AI創業者幾乎都在講同一個故事：“我們能做出中國版的GPT。”

但到了2025年，故事的后半句變成了：“我們需要找到能賺錢的客戶。”

模型是起點，不是護城河。OpenAI的價值，不在GPT本身，而在GPT之后形成的生態結構：ChatGPT帶來用戶入口，API帶來B端流量，Copilot嵌入應用場景，GPT Store形成開發者社區——這是一個完整的復利系統。而中國的大模型公司，大多數仍停留在“性能比較”和“客戶定制”的淺層階段。它們在卷算法，卻很少卷生態。在卷參數，卻忽略了飛輪。幻覺的破裂，是行業回歸理性的標志。技術的想象力，終將讓位于商業的自洽性。

“卷性能”的盡頭，是“卷生態”

在2023年的AI大會上，“模型有多少參數”“訓練花了多少錢”是創業公司最常掛在嘴邊的亮點；到了2025年，投資人開始反問：“你有多少客戶？復購率是多少？你的模型在誰的系統里跑？”這就是從“性能競爭”到“生態競爭”的拐點。

OpenAI構建的，是一種多層復利結構：

產品層：ChatGPT直接服務用戶；

平臺層：API接入企業客戶；

生態層：開發者通過GPT Store創造二級增長；

品牌層：認知壁壘反過來強化數據與客戶流入。

中國公司在這四層中，多數仍停在“產品層”或“定制層”。智譜在努力突破：

它的CoCo平臺嘗試構建應用生態；

MaaS接口探索模型即服務的標準化供給；

教育與金融合作場景，是打通垂直行業的試驗田。

但這仍是早期。要形成像OpenAI那樣的復利循環，需要的不只是技術，更是時間、資本與組織能力。

中國AI行業的問題不在“創新不足”，而在“生態復利不足”。性能的天花板逼近，而生態的護城河尚未挖深。

技術浪與產業浪的錯位

AI行業的另一個結構性問題，是技術浪與產業浪的錯位。技術創新的周期是18個月，資本的窗口期是12個月，而產業商業化的周期，至少需要5年。

這意味著：資本總是比技術更急，技術又比市場更快。智譜的IPO就是一個典型樣本。它的技術仍在迭代，市場仍在驗證，但資本窗口已經開始收縮。“先上市，再成長”，成為一種被動選擇。這并非智譜獨有，而是整個行業的宿命。當大模型的算力成本高企、產品交付周期漫長、政策紅利消退，所有玩家都必須面對一個現實問題：商業模型的現金流能否承接住技術模型的成本？這是AI行業2025年最核心的矛盾。也是從“敘事經濟”到“效率經濟”的轉折點。

誰能穿越浪潮

浪潮不會永遠上漲，也不會永遠退去。它只是在篩選誰能“浮得起來”。

百度文心有生態：從搜索到知識問答到辦公協同，流量天然閉環。

阿里通義有場景：電商、釘釘、阿里云形成商業循環。

字節豆包有算法+內容優勢，生成分發一體化。

騰訊混元有社交入口與開發者平臺。

百川智能、月之暗面、智譜AI則代表“新勢力”——他們沒有巨頭的資源，但有靈活的技術結構與組織速度。

在大模型的淘汰賽中，能穿越浪潮的，不一定是最強的那一個，而是能形成“技術×應用×現金流”復利結構的那一個。智譜的機會，就在這里——如果它能以開源、行業MaaS、政企信任體系為基座，形成自己的“中式生態模型”，它就不僅是一個公司，而是一個平臺型變量。

浪不是風險，而是篩選機制

每一輪技術浪潮，都是篩選機制。90年代的互聯網、2000年代的移動互聯網、2010年代的智能手機，每一次浪來臨，都會留下少數能構建復利結構的幸存者。AI行業的洗牌，也是如此。智譜能否活下去，不只是取決于技術是否領先，更取決于它能否在浪潮之中找到“長期復利的位置”。

浪并不可怕。真正的風險，是你停在原地，以為浪會自己過去。智譜的上市，不是一個故事的結束，而是為中國AI產業提供了一個可供拆解的、關于價值兌現的完整初章。它讓我們看到：

理性與算力并不沖突，

科研與商業并非對立，

上市不是終點，而是驗證結構的起點。

浪正在來臨，方向未定。但正如我們采訪的一位投資人所說：“AI的未來，不屬于最聰明的人，而屬于最能活下來的人。”而智譜，正站在這場浪的前排。