导语:一家以中国政企客户为主要收入泉源的AI公司,,为什么能在这样一场全球AI清静事务中成为“救火队长”??
王剑/作者 砺石商业谈论/出品
2026年7月,,全球最大的人工智能开源社区Hugging Face(海内网友戏称为“抱抱脸”)突然宣布了一则清静通告,,称自己遭遇了一次特殊的“入侵”。。。。
令Hugging Face尴尬的是,,这次闯进生产系统的不是古板意义上的黑客,,而是一个由OpenAI模子驱动的自主智能体。。。。
这个智能体原本在执行内部网络清静测试,,却突破隔离情形,,进入互联网,,直接在Hugging Face留下了凌驾1.7万条操作纪录。。。。
Hugging Face曾试图挪用美国商业大模子协助视察,,但日志里的恶意代码和攻击指令触发了对方的清静护栏,,剖析被迫中止。。。。
最终,,清静团队转而使用内部安排的中国智谱AI的模子GLM-5.2,,才得以在几小时内完成原本需要数天的日志剖析事情。。。。
一家以中国政企客户为主要收入泉源的AI公司,,为什么能在这样一场全球AI清静事务中成为“救火队长”??
这事,,得从二十年前清华校园里一个免费的学术搜索工具讲起。。。。
一套免费学术搜索,,怎样生长为一门大生意
2006年,,唐杰从清华大学盘算机系博士结业后,,选择留校。。。。
他本科读的是自动化,,厥后由于喜欢编程转到了盘算机,,读博时代又扎进了语义网络和数据挖掘。。。。
正是跨领域的积累,,让他始终在思索一个问题:能不可顺着论文、作者和学术关系这张网,,挖出相关科研活动背后的纪律??
彼时,,论文大多是散落在网上的一份份伶仃文档。。。。某位学者和谁相助过、一项手艺从那里兴起、哪些人又在影响这个领域,,通过通俗搜索引擎基础看不出来,,使得许多研究既重复,,又缺乏相关的理论和实践支持。。。。
于是,,唐杰带着助手最先系统性地网络论文、作者、机构、专利和引用关系,,再通过算法把这些碎片拼接成一张知识网络,,最终在清华实验室研发出了Aminer。。。。
外貌上看AMiner只是一个搜索框,,可用户输入研究偏向后,,看到的就不但是论文列表,,而是可以顺着作者、机构和引用链条,,发明谁在研究、谁和谁恒久相助、某个手艺热门最早是从哪冒出来的。。。。
这正是唐杰真正想做的事,,通过算法将那些在通俗搜索看不见的关系征采并关联起来。。。。而这套厥后被称为“科技情报”的能力,,也成了智谱最早的手艺基础,,支持着他们从海量质料里找出关系,,再把效果酿成人人可以直接用的谜底。。。。
由于AMiner上线后实验免费开放,,几年内就传遍海内各大高校和研究机构,,甚至延伸到了外洋。。。。但会见量暴涨的同时,,服务器和维护本钱也随着水涨船高。。。。
这也使得很长一段时间里,,唐杰天天泡在代码里修修补补,,甚至还专门雇了一名工程师维持系统运转。。。。
可随着免用度户源源一直地涌进来,,看着一直上涨的开支,,唐杰一度想将AMiner关闭得了。。。。
转机来自一次外洋交流。。。。外洋偕行告诉唐杰,,AMiner帮他们省下了大宗寻找论文和偕行的时间。。。。这些话让他深受鼓舞,,以为这事值得继续做下去。。。。
用户虽然离不开AMiner,,但运营依然离不开资金。。。。
幸亏,,很快就有人来谈相助了。。。。最早找上门的是带着科研项目的研究者,,需要从海量论文作者中筛出合适的评审专家;;紧接着是一些地方政府,,想借助AMiner判断手艺趋势;;尚有企业,,想通过着论文和专利去找相助同伴。。。。
于是,,唐杰将AMiner开发出了免费版和收费版,,前者继续服务通俗用户,,后者则针对政府、科研机构和科技公司,,提供更为深度和专业的信息情报。。。。
数年间,,一套服务学者的免费工具,,逐渐生长为一门面向机构客户的生意,,并组建出更为成熟的团队。。。。
张鹏就是在这段时间加入AMiner团队的。。。。他1998年考入清华盘算机系,,从本科、硕士一起读到博士,,结业后留校事情。。。。
与他同期搜集而来的尚有其他几位首创人。。。。李涓子和许斌恒久深耕知识图谱、语义盘算与科技情报;;刘德兵从中科院盘算所博士结业后,,曾在Technicolor中国研究院任职,,随后进入清华;;王绍兰则带着多年的科技企业谋划履历加入。。。。
2019年6月,,AMiner从清华实验室正式拆分,,智谱AI建设。。。。唐杰、刘德兵、张鹏、李涓子、许斌和王绍兰六人成为焦点首创团队。。。。
公司建设后,,分工很快明确下来。。。。张鹏认真系统研发和工程落地,,把实验室里的算法酿成客户能恒久使用的产品;;李涓子和许斌将知识图谱研究补进手艺底座;;融资、资源分配和谋划决议则由刘德兵与王绍兰担起来。。。。
此时智谱虽然已经最先盈利,,但实质上仍然是一款学术搜索引擎,,跟其时刚刚崭露头角的大模子还不是统一个物种。。。。
但GPT-3的泛起,,照旧让团队最先认真思索一个问题:能不可把已往十多年的积累压缩成一套通用大模子,,将疏散在搜索、问答、翻译和代码里的能力所有收拢进来??
