纪要关键要点总结 涉及的行业与公司 * 行业：人工智能（AI）基础大模型行业[1] * 涉及公司：智谱AI、MiniMax、Kimi（深度求索）、Anthropic[1][2][3] 核心观点与论据 * **核心观点：市场对基础模型厂商的价值存在低估和误判** * 市场普遍将智谱AI视为2B项目部署公司，将MiniMax视为2C互联网应用公司[1] * 报告认为，2B/2C应用只是当前阶段商业化的表象，其真正的核心价值在于全球第一梯队的**基础模型训练能力**[1] * **核心观点：基础模型厂商的价值正在被重估，潜力巨大** * 一级市场出现FOMO情绪：Kimi在2023年12月底完成5亿美元融资，估值达43亿美元；几周后又开启新一轮融资，投前估值升至48亿美元[1] * 行业地位获确认：MiniMax创始人参与重磅座谈会并发言，成为继DeepSeek创始人后第二位参会的AI大模型企业代表[2] * 与上一代AI（计算机视觉）存在本质差异：通用大模型在工作、生活、科研发现等多方面具备更大潜能，而非仅解决单一识别任务[3] * 不会重蹈覆辙：此轮AI发展不会出现“被终端厂商把控后技术溢价下降”的路径[3] * 产品验证潜力：Anthropic发布的Agent产品CoWork（全部用Cloud Code编码）上线后迅速火爆，再次证明基础模型厂商的潜能[3] * **核心观点：估值应基于更高维度，而非当前业务** * 应从**大模型对全人类GDP的贡献**为起点，讨论公司未来能瓜分的市场份额[3] * 不应仅聚焦于当前的2B/2C业务，因为大模型的商业化形式仍在演化，大量路径尚未被探索[3] 其他重要内容 * 报告来源：华泰计算机，日期为1月20日[1] * 提及的模型类型：全球开源模型[1]

智谱公司港股上市表现 - 公司于1月8日在港交所主板挂牌上市，股票代码为02513.HK [1] - 开盘价为120港元每股，较116.2港元的发行价上涨约3.27% [1] - 以开盘价计算，公司市值超过528亿港元 [1] 全球发售详情 - 全球发售股份数目为3741.95万股H股，发售价定为每股116.20港元 [3] - 本次全球发售所得款项总额约为43.48亿港元，所得款项净额约为41.73亿港元 [3] - 香港公开发售部分获得约1159.46倍的超额认购 [3] - 国际发售部分获得15.28倍认购 [3]

政策目标与愿景 - 到2027年，中国人工智能关键核心技术实现安全可靠供给，产业规模和赋能水平稳居世界前列 [1] - 人工智能与制造业深度融合是发展新质生产力、构建现代化产业体系的重要路径 [1] - 到2027年，建成全球领先的开源开放生态，安全治理能力全面提升，为人工智能发展贡献中国方案 [1] 具体量化发展目标 - 到2027年，推动3至5个通用大模型在制造业深度应用，形成特色化、全覆盖的行业大模型 [1] - 到2027年，打造100个工业领域高质量数据集，推广500个典型应用场景 [1] - 到2027年，培育2至3家具有全球影响力的生态主导型企业，以及一批专精特新中小企业 [1] - 到2027年，打造一批“懂智能、熟行业”的赋能应用服务商，选树1000家标杆企业 [1] 重点任务与举措 - 围绕创新筑基、赋智升级、产品突破、主体培育、生态壮大、安全护航、国际合作等7项重点任务推出一系列举措 [2] - 具体举措包括推动智能芯片软硬协同发展，支持模型训练和推理方法创新 [2] - 具体举措包括培育重点行业大模型，推动大模型技术深度嵌入生产制造核心环节 [2] - 具体举措包括加快人工智能赋能工业母机、工业机器人 [2] - 具体举措包括攻关深度合成鉴伪、工业模型算法安全防护、训练数据保护等关键技术 [2] 行业应用与转型指引 - 附件《人工智能赋能制造业重点行业转型指引》为原材料、装备制造、消费品、电子信息、软件和信息技术服务等行业转型提供指引 [2] - 附件《制造业企业人工智能应用指南》指导企业使用人工智能进行研发设计、生产制造、经营管理及开展延伸服务 [2]

