智谱想当中国的Anthropic,但先得回答一个问题

背景:从“中国OpenAI”到“中国Anthropic”

一年前,智谱对外自称是“中国的OpenAI”,专注于通用人工智能(AGI)的发展愿景。然而,随着行业对盈利能力和商业模式的关注逐渐压过对技术梦想的追捧,智谱开始调整叙事策略。如今,它将目标转向了“中国的Anthropic”,试图以更明确的企业级API商业模式吸引投资者。Anthropic的成功在于其以Token计费的轻量化MaaS(Model as a Service)模式迅速获得收入增长,并以企业服务为核心,智谱希望复刻这一路径。

模式转变:从本地化部署转向云端MaaS

从2025年财报来看,智谱的业务结构正在发生明显变化。本地化部署收入占比下降至73.7%,而云端部署的比重从15.5%上升到26.3%。这一转变意味着智谱正试图减少项目制交付的依赖,转向更标准化、可复制的API订阅模式。为了支撑这一转型,智谱还成立了两家子公司,分别承接企业解决方案与私有化部署的交付工作,而母公司则专注于模型研发和平台能力。

  • 本地化部署问题

    • 毛利率虽高(48.8%),但交付重、难以规模化。
    • 难以快速拓展客户,依赖大项目和定制化服务。
  • 云端部署趋势

    • API调用量增长400%,涨价83%后用户量不降反升。
    • 但毛利率仅为18.9%,短期内拉低整体利润率。

财务挑战:亏损严重,研发投入高企

尽管智谱的收入在2025年达到了7.2亿元,较2024年的3.1亿元翻倍增长,但其亏损也达到了惊人的47.18亿元。研发支出高达31.8亿元,是收入的4.4倍,其中七成以上用于算力支出。智谱从租赁GPU转向按需采购算力,虽然提升了灵活性,但长期成本仍不确定。

  • 现金流情况

    • 账上现金22.6亿元,IPO募资45亿元,未动用银行融资52亿元。
    • 月均烧钱超过3亿元,资金链相对宽裕,但可持续性存疑。
  • 增长与亏损矛盾

    • 收入增长130%以上,但亏损率仍过高。
    • 若想对标Anthropic的PS倍数(约12倍),当前估值450倍PS显然过高。

涨价验证:初步具备定价权

在价格战主导的AI行业背景下,智谱成为第一家敢于涨价的国产大模型公司。2026年3月,智谱对Coding Plan取消首购优惠,价格整体上浮30%;随后又对GLM-5-Turbo API涨价20%,个人与企业用户“龙虾”套餐价格也同步上调。

  • 涨价效果显著

    • API调用量不降反升,同比增长400%。
    • 说明部分场景下用户对模型质量认可,愿意为价值买单。
  • MaaS增长强劲

    • 年度经常性收入(ARR)约17亿元,12个月内增长60倍。
    • 海外API收入占比从5%提升至35%,与中东、东南亚国家展开合作。

这一现象表明智谱在特定场景中初步具备了定价能力,但尚未在财务层面完全验证其MaaS商业模式的可持续性。

核心问题:模型能力与算力成本能否形成良性循环?

智谱提出了两个关键公式:

  1. AGI商业价值 = 智能上界 × Token消耗规模
  2. TAC(Token架构能力) = 智能调用量 × 智能质量 × 经济转化效率

这说明其估值逻辑依赖于模型能力的持续提升与Token调用量的增长。但这也带来了一个关键问题:如何在保持模型迭代速度的同时控制成本?

  • 芯片适配效率

    • 国产芯片是否能替代英伟达GPU的性能和能效,是成本控制的关键。
    • 若国产芯片适配效果不佳,长期算力支出难以降低。
  • 模型持续进化

    • 模型平均3个月更新一次版本,保持技术领先是核心竞争力。
    • 面对阿里、字节等大厂的模型竞争,智谱必须在智能质量和工程效率上持续领先。

如果不能在模型智能与成本结构之间建立可持续的平衡,智谱的“Anthropic之路”将面临巨大挑战。

未来展望:应用场景的持续验证

智谱要成功转型为中国的Anthropic,关键在于应用场景的持续验证与Token调用的规模化。目前来看,API调用量增长、海外拓展、涨价后的用户留存都是积极信号。但其收入结构不透明,企业客户中是否存在渠道分发、项目制交付等“非纯平台”收入,仍需进一步披露。

  • Agent框架赛道崛起

    • 智谱、DeepSeek、Kimi、阿里等纷纷下场做Agent。
    • 争夺中国市场的“智能代理”定义权,是2026年的主要看点。
  • 盈利前提

    • 必须维持模型能力领先,同时控制研发投入增速。
    • 一旦云端收入占比突破50%,毛利率有望改善,经营杠杆显现。

综上,智谱的“中国版Anthropic”叙事正在成形,但其能否实现这一目标,仍取决于它能否回答那个核心问题:在持续烧钱研发与快速增长之间,找到一条可持续的盈利路径。