After becoming the first stock of large models, the chairman of KNOWLEDGE ATLAS speaks for the first time: discussing 2513, "burning money and generating blood"

1 月 8 日，智譜在香港掛牌交易，股票代碼後四位是 “2513”，諧音是 “AI 我一生”。

智譜首日開盤漲幅 3.27%，報 120 港元/股，市值 528 億港元。在智譜本次 IPO 發行中，香港公開發售獲 1159.46 倍認購，國際發售獲 15.28 倍認購。以每股 116.20 港元的發行價計算，智譜本次 IPO 募資總額超 43 億港元（“綠鞋” 前）。

智譜正式成立於 2019 年，但是它的故事可以追溯到 2006 年。那年，清華大學 KEG（知識工程實驗室）發佈了一款名為 AMiner 的科研情報挖掘平台，用人工智能挖掘科學發展的客觀規律。這個系統覆蓋 220 個國家和地區，累計訪問量超過 1000 萬次，成為全球科研人員的重要工具。

這套系統最終在 2019 年走出實驗室，成為智譜 AI 的技術基因。

在 2026 年的開年，智譜的故事迎來高光時刻。

承載着這些技術基因的理工男，用一串數字，承諾 “終一生成就 AGI 夢想”，頂着 “全球大模型第一股” 的光環，等待着資本市場的現實檢驗。

但這注定並非一場輕鬆的加冕禮。

從發佈招股書的那一刻起，全世界第一次獲得了可以透明化、全方位審視一家大模型企業的商業模式的機會。

在高昂的算力成本壓力下，Token 的邊際成本能不能實現互聯網式的規模效應？基座大模型公司賣的到底是具備稀缺性的 “智力”，還是變相的 “算力轉售”？AI 時代的 MaaS（模型即服務）會不會陷入 SaaS（軟件即服務）曾經遇到的增長困境？巨大的研發投入和當下鉅額的虧損，何時才能轉化為正向的商業收益？

除了商業意義，智譜的身上在某種程度上也承載了中國 AI 產業的夢想，被笑稱為 “全球 AI 競賽中的 ‘中國隊長’”。智譜 AI 曾經在模型發佈節奏上緊咬 OpenAI，在模型的矩陣上，也對標 OpenAI 的佈局。OpenAI 曾在名為《Chinese Progress at the Front》的報告中明確指出，智譜在多個維度取得了顯著進展，並將智譜列為主權 AI 競爭下的核心對手。

上市是一個重要的里程碑，“不管智譜融了多少錢，拿了多少收益，其實都是通往 AGI 道路上的盤纏。” 智譜管理層在對外交流的時候，説過的這句話曾經給行業留下很深的印象。

“全球大模型第一股” 稱號加身，智譜的的基石投資陣容也十分豪華，包含北京核心國資、頭部保險資金、大型公募基金、明星私募基金和產業投資人。JSC International Investment Fund SPC、JinYi Capital Multi-Strategy Fund SPC、Perseverance Asset Management 等 11 家基石投資者合計認購 29.8 億港元。

2026 年的開年，高光和壓力之下的智譜，也正站在大模型從 “技術可用” 向 “場景好用” 轉化的關鍵臨界點，在正式敲鐘之前，智譜董事長劉德兵首次深度講述了智譜如何在未來構建一個可驗證、可持續的商業故事。

01 AGI 長跑，已經到了 L3

Q：智譜的代碼挺有意思的是 2513 ，諧音是 “AI 我一生”？

劉德兵：希望是智譜送給所有 AGI 信仰者的一個彩蛋，在 L1 到 L5 的漫長征途中，還是需要這種浪漫主義的信念的。同時，也想告訴世界，我們是長跑的選手，會把一生都投入到 “讓機器像人一樣思考，用可信賴的 AI 讓人類更美好” 的這個事業中來。

Q：從智譜的定義來看，現在 AGI 到哪個階段了？

劉德兵：我們目前正處於 L3（第三級）階段。這一階段的核心特徵是智能體（Agent）與自主學習能力的初步顯現。AI 不僅在多個領域實現了 “可用”，而且正變得越來越 “好用”。

