上市概况与市场反应 - 公司于2026年1月8日在香港联交所上市，首日开盘价120港元/股，市值528.28亿港元 [1] - 本次IPO发行价为每股116.20港元，募资总额超过43亿港元 [1] - 香港公开发售获得1159.46倍认购，国际发售获得15.28倍认购，显示出极高的市场热度 [1] “中国OpenAI”标签的叙事与影响 - “中国OpenAI”标签是公司过去数年最重要的叙事助推器，但也成为上市后必须面对甚至卸下的认知负担 [3] - 该标签的固化部分源于OpenAI在2025年的官方报告中将公司定义为“中国OpenAI本土化产品” [5] - 公司CEO张鹏虽直言“讨厌贴标签”，但面对媒体高频引用和OpenAI“点名”，公司并未公开明确否认或纠正，在舆论层面被视为一种默许 [5] - 公司技术路线与OpenAI紧密对照，CEO曾表示在极力追赶，但总体平均能力仍存在不小差距 [6] - 公司在模型性能上对标OpenAI，例如推出对标Sora的CogVideoX和对标GPT-4o的语音模型，但在实现路径上选择了“和而不同”的自研GLM算法 [8][10] - 该标签在一级市场帮助公司高效吸引资本，但在二级市场可能放大其“不像OpenAI的部分”，并将发展阶段问题置于平台公司审视坐标中 [19] 技术路径与产品战略 - 公司技术路线始于清华知识工程实验室，早期策略是用顶尖学术成果建立技术声誉，再利用开源策略撬动生态 [14] - 2022年开源的GLM-130B是“中国首个开源千亿模型”，2023年的ChatGLM-6B全球下载量超2000万次，积累了庞大开发者基本盘 [14] - 2024年，公司战略转向全力押注AI智能体（Agent），让模型从“能说”转向“能做”，2025年发布的GLM-4.5/4.6被定义为“原生智能体大模型” [14] - 公司自研的GLM算法将Bert和GPT合并，其学到的attention是半矩阵，但多出的一点attention使其在某些任务上比GPT效果更好 [10] 融资历程与投资逻辑 - 公司成立至今完成8轮融资，规模超过83亿元人民币，股东涵盖美团、阿里、腾讯、红杉、高瓴等头部产业资本和创投机构 [16] - 早期投资人押注的是无形的、难以看清说明的长期价值，基于对自然语言处理和知识图谱是下一代技术方向的预判以及对团队的认可 [16] - 投资方华控基金早期投资的核心分歧在于Transformer路线的市场拐点、持续研发投入能力以及商业模式和未来竞争问题，最终选择基于长期价值连续押注 [17] - 投资方达晨财智在2021年投资时，公司处于“要产品没产品，要营收没营收”的阶段，但看重其团队深厚的清华科研背景、对自研路径的执着以及清晰的AGI愿景 [17] 财务表现与商业模式分析 - 公司收入从2022年的5740万元增长至2024年的3.124亿元，年复合增长率高达130%，2025年上半年收入已达1.909亿元 [21] - 收入结构严重依赖本地化部署，截至2024年该模式贡献了84.5%的收入，云端收入仅占15.5% [21] - 客户集中度较高，前五大客户收入占比在40%至60%之间浮动，且大客户基本不重合，呈现明显的一次性、项目制特征 [21] - 公司净亏损持续扩大，从2022年的1.43亿元增至2024年的29.58亿元，2025年上半年经调整净亏损为17.52亿元 [23] - 平均回款天数从2023年的21天急剧拉长至2025年上半年的112天，显示现金流压力 [24] - 公司毛利率始终保持在50%以上（2023年曾达64.6%），但高毛利源于高端技术服务费，而非产品的高复制性 [26] - 截至招股书披露，公司账面现金及等价物为25.52亿元，按当前亏损速度资金压力显著 [25] 上市后的商业化探索与挑战 - 在C端，核心应用“智谱清言”未能进入第一梯队，公司开始尝试B2B2C路径，与三星、荣耀等手机厂商合作预装模型，并推广AutoGLM智能体 [30] - 2025年，公司大幅减少C端应用宣传，收缩不赚钱业务，并将AutoGLM核心代码开源，试图转型为纯粹的技术供给方 [30] - 在B端，公司努力向标准化API服务转型，但2025年上半年该服务的毛利率为-0.4%，处于亏损状态 [31] - 公司寻求全球化布局，主导发起“自主大模型国际共建联盟”，输出“主权大模型”概念，帮助东盟及“一带一路”国家构建国家级AI基础设施 [33][34] - 2025年上半年，来自东南亚市场的收入占比已上升至11.1%，对应收入1792.7万元 [35] 未来展望与核心挑战 - 上市后公司需要从“中国OpenAI”的光环中彻底醒来，在资本市场监督下回归本质的技术与商业逻辑 [37][38] - 首席科学家唐杰在内部信中复盘，认为公司在追逐AGI的路上曾有迷失，被短期收益和热闹所迷惑 [39] - 唐杰判断，决定下一阶段格局的是更底层的模型架构与学习范式，应用侧可能出现AI替代不同工种/任务的爆发年 [39] - 公司的核心挑战在于如何从当前重交付、项目制的商业模式，向更具规模效应和标准化程度的模式过渡 [32]