但问题是,,相比那条已经在赚钱的赛道,,大模子在其时充满了不确定性。。。。是否替换偏向,,去赌一件本钱极高、效果未知的事,,成为公司建设后的第一道大题。。。。
为什么偏偏选择最难的路
经由一再讨论,,智谱照旧选择了改变偏向。。。。
而促使他们下定刻意的是,,ChatGPT带来的重大攻击。。。。团队意识到,,那种每换一个行业就重做一遍算法的旧生意,,随时都可能被某个通用大模子彻底终结。。。。
在已往模式下,,人脸识别装进安防系统是一套算法,,知识图谱嵌入政务软件又是另一套,,场景一换,,产品和算法全得重来。。。。
而大模子则展示了另一种可能。。。。只要模子足够大、训练数据足够多,,一套系统就可能同时处理问答、写作、翻译和代码等差别使命。。。。这意味着,,已往需要为每个场景训练一套模子的做法,,第一次可能被通用模子替换。。。。
对刚建设一年的智谱来说,,这是一个既诱人又危险的偏向。。。。
由于AMiner已经能够爆发收入,,继续做知识服务,,手艺与客户都在熟悉规模内。。。。而训练通用大模子则要重新搭建算法、购置算力、招募人才,,投入远远凌驾一家首创公司的遭受能力。。。。
更贫困的是,,GPT、BERT和T5等主流框架全都捏在外洋团队手里。。。。沿用现成的,,本钱低、收效快;;若是选择从底层另起炉灶,,可能花上几年,,最后照旧追不上敌手。。。。
最终,,智谱选择了后一条路。。。。
凭证讨论,,团队把差别预训练要领的优势整合起来,,开发出自己的通用语言模子框架——GLM。。。。通俗点说,,GPT主要学的是凭证前文续写,,而GLM还要明确被遮住的上下文,,在续写、填空和语义明确之间找到一套统一的方案。。。。
这个决议也重新划分了首创团队的角色。。。。
六人中,,唐杰把控手艺偏向,,张鹏认真将研究效果酿成能训练、能安排、能交付的工程系统,,刘德兵担当董事长,,统筹战略、资源和整体治理。。。。
可以说,,智谱的决议从一最先就不是由某个首创人宣布,,而是由这群恒久磨合的研究者和工程职员配合推动。。。。
2021年,,智谱宣布了百亿参数模子GLM-10B。。。。第二年,,团队决议把参数目拉到1300亿。。。。
规模扩大了十几倍,,训练难度却远不止翻十几倍。。。。
整整两个月的训练里,,硬件不但随机宕机,,模子也会毫无征兆地瓦解,,显存也总是在意想不到的地方被耗。。。。馗吹魇院笪侍庖材岩曰竦媒饩。。。。
甚至许多时间,,由于训练突然中止,,团队连上一次生涯的检查点都恢复不了,,只能排查数据和代码后重新再来。。。。
这些故障永远不会泛起在宣布会的大屏幕上,,但却磨练出一家公司是否真的具备训练大模子的能力。。。。
2022年,,GLM-130B正式完成训练并向全球开发者开放。。。。为了让这个千亿参数模子真正能被用起来,,团队还想方想法让它在设置受限的GPU服务器上跑通了推理。。。。
开放权重、降低安排门槛,,也从这一刻起成为了智谱手艺蹊径的一部分。。。。
同年,,智谱又推出了代码模子CodeGeeX。。。。和其他应用场景差别,,代码天生的效果可以直接跑出来验证,,不但效率高还能精准权衡,,很早就被公司纳入到了产品矩阵。。。。
但那时的CodeGeeX还只是一款开发辅助工具,,远谈不上公司的商业解法。。。。真正让GLM走出科研圈、走进通俗人电脑的,,是2023年3月宣布的ChatGLM-6B。。。。
这是一个经由压缩的开源模子,,参数目不算最大,,一张消耗级显卡即可在外地运行。。。。关于其时刚刚接触大模子的中国开发者来说,,不需要等外洋接口,,也不必租腾贵服务器,,一台装着3090或4090的电脑就能挪用。。。。
使用门槛一降,,大宗中文笔直模子、个人实验和企业原型如雨后春笋般涌现。。。??擅夥芽锤瞧状戳酥卮蟮目⒄呷禾澹舶袵LM送进了更多企业的测试情形,,问题也随之而来。。。。模子可以免费下载,,可每次训练消耗的芯片、电力和工程师的时间都是重大本钱。。。。
