砺石商业评论 | 出品
2026 年 7 月，全球最大人工智能开源社区 Hugging Face 发布安全通告，称遭遇特殊“入侵”。此次闯入生产系统的并非传统黑客，而是一个由 OpenAI 模型驱动的自主智能体。该智能体在执行内部测试时突破隔离环境，留下了超过 1.7 万条操作记录。
Hugging Face 曾尝试调用美国商业大模型协助调查，但因日志中包含恶意代码触发安全护栏而被迫中断。最终，团队转而使用内部部署的中国智谱 AI 模型 GLM-5.2，在数小时内完成了原本需数天的日志分析工作。
一家以中国政企客户为主要收入来源的 AI 公司，为何能在此类全球性安全事件中脱颖而出？这要从二十年前清华校园里的一个免费学术搜索工具说起。
一套免费学术搜索，如何成长为一门大生意
2006 年，清华大学计算机系博士唐杰留校任教。跨领域的学术背景让他开始思考：能否通过论文、作者和学术关系网络，挖掘科研活动背后的规律？当时，学术论文多为孤立文档，普通搜索引擎无法呈现学者合作、技术起源及领域影响等深层关系，导致大量研究重复且缺乏支撑。
唐杰团队系统收集论文、作者、机构及引用数据，利用算法构建知识网络，研发出 AMiner。用户输入研究方向后，不仅能获取论文列表，更能顺藤摸瓜发现核心研究者、长期合作伙伴及技术热点源头。
这种被称为“科技情报”的能力，成为智谱最早的技术基石。AMiner 上线后免费开放，迅速覆盖国内外高校及研究机构。然而，访问量激增导致服务器与维护成本高昂，唐杰一度考虑关闭项目。直到海外同行反馈 AMiner 极大提升了科研效率，才坚定了他继续运营的决心。
随着用户需求深化，科研机构、地方政府及企业纷纷寻求合作，希望利用 AMiner 筛选评审专家、判断技术趋势或寻找合作伙伴。唐杰随即推出免费版与收费版，前者服务大众，后者为机构提供深度情报。这套学术工具逐渐演变为面向政企的成熟生意。
期间，张鹏、李涓子、许斌、刘德兵、王绍兰等核心成员加入。2019 年 6 月，AMiner 正式从清华实验室拆分，智谱 AI 成立。团队分工明确：张鹏负责工程落地，李涓子与许斌夯实知识图谱底座，刘德兵与王绍兰统筹经营决策。
尽管当时智谱已实现盈利，但本质仍是学术搜索引擎。GPT-3 的出现促使团队思考：能否将十余年的积累压缩为通用大模型，统合搜索、问答、翻译及代码能力？面对高成本与不确定性，是否转型成为公司成立后的首道难题。
为什么偏偏选择最难的路
经过深思熟虑，智谱决定转型。ChatGPT 带来的冲击让团队意识到，针对单一场景定制算法的旧模式终将被通用大模型取代。大模型展示了用一套系统处理多任务的潜力，这既是机遇也是挑战。
对于初创的智谱而言，延续知识服务业务虽稳妥，但训练通用大模型需重建算法、购置算力并招募人才，投入巨大。此外，主流框架多由海外团队掌控，沿用现成方案虽快但缺乏自主权，自研底层架构则耗时漫长且风险极高。最终，智谱选择了自研之路。
团队整合不同预训练方法优势，开发出通用语言模型框架 GLM。与 GPT 仅学习续写不同，GLM 还能理解被遮蔽的上下文，在续写、填空和语义理解间找到统一方案。这一决策也重塑了团队角色：唐杰把控技术方向，张鹏负责工程系统，刘德兵统筹战略管理。
2021 年，智谱发布百亿参数模型 GLM-10B；次年将参数量提升至 1300 亿。训练过程极具挑战，硬件宕机、模型崩溃、显存耗尽等问题频发，甚至常因中断而不得不从头再来。这些幕后艰辛考验着公司的真实技术实力。