雖然距離完全實現像人類一樣思考的 AGI 目標仍有一段距離，但我們正處在這一關鍵的躍遷過程中。

Q：智譜已經成為 “全球大模型第一股”，未來在這次大考中取得優異成績，背後最關鍵的衡量標尺有哪些？

劉德兵：IPO 這件事，我們覺得最重要的是對 “技術邏輯能否跑通商業邏輯” 的實戰檢驗。我們內部覆盤時，主要看這三個維度的表現：

第一，看收入結構和增長質量。 2024 到 2025 年，智譜的複合增長率達到了 130%。這背後其實是三條線在同時發力：雲端 MaaS、訂閲服務，以及企業本地化部署的需求都在同步釋放。

第二，看底層技術到底在什麼位置。 拿測評數據來説，在 Artificial Analysis 的榜單裏，GLM-4.7 拿到了 68 分，目前是國產模型和開源模型裏的第一，全球排在第六。

第三，看生態的實際滲透率。 2025 年我們加大了開源力度，特別是像 AutoGLM 這種核心能力的開放。目前智譜開源系列在全球的累計下載量已經超過了 6000 萬次。這個數據對我們來説，意味着模型已經真正進入了開發者的工作流裏。

未來也會持續觀測這幾個指標。

Q：行業有個半開玩笑的話，大模型的 Benchmark 已經被 “刷廢了”，除了 “刷榜”，您覺得還有什麼能看出技術的含金量？

劉德兵：但是 Benchmark 還是具有參考意義，一個好的基礎模型，Benchmark 肯定不會差。但是我們還會考慮更多綜合標準。模型在實際應用中的表現，以及能否長期處於全球開發者的第一線被選擇、被驗證，這個更重要。

Q：國際開發者對智譜的模型是怎樣的評價呢？

劉德兵：反饋還挺正向的。像代碼應用 Windsurf，雲平台 Vercel，等都接入了智譜的 GLM 模型 。 在全球大模型調用的排行榜 OpenRouter 上，國內模型裏智譜的付費調用量是排第一的 。GLM Coding Plan 才上線兩個月，全球就有超過 15 萬開發者在付錢用，一年算下來收入（ARR）已經過億了 。

Q：這是因為性價比，還是技術含金量？

劉德兵：我覺得是綜合考慮，首先技術肯定不能差，起碼要達到一線的水平，然後大家會考慮成本。對於開發者，類似於大模型領域的 “票友”，他們更看重模型能力，但是如果商用，更考慮性價比。

智譜的價格還是很有優勢的，比如和 Claude 比較，API 調用價格差不多隻有它的七分之一。

Q：在開源社區中，發佈新模型之後，獲得的是自來水流量嗎？還是有體系化的主動運營？

劉德兵：更多的還是自來水，我們不會在運營上投入太多的資源。

Q：智譜曾經在模型矩陣上全面對標 OpenAI，當時基本上是緊咬其節奏發佈新模型。未來，智譜對於中國市場的差異化路徑是如何考慮的？

劉德兵：這是一個非常關鍵的問題。在早期階段，我們確實會全面對標 OpenAI，因為目前 AGI 技術路線上，大模型仍是最前沿的範式，而 OpenAI 在這個範式中走在最前面。

但未來，我們不會在全球化與中國市場差異化之間做單選題。

中國擁有全球最複雜、最密集的真實應用場景，這決定了我們在模型安全、低幻覺率及行業適配能力方面，天然會形成不同於海外公司的技術取向。這種在複雜場景中反覆打磨出來的通用能力，可以構成我們的獨特優勢。

另一方面，大模型企業從一開始就必須具備全球視野。AGI 的本質是通用能力，基礎模型不可能只為單一市場而存在。 目前我們能以顯著低於同級別閉源模型的價格，提供接近國際一線水平的代碼生成（Coding）能力，在成本、效率和工程能力上已經具備國際競爭力。

在出海方面，主要是發起並主導了 “自主大模型國際共建聯盟”，與東盟及 “一帶一路” 沿線多個國家合作，共同建設可控的國家級 AI 基礎設施。幫助友好國家打造屬於自己的 “數字主權大模型”，目前已在多個國家落地。

