公司上市概况 - 智谱AI于2026年1月8日在香港联合交易所挂牌上市，首日开盘价120港元/股，市值528.28亿港元 [2] - 本次IPO发行价为每股116.20港元，募资总额超43亿港元，香港公开发售获1159.46倍认购，国际发售获15.28倍认购 [2] “中国OpenAI”标签的认知与影响 - “中国OpenAI”标签是智谱过去数年重要的叙事助推器，但也成为其上市后需面对甚至卸下的认知负担 [4] - 该标签的固化源于外界、公司自身及OpenAI的“共谋”，OpenAI在官方报告和博文中曾将智谱定义为“中国OpenAI本土化产品” [6] - 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 [6] - 在早期融资路演中，智谱的技术路线图与OpenAI呈现紧密对照关系，公司CEO也多次公开讲述OpenAI的发布对智谱产生的关键影响 [7] - 该标签在二级市场可能放大智谱“不像OpenAI的部分”，并将发展阶段的问题提前置于平台公司的审视坐标中 [22] 技术路径与研发战略 - 智谱选择了与OpenAI“和而不同”的道路，提出了区别于GPT的“GLM算法” [11] - GLM算法将Bert和GPT合并，其学到的attention是半矩阵，但多了一点attention，使得其在某些任务上比GPT效果更好 [12] - 公司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，2022年开源的GLM-130B是“中国首个开源千亿模型” [16] - 2023年的ChatGLM-6B让开发者在消费级显卡上运行千亿模型对话，全球超2000万次下载积累了庞大基本盘 [16] - 2024年，当大模型在纯对话领域竞争同质化时，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” [16] - 2025年发布的GLM-4.5/4.6被定义为“原生智能体大模型”，从底层架构融合了推理、规划与执行能力 [16] 融资历史与投资逻辑 - 公司成立至今完成8轮融资，规模超过83亿元，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 [18] - 早期投资者押注的是无形的、难以看清说明的长期价值，首家投资机构中科创星在公司成立前便完成决策，投资4000万元 [18][19] - 投资方华控基金早期连续追投的核心是看中智谱的长期价值，包括其技术迭代能力、产品线匹配度及国产大模型战略价值 [20] - 投资方达晨财智看重的是团队深厚的清华科研背景、对自研路径的执着、清晰的AGI愿景以及“技术信仰”带来的颠覆性潜力 [20][21] - “中国OpenAI”标签使智谱迅速成为国内AI最大共识，并吸引了国资涌入 [21] 财务状况与商业模式 - 2022年至2024年，公司收入分别为5740万元、1.245亿元、3.124亿元，年复合增长率高达130%，2025年上半年收入达1.909亿元 [25] - 收入结构严重依赖本地化部署，截至2024年，本地化部署贡献84.5%的收入，云端收入仅占15.5% [25] - 前五大客户占比在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 [25] - 2022年至2024年净亏损分别为1.43亿元、7.88亿元、29.58亿元，2025年上半年经调整净亏损为17.52亿元 [27] - 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 [28] - 账面现金及等价物为25.52亿元，按当前“烧钱”速度，资金压力较大 [29] - 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 [30] - 投资方华控基金认为，大模型行业短期内脱离不了大额亏损，大量资金投入本身会成为行业高壁垒，战略性亏损是需要的 [30] 上市后的业务挑战与战略方向 - 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 [33] - 2025年，公司大幅减少智谱清言的宣传，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 [33] - 在B端，公司努力向标准化API服务转型，但2025年上半年API服务的毛利率为-0.4%，处于贴本阶段 [33] - 公司寻求全球化布局，更强调“主权大模型”概念，主导发起“自主大模型国际共建联盟”，联合东盟及“一带一路”国家构建国家级AI基础设施 [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 [34] - 公司首席科学家唐杰在内部信中复盘，认为公司在追逐AGI的路上有迷失的时候，被短期收益和热闹所迷惑 [37] - 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 [37]