公司市场表现 - 在2025年，公司以210个中标项目和231,568万元（约231.57亿元）的披露中标金额，在通用大模型厂商中同时实现了中标数量与中标金额的双第一 [1] - 公司在2025年蝉联大模型“标王”，且其中标金额超过了排名第2至第5名厂商的中标金额总和 [1] 业务分布与项目类型 - 公司中标项目主要分布在教育、医疗、金融、通信、能源、政务等多个行业 [1] - 在所有中标项目中，超过80%属于应用类项目 [1]

上市概况与市场定位 - 公司于2026年1月8日正式在港交所主板挂牌上市，股票代码为“2513”，招股期为2025年12月30日至2026年1月5日 [2] - 公司计划发行3741.95万股H股，发行价为每股116.20港元，预计募资总额约43亿港元，IPO市值预计超511亿港元 [2] - 公司作为“全球大模型第一股”登陆资本市场，是首家真正意义上以通用大模型为主营业务的公司，为行业提供了首个可量化的估值样本 [2] 公司背景与技术产品 - 公司由清华大学计算机系知识工程实验室技术成果转化而来，是典型的“清华系”AI公司 [3] - 核心技术路线是自主研发GLM系列通用语言模型架构，形成覆盖语言、代码、多模态及智能体的全栈模型矩阵 [3] - 核心产品包括GLM系列大模型、ChatGLM开源对话模型、代码模型CodeGeeX、多模态模型CogVLM、文生图模型CogView及个人AI助手“智谱清言” [3] 市场地位与客户基础 - 按2024年收入计，公司在中国独立通用大模型开发商中位列第一，在所有通用大模型开发商中位列第二，市场份额为6.6% [3] - 在全球大模型超市OpenRouter上，GLM-4.5/4.6自上线以来调用量稳居全球前10，付费API收入超过所有国产模型之和 [3] - 公司已积累超1.2万家企业客户与4500万名开发者，形成了以MaaS为核心的商业模式 [6] 财务表现与营收结构 - 公司收入快速增长，从2022年的5740.9万元人民币增长至2024年的31.24亿元人民币 [5] - 2025年上半年收入为19.09亿元人民币 [5] - 报告期内，公司营收结构从依赖本地化部署逐步转向多元化，本地化部署营收占比从2022年的97.6%降至2024年上半年的69.4%，云端部署占比从2.4%提升至30.6% [4] - 公司毛利率一直维持在50%以上，2022年至2024年毛利润分别为3136万元、8048.2万元和17.59亿元人民币 [5][6] 亏损与研发投入 - 报告期内公司持续亏损，2022年至2024年经调整净亏损分别为9741.7万元、6.21亿元和24.66亿元人民币，2025年上半年亏损约17.52亿元人民币 [6] - 亏损主要归因于对研发的重大投资，同期研发开支分别为8440万元、5.28亿元、21.95亿元和15.94亿元人民币 [6] - 2024年全年运营亏损达25.38亿元人民币，2025年上半年运营亏损为18.99亿元人民币 [5] 融资历史与IPO募资用途 - IPO前公司已完成8轮融资，融资规模超83亿元人民币，投资方包括美团、蚂蚁、阿里、腾讯、小米等产业资本及君联、红杉、高瓴等一线投资机构 [8] - 此次IPO募资约43亿港元，其中70%约29亿港元将用于AI大模型研发，以保持技术领先性 [8] - 约10%约4.2亿港元用于MaaS平台优化，约10%约4.2亿港元用于发展业务合作伙伴网络及战略投资，约10%约4.2亿港元用于营运资金及一般企业用途 [8] 商业模式与未来战略 - 公司商业模式以MaaS为核心，其中本地化部署因适配大客户数据安全需求，占比高达84.8% [6] - 公司计划通过持续高研发投入，在未来2-3年内跑出一条清晰的盈利路径 [8] - 公司的招股书和定价将被视为后续AI大模型、算力、芯片、应用等公司的定价模板 [8] 行业影响与竞争格局 - 公司上市填补了公开市场对大模型公司的估值空白，为行业提供了首个可量化的估值样本 [2] - 随着头部大模型公司成功IPO，行业可能进入兼并整合期，资源进一步向具备技术与资本双重优势的头部企业集中 [9]