Q：如何理解 “數字主權大模型”？

劉德兵：核心邏輯與我國發起的全球 AI 合作倡議一致：強調尊重各國的主權及文化價值觀，在此基礎上推動 AI 普惠全球，讓全人類共享科技革命的紅利。

在這一原則下，不僅是輸出模型，而是推動涵蓋模型、算力、數據以及應用在內的全方位解決方案，與友好國家開展深度合作。

Q：出海區域也有選擇是嗎？

劉德兵：面向全球，現在會優先考慮東盟、一帶一路這樣的合作比較緊密的國家，後續會全球推廣。

Q：我們和世界頂尖模型之間的差距是不是已經縮小？

劉德兵：最開始我們就説了，AGI 的實現是一場持久的長跑，這個領域仍存在大量技術空白。但我們會發現一個新規律：新模型層出不窮，迭代速度極快。每當一個領先模型問世，它往往只能保持短時間的優勢，很快就會有新的模型實現趕超。

目前主流 AI 公司之間的技術水平確實存在差異，但完全沒有出現那種 “甩開巨大身位、讓人完全無法追趕” 的代差 。

在這個過程中，中國大模型企業表現出色，目前已對標國際主流模型，在技術水平上並沒有巨大的差距，始終緊跟世界前沿。

當然，我們也感受到了壓力，特別是在算力、數據資源以及資金投入規模上，國外模型擁有更優越的基礎條件。但我們的優勢也很明顯，中國擁有更豐富的應用場景。

Q：這種代差的縮小，是不是也從側面證明預訓練模型的技術迭代曲線已經放緩？預訓練的巨大投入，是否還有性價比？

劉德兵：這件事其實沒有事實依據，我們看到預訓練依然能帶來顯著的性能提升，近期各頭部公司持續發佈的旗艦模型也印證了這一點。

不過，現在與 2023 年那種 “百模大戰” 式的爆發期不同，市場正在進入一個積累與分化的階段。擅長底層的公司會繼續深耕預訓練，而擅長應用的則轉向應用層，這種分化是合理的。

但是我們肯定會堅定地地持續投入預訓練。預訓練基座模型決定了智能水平的上限，長期投入的收益是明確的。同時，我們確實也在提升推理側 Scaling（推理側擴展）的優先級，模型也需要更強的 “在線推理” 和 “慢思考” 能力，從而在無監督任務或複雜環境中找到最優解。

Q： 您之前多次提到 “模型自調節參數”，您認為這屬於一個遙遠的願景，還是在近期（比如 2026 年）就有望看到初步的實現？

劉德兵：“自調節參數” 是模型演進中至關重要的一步，甚至可以被視為 L4 級智能的核心標誌。目前，很多場景的深度應用仍需要大模型公司的技術人員參與調優，才能達到理想效果。 一旦模型具備了自調節參數的能力，用户就可以在實際使用中通過不斷的交互和反饋，驅動模型自主迭代。

這種自我進化的能力將有可能引發應用的爆發式增長 。

但是現在還沒有明確的時間點，但這是智譜目前正在全力以赴攻堅的核心技術之一。

02 MaaS 在 “賣智力”，不是 “賣算力”

Q：從商業模式來看，MaaS 被看作未來智譜重要的增長極嗎？它的本質是賣算力還是賣智力？

劉德兵：肯定是，因為它是大模型商業化中邊際成本最低，規模化效應最強的一個路徑。

我認為 MaaS 本質還是賣智力，而不是算力。如果是賣算力的話，那就是以前的雲基礎架構的一個生意，它是一個重資產的回報邏輯。

MaaS 的核心價值，在於是客户付錢是為了獲取模型對複雜邏輯的理解推理或決策能力。其實這個很好理解，我覺得就像電力或水一樣。

算力更像是水電站等運營設備，而 AI 能力則是其中流動的 “水” 和 “電”。雖然兩者緊密結合，但水和電本身是獨立於基礎設施之外的核心價值 。

這就是我們的核心思考邏輯：AI 能力必須通過 MaaS 這種形式輸出到每一個終端，使它成為未來智能社會最核心的生產要素，而不僅僅是單一的算力資源。

Q：但這裏其實涉及兩個挑戰。在大模型時代，生成 Token 存在明確的算力 “硬成本”。這導致它的邊際成本遞減可能不會像傳統互聯網或軟件行業那樣顯著。這種商業模式，盈利的難度會不會更大？