2022 年，GLM-130B 完成训练并向全球开放。团队通过优化使其能在配置受限的 GPU 服务器上运行，确立了“开放权重、降低门槛”的技术路线。同年推出的代码模型 CodeGeeX，因效果可量化验证，被纳入产品矩阵。
真正让 GLM 走向大众的，是 2023 年发布的 ChatGLM-6B。这款开源模型可在消费级显卡上本地运行，极大降低了中国开发者的使用门槛。然而，免费开源虽带来了庞大开发者群体，却也带来了巨大的芯片、电力及人力成本。如何用开放模型养活一家大模型公司，成为新的课题。
四年亏掉 86 亿元，智谱怎么留在牌桌上
智谱延续了“先开源、后转化”的策略：通过开源模型吸引开发者，再将需要本地部署的机构客户转化为付费项目。这一策略的成功，源于智谱早年服务政企客户的经验。
银行、运营商及政府部门出于数据安全考虑，通常要求模型本地化部署，严禁数据出域。智谱深谙此类需求，能够为客户提供嵌入现有业务系统的本地化解决方案。2024 年，智谱与邮储银行合作，将微调后的 ChatGLM 接入反洗钱系统，在保障数据不出域的前提下提升风控效率。
本地化部署成为智谱的核心收入来源。2025 年，公司营收 7.24 亿元，其中约 5.34 亿元来自本地部署，占比逾七成。然而，此类项目难以批量复制，收入增长受限于同时承接的项目数量。相比之下，云端模型服务虽易规模化，但国内价格战激烈，利润微薄。
更严峻的是成本高企。2022 年至 2025 年，智谱累计净亏损约 86.08 亿元，日均亏损近 590 万元。2025 年研发投入达 31.8 亿元，是当年收入的 four 倍有余，其中算力支出占据大头。高昂的训练成本迫使智谱放弃了 2024 年的营销大战，也使其错失了手机智能体等新兴方向的机会。
相比互联网巨头可用其他业务补贴 AI 投入，独立大模型公司只能依赖融资与模型收入维持运营。面对日益加剧的资金压力，智谱向港交所递交了上市申请。
山顶还没看见，“买路钱”却不能断
2026 年 1 月 8 日，智谱登陆港交所，成为全球首家以通用大模型为主营业务的上市公司，募资约 38.6 亿元人民币。这笔资金虽巨，却不足过去四年亏损的一半，仅是下一阶段的“盘缠”。
上市带来了新的考验。公开市场要求财报透明，而大模型行业技术迭代极快，竞争格局瞬息万变。智谱股价在经历初期冲高后，受解禁、配售及竞品发布等因素影响大幅回落，市值较高峰时期缩水过半。市场关注的焦点始终在于：技术进步何时能转化为稳定收入？
智谱给出的答案是深耕代码与智能体。随着模型理解长指令能力的提升，CodeGeeX 从简单的代码补全进化为能独立完成功能模块开发的工具。这种可量化、可验收的服务更接近标准化产品，能有效发挥智谱在工程落地上的优势。
2026 年 7 月，创始人唐杰在内部信中提出为期两年的“摸高”计划，旨在打造能自主拆解步骤、调用工具并完成长周期任务的通用模型。这意味着智谱将继续加大在算力和稳定性上的投入，走一条更重的技术路线。
唐杰将科研比作登山，“不登顶就是失败”。但在成为上市公司后，每一步攀登都需要真金白银的支撑。Hugging Face 安全事件的成功处置，证明了智谱在信息处理、开放路线及工程经验上的综合优势，但这单次的高光时刻不足以构成护城河。
从 AMiner 到 GLM-5.2，智谱走过二十年。未来，团队将继续向 AGI 迈进，但在此之前，必须跨过客户认可与现金流平衡这两道关卡，确保持续登顶的“买路钱”源源不断。