公司上市计划 - 北京智谱华章科技股份有限公司于12月30日正式启动在香港联合交易所主板的首次公开发行招股程序，计划于2026年1月8日以股票代码“2513”挂牌交易 [1] - 本次发行计划发售约3741.95万股H股，其中香港公开发售187.1万股，国际发售3554.85万股，每股发行价定为116.20港元 [1] - 根据发行价计算，本次IPO预计募资规模约为43亿港元，公司上市时的市值预计将超过511亿港元 [1] 发售与投资者 - 本次上市引入了11家机构作为基石投资者，包括JSC International Investment Fund SPC、JinYi Capital Multi-Strategy Fund SPC、上海高毅、泰康人寿、广发基金等 [1] - 基石投资者合计拟认购约29.8亿港元的发售股份，占本次全球发售股份的近七成 [1] 公司业务与技术 - 智谱华章是一家专注于开发通用大模型的人工智能公司 [2] - 公司于2021年发布了中国首个专有预训练大模型框架GLM框架，并于2022年开源了首个千亿参数规模的模型GLM-130B [2] - 公司为机构客户和个人用户提供基于其大模型的服务 [2]

全球人工智能格局与中美竞争 - 2025年中美大模型数量合计占全球80%以上，人工智能领域未来的两个主导国家仅是中国和美国 [1][2] - 中美顶级AI模型能力差距从2024年的20%大幅收窄至2025年的0.3% [1][2] 中美AI发展模式差异 - 美国发展模式聚焦于AI芯片、AI基础设施和闭源大模型 [1][2] - 中国发展模式聚焦于智能硬件、应用市场和开源大模型 [1][2] - 中国通用大模型更受欢迎的原因在于其深度（DeepSeek很deep）与开源特性，而OpenAI则相对封闭（OpenAI不open） [1][2] 未来五年关键创新竞争领域 - 未来5年，中美将在五大AI创新领域展开角逐 [1][2] - 五大关键领域分别是人工智能、机器人技术、能源存储、区块链技术和多组学测序 [1][2]

文章核心观点 - 北京市东城区发布专项政策 通过最高2000万元资金支持等16项举措 推动数字经济产业高质量发展 促进实体经济与数字经济深度融合[1] 产业数字化 - 政策聚焦人工智能、绿色能源、医疗健康等新兴产业和未来产业 支持传统企业发展数科板块[1] - 支持企业通过算力应用、大模型部署、数据治理提升研发效率[1] - 鼓励产业链重点企业整合资源与创新要素 并填补区域数字经济细分产业空白[1] 数字产业化 - 支持人工智能企业集聚发展 支持通用大模型和行业大模型发展[1] - 鼓励企业从具体场景出发 使用大模型开发商业化应用[1] - 支持数字技术场景落地 支持数据产业发展 培育数据要素多元经营主体[1] 创新生态构建 - 鼓励企业争先创优 支持数字经济企业与上下游企业、高校、科研机构合作打造创新联合体[2] - 支持数字经济产业集聚发展 支持组织数字经济产业交流活动[2] 政策适用范围与重点 - 政策适用于在东城区依法合规经营 并为数字经济高质量发展做出贡献的市场主体[1] - 主要扶持数字经济核心产业 重点支持新一代信息技术、人工智能等战略性新兴产业和未来产业[1]