劉德兵：目前大模型最核心的成本確實是算力。 但從 MaaS（模型即服務）本身的邏輯來看，它的邊際成本其實是很低的，因為它具備像 “水流” 一樣的流動性，可以實現快速且無限的複製。

對於算力成本，隨着國產算力能力的提升，算力芯片的效率不斷提高，每生成 1 個 Token 所需的算力成本正在快速下降。

還有一個更終極的思路。當模型架構趨於穩定時，我們可以針對特定模型進行專有優化，也就是我們正在推進的 “芯算一體” 工作。 通過將模型與算力芯片進行深度綁定，有可能帶來成十倍甚至上百倍的成本降低。

Q：您覺得 MaaS 會遇到 SaaS 時代同樣的挑戰嗎？比如付費習慣差、難規模化等？

劉德兵：我認為這兩個其實差異還是很大的的，核心在於，AI 時代 “AI” 會成為整個設備基礎設施，它可能會改變很多事情。

當 AI 深度介入生產生活並演變為不可或缺的基礎設施時，用户的付費意願將發生根本性的轉變。這種付費模式很有可能嵌入在具體的應用場景之中，由於業務流量巨大且深度融入日常流程，用户在付費時的 “體感” 並不會特別強烈，就好像現在你支付通話費。

過去互聯網時，當時很多 SaaS 產品更多停留在應用層面的工具性合作。雖然這些工具對用户有用，但沒有達到 “非買不可” 的剛需程度 。這導致大家更傾向於尋找免費替代品，廠商有時候不得已通過 “羊毛出在豬身上” 的模式來曲折獲利。

Q：對於企業來講，現在真的到了 “不 AI 就會落後” 的緊迫時刻了嗎？

劉德兵：其實直接看當前 AI 應用的增長數據就能感受到這種熱度。目前 AI 已經成為國家層面的核心戰略，不只是 AI 企業，各行各業都在快速考慮引入 AI。很多企業在嘗試後已經感受到了實實在在的紅利。

前兩天我關注到中國招投標網的數據，2025 年 AI 應用類的招標項目增加了 390% 左右，也就是 3.9 倍。從我們自己的 MaaS 來看，使用量也實現了 10 倍的增長 。

這是一種 “爆發式” 的態勢。

互聯網、金融和教育領域因為數字化基礎好，跑得非常快 。像能源、製造等更偏傳統的領域也開始發力，相關的應用正在變得越來越多，我們平時接觸到的實際需求也非常廣泛。

總的來説，我覺得在各個領域應用 AI 已經是一個板上釘釘的事情，而且這個進程只會越來越快。

Q：再往後發展，在沒有數字化基礎的行業，是不是智能化的進程會放慢？

劉德兵：向傳統行業滲透確實需要一個過程，但 AI 有一個非常重要的特點，它和傳統的軟件服務完全不同。

以前做軟件，你在一個行業、一個場景下開發了一套系統，想換到另一個場景，基本上得推倒重來。但 AI 最大的能力在於它的泛化性，當我們在某一個行業把模型跑通後，它的核心能力是可以跨行業遷移的。

所以，未來 AI 向傳統行業滲透的速度會比大家預想的更快。我們甚至已經在考慮更長遠的 “無人產業”，比如無人農業、深海探礦等。這些高風險或高重複性的領域，正是 AI 可以大顯身手、發揮核心價值的地方。

Q：對成本比較敏感的小規模企業，付費意願和付費的決策成本會不會更高？

劉德兵：其實對於成本敏感的企業，如果從從長遠來講，它更應該會關注 AI，因為 AI 最重要的一個特色就是讓生產生活的效率提升，它和轉換一句話説就是降成本。

深度改變行業要投入很多研發成本，但是如果你想在自己的場景中去用，很多時候用一些開源模型，簡單的適配，就有可能產生很好的效果。

Q：那應該選擇開源模型還是直接選擇 MaaS 呢？

劉德兵：其實各有優勢。選擇開源模型，最大的好處在於可以進行自主迭代。如果某些開源模型與特定業務場景的適配度很高，企業可以直接部署並進行二次開發。

使用 MaaS 平台主要是能隨時享受到技術高速迭代帶來的紅利 。每當發佈新的旗艦模型，都會第一時間接入平台。有些過去在舊模型上表現不夠理想的業務點，往往在切換到新模型後，效果會立竿見影地變好。

Q：目前產業級的本地化合作的收入佔比更高，未來一年可以看到 MaaS 的爆發嗎？

劉德兵：產業級的合作，本身能夠帶來比較大的現金流，和以前的軟件定製不太一樣的地方，剛才也提過 “通用性”。 我可以在一個場景在一個行業做通，就可以在這個行業裏規模化去用，那它帶來的增益是非常非常大的。

另外，我們也會覺得 AI 作為未來基礎設施，它不只是像 C 端那種方式去服務我們的生活日常辦公這樣的一些需求。

它還有一個很大的作用是在於對我們的生產製造環節都能產生影響，那這個時候其實是需要進入到行業中的，我認為這也是很重要的一個方向。

目前而言，我們從商業收入上來講，其實產業端的更大一些。MaaS 現在定價其實比較低，先把量漲上去，讓更多的人來用，但是 MaaS 的增長是非常非常快的。

Q：未來收入的結構是否會變成 MaaS 佔比更高？

劉德兵：從公司本身的發展原則上來講，這兩塊目前是並重的。從趨勢來講，MaaS 的增長非常非常快，未來完全有可能到超過本地化，佔比超過 50% 甚至更多。

Q：“本地化” 模式是未來走向規模化增長的必經之路，還是説它只是現階段為了獲取營收和現金流，而不得不走的一段 “彎路”？

劉德兵：我認為這兩者都有。首先，本地化項目具有極高的實踐價值，像金融、電力、政務等行業，對大模型的要求都是最高，不僅要在理解推理和穩定性上要過關，而且必須滿足安全合規，然後以及可審計、低幻覺等一些硬性要求。

當這個模型能夠在這些行業中被反覆驗證的時候，本質上就完成了對通用能力的一個高強度的訓練，然後通過我們解決複雜的業務流的執行難題，也能夠進一步的實現海量終端的普及，帶動開發者的規模化的使用。

更重要的是，本地化與規模化之間存在一個正向的迭代循環：通過本地化應用的深度驗證，我們收集到的真實用户反饋能有效驅動 MaaS（模型即服務）平台及底層基座模型的能力演進。

隨着模型能力的增強，它對不同場景的適配和適應能力也會隨之提升。

當這種迭代持續進行，原本需要重度定製的需求會逐漸變得標準化，研發難度和成本也會隨之大大降低。所以，本地化並不是一段孤立的 “彎路”。

03 模型即產品，智力水平是衡量模型能力的核心指標

Q：以前大家常詬病通用大模型存在同質化問題，但經過這一年的發展，我們看到各家模型已經開始分化出辨識度很高的特點。從智譜的視角來看，未來大模型的產品力主要體現在哪些方面？

劉德兵：我們一直認為 “模型即產品”，目標是讓通用模型能夠適應各種複雜的應用場景 。在這一過程中，衡量模型能力提升的核心指標，始終是智力水平的進化 。

這種智力水平的提升，具體體現在模型對人類意圖的深度理解、對複雜場景的精準感知，以及在執行任務時與環境進行高效交互的能力，這些構成了通用模型的核心競爭力 。

在這一核心能力之上，我們認為將通用模型與具體行業、或是具備規模化潛力的應用場景相結合，是極具價值的方向。通過在特定領域內進行必要的約束與針對性優化，可以讓大模型在實際應用中達到更理想的效果 。

Q：您如何看待大模型公司鉅額虧損的爭議？

劉德兵：虧損主要原因在於鉅額的研發投入和購買算力服務。智譜招股書裏面也有詳細的數據披露，拿 2025 年上半年來説，研發投入為 15.947 億，報告期內累計研發投入約 44 億。研發投入主要用於購買算力，在研發投入的佔比為 71.8%。

但這也是行業常態，國內上市互聯網廠商 2025 年上半年，資本開支也是維持同比高增趨勢，比如，阿里未來三年計劃投入超 3800 億元用於雲和 AI 硬件基礎設施，總額超過去十年總和。