文章核心观点 - 通用大模型在医疗垂直领域面临挑战，一项针对心脏介入手术决策支持的临床研究显示，基于RAG增强的垂直领域AI系统CA-GPT在关键决策指标上显著优于通用大模型ChatGPT-5和初级医师，有望重新定义心脏介入手术的智能化标准并解决医疗资源不均的痛点 [1][3][30] 通用大模型在专业领域的局限性 - 通用大模型在需要“火眼金睛”和“毫厘必争”的心脏手术等专业领域表现不佳，面对复杂病变时容易产生“幻觉”，缺乏对图像数据的数值敏感性和空间理解力 [1][17] - 在经皮冠状动脉介入治疗（PCI）手术中，光学相干断层成像（OCT）的图像解读高度依赖医生经验，初级医师与资深专家在手术成功率、并发症发生率等关键指标上的差距高达40%以上 [5] COMPARE研究设计与结果 - 研究由空军军医大学唐都医院与深圳清华大学研究院团队联合完成，基于中科微光医疗的OCT系统搭建RAG增强型AI-OCT整合决策支持模型（CA-GPT系统）[1] - 研究纳入了96名患者、160处病变，将CA-GPT系统、ChatGPT-5以及拥有1-5年经验的初级介入医师进行对比，以资深专家团队的手术记录为金标准进行盲测，评估涵盖10项预设决策指标 [8] - 在术前规划阶段，CA-GPT系统的总体决策评分中位数达到满分5.0，显著高于ChatGPT-5的3.0和初级医师的4.0 [11] - 在关键指标上，CA-GPT的支架直径选择准确率高达90.3%，显著优于ChatGPT-5的63.9%和初级医生的72.2%；支架长度选择准确率达80.6%，优于ChatGPT-5的54.2% [11] - 在术后评估阶段，CA-GPT对“最小支架面积是否达标”的判断与专家吻合度接近100%，在支架贴壁评估上的准确率达93.2%，优于初级医师组的76.1% [17] - 在处理功能性缺血（OCT-FFR≤0.80）或严重钙化等复杂病变时，CA-GPT展现了极高的稳定性，在亚组分析中依然保持了中位数5.0的高分 [17] - 传统OCT图像解读需医师逐帧分析，耗时数分钟至十数分钟，而CA-GPT系统可在20秒内完成全面分析并生成结构化报告，将影像解读时间缩短95%以上 [10] CA-GPT系统的技术架构优势 - 系统核心架构摒弃了对单一端到端大模型的迷信，构建了“小模型 + 大数据 + 大模型”的RAG复合智能体架构 [19] - **“感官”精准化（小模型层）**：底层集成了13项核心功能（含6项自研专有算法），能在5-10秒内完成管腔分割、斑块定性、钙化积分计算等定量分析 [21] - **“大脑”逻辑化（大模型层）**：基于开源的DeepSeek大模型构建，基于小模型提供的精准量化数据进行符合医学逻辑的深度推理 [21] - **“知识”实时化（RAG技术）**：通过RAG技术链接了包含超过100万篇心血管文献及指南的知识库，使AI的每一次决策建议都能追溯到具体的专家共识或最新指南，有效抑制了AI幻觉 [21] 技术突破的行业意义与市场价值 - 该技术突破的终极意义在于解决医疗资源分布不均的现实痛点，全球心血管疾病负担沉重，每年因心血管疾病死亡的人数达1920万，PCI全球年手术量已超过400万例，但资深介入专家（完成1000+例手术）是极度稀缺资源 [5][25] - 培养一名能独立处理复杂病变的医生往往需要8-12年的漫长周期，CA-GPT系统本质上是在做“医疗能力的平权”，能让偏远地区或初级医生在复杂手术中获得相当于顶尖专家的实时指导 [25][26][27] - 此次发布的CA-GPT系统及其临床成果，标志着中国企业在高端腔内影像领域开始掌握定义权，不做通用大模型的“套壳”，而是深耕垂直场景，将深度学习的精准度与大模型的推理能力完美结合 [30] - 这代表了中国医疗科技的“DeepSeek时刻”，即把AI技术落地业务场景，用自己的技术解决最真实的临床痛点 [31]

公司AI业务战略定位 - 公司自身不直接进行通用大模型研发，而是与国内外主流大模型厂商开展技术与生态合作[1] - 公司基于客户场景需求，为行业客户提供一站式AI应用解决方案及服务[1] AI业务进展与行业应用 - 相关AI应用解决方案已在部分金融、化工、制造等多个行业实现业务落地[1] - AI解决方案帮助客户实现业务流程智能化与效率提升[1] 未来发展方向 - 公司将持续深化行业理解，推动AI技术与产业场景的结合[1] - 公司致力于助力客户实现数字化与智能化转型[1]