所以，算力成本是戰略性虧損的主要原因之一。但是算力成本是持續下降的，這也是大勢所趨。

Q：現在整個產業的 “AI 濃度” 到了什麼程度？從中國市場看，未來的增長斜率是否依然陡峭？

劉德兵：我們認為產業界正處於從量變到質變的 “臨界點”。如果只把大模型看作一次技術浪潮，它會有巔峯和低谷；但如果視其為一場技術革命，它將開闢前所未有的新空間與新市場。我們堅信 2026 年是 AGI 發展的關鍵一年，後續 AI 的發展會更快，產業中不僅 AI 濃度會持續增加，還會湧現出大量 AI 原生的新應用。

Q：大模型從 “可用” 到 “好用”，2026 年需要攻堅哪些技術難點？

劉德兵：推動模型從 L3 向 L4 進化，提升模型意圖理解能力、自我調整能力，並實現在應用中的自我迭代。在基座模型迭代的同時，通過應用層直接做優化。例如增加知識庫、設定業務邏輯等，讓智能體在特定場景下率先 “好用” 起來。

Q：前一段時間，智譜的 Auto GLM 開源也引起了一波關注，從端側來看，手機會是最先爆發的場景嗎？未來是否會推出硬件設備？

劉德兵：AutoGLM 的開源確實為開發者提供了很大的自由度。他們現在可以在本地部署，完全掌握自己的數據和流程，也可以在雲端即開即用。可以根據具體場景進行二次開發，深度融合到自有的產品中，做出真正能 “動手” 執行任務的助理。

端側模型離客户和場景更近，是讓 AI 具象化的重要方式。智譜也是國內最早佈局端側模型的大模型廠商之一。

我認為手機、智能汽車、智能家居和智能辦公等場景，只要加上 Agent（智能體），都有爆發的可能。至於哪個領域最先爆發，這帶有 “實驗科學” 的色彩。這一輪 AI 的發展不能只靠理論推導，更看重實際執行。只要方向靠譜，投入足夠的資源和人才去攻堅，就有可能實現突破；反之，如果投入不足或淺嘗輒止，再好的機會也可能錯過 。

我們的核心戰略始終是定義並提升模型的智能上限 。目前的定位非常明確：我們主要作為底層的技術賦能者，通過與終端硬件廠商合作，將我們的模型能力注入其產品中，從而產生更好的應用效果。我們更傾向於賦能合作伙伴，而不是自己去做硬件終端。

Q：大模型領域人才稀缺，智譜最看重哪類人才？

劉德兵：我認同對大模型企業而言，真正決定上限的不是團隊規模，而是人才密度。

智譜目前比較看重三類能力的結合：原創能力： 能在算法架構層面提出新範式。工程能力： 能將前沿模型穩定、高效地部署到真實複雜的場景中。技術信仰： 具備長期主義，願意圍繞 AGI 這一長遠目標持續投入。

Q：會擔心人才流失嗎？全球大廠都在 “高價” 招徠人才。

劉德兵：頂尖人才的競爭一直存在，但智譜核心團隊的穩定性非常高。我們一直覺得留住人才不能靠薪酬，智譜有很純粹的氛圍，團隊的基因是清華知識工程實驗室，一直有一種自由、求真、去層級化的探索氛圍。

另外，肯定也有利益共享的機制，比如極具競爭力的薪酬和完善的長期股權激勵計劃。

還有為研發人員提供了充足的算力支持，以及從實驗室到用户的完整反饋閉環。科學家在這裏擁有極高的前沿技術探索權，能夠接觸到最全棧的技術體系。

Q：五年後，當大家提到智譜的代號 “2513” 時，您希望人們想到什麼？

劉德兵：我們希望 “2513” 成為 AI 時代普惠智能的代名詞。它不只是一個股票代碼，更是一個能夠自我進化、充滿人文温度的 AGI 體系。我們希望五年後，複雜的智力不再是少數人的特權，而是每個人都觸手可及的權利。

大家想到 2513，就能想到這是代表中國力量、邁向 AGI 未來的原創技術公司 。

風險提示及免責條款

市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。