于是,,转型后的智谱又遇到新的问题:怎样用一套开放模子,,来养活一家大模子公司。。。。
四年亏掉86亿元,,智谱怎么留在牌桌上
对智谱来说,,免费依然是屡试不爽的战略——先让模子开源,,开发者用起来,,再把其中需要外地安排的机构客户转化为付费项目。。。。
这着实也藏着当初智谱坚持重新开发模子的主要原因。。。。
关于银行、运营商、政府部分和大型制造企业来说,,平时使用大模子,,出于清静思量,,通常不会随意翻开一个公共网页。。。。
并且,,由于内部文件不可随意传出,,数据也不可脱离机房,,所有模子必需安排在外地,,再接进已有的营业系统。。。。
这种体制的需求和消耗级产品完全差别。。。。
这意味着,,智谱早年服务于科研机构和大企业的政务客户履历,,恰恰在大模子时代成为了独家优势。。。。
因此,,自动找上门的企事业单位络绎一直。。。。和其他大模子公司相比,,智谱AI在处理这类需求时,,格外清晰怎样服务这些需求奇异的机构。。。。
最直接的例子是2024年与邮储银行的相助。。。。智谱将经由微调的ChatGLM接入银行反洗钱系统,,读取生意流水、客户身份和账户信息,,提取异常特征并天生报告初稿,,再交由甄别职员复核。。。。整个历程中,,模子既嵌入了银行原有的风控流程,,又始终留在客户自己的情形里。。。。
而外地化安排也由此成为智谱最主要的收入泉源。。。。2025年,,公司实现营收7.24亿元,,其中约5.34亿元来自外地化安排,,占比73.7%。。。。
这意味着,,智谱每收到10元钱,,凌驾7元来自需要进入客户现场的项目。。。。
可对智谱来说,,来自体制内的条约虽然单笔金额大、利润高,,但做一单是一单,,很难批量复制。。。。由于其中的每个客户都得单独接待和服务,,收入增添基本取决于能同时接几多个项目。。。。
相比之下,,面向公共的云端模子服务看起来更容易做大——客户按次付费,,用量越多收入越多。。。??晌侍庠谟冢馓趼纷氖恰氨±嘞钡那D诔桃恢痹诖蚣矍剑ゴ闻灿玫睦笠丫谎沟搅思。。。。
更贫困的是,,收入虽然一直在增添,,需要支付的本钱也在直线飙升。。。。
2022年至2025年,,智谱四年累计净亏损约86.08亿元,,平均一天靠近590万元。。。。仅2025年,,研发投入就抵达31.8亿元,,而昔时收入只有7.24亿元。。。。这意味着,,公司每进账1元,,对应的研发支出就凌驾4元。。。。
整个研发用度里最大的一块,,依然是算力。。。。2024年,,智谱为了买算力花了15.53亿元,,靠近昔时3.12亿元收入的五倍。。。。
没步伐,,服务器一旦最先训练就得一连跑数周,,中途若出故障,,已经烧掉的芯片时间和工程师工时都收不回来。。。。
这也诠释了智谱为什么没有加入2024年大模子行业最强烈的投流大战。。。。
其时,,多家公司投入大宗营销用度争取谈天机械人用户。。。。智谱内部也讨论过是否跟进,,最后照旧将有限的资金继续投向模子。。。。
刘德兵厥后认可,,也是由于资金缺乏,,智谱虽然也较早看到了手机智能体和“芯算一体”的偏向,,但也只能忍痛放弃。。。。
这着实也映射出海内许多自力大模子公司的尴尬处境。。。。
面临泯灭重大的研发和算力本钱,,互联网巨头还可以用广告、电商、云盘算等营业来津贴,,而智谱这样的企业只能靠融资和正在增添的模子收入委屈维持运营。。。。
想要继续留在牌桌上,,智谱比已往任何时间都需要资源。。。。而随着大模子烧钱的速率越来越快,,一级市场已经很难单独撑住。。。。
于是,,智谱向港交所正式递交了上市申请。。。。
山顶还没望见,,“买路钱”却不可断
2026年1月8日,,智谱以每股116.2港元上岸港交所,,成为全球首家以通用大模子为主营营业的上市公司。。。。
果真市场给出的价钱为43.5亿港元,,折合人民币约38.6亿元。。。。
钱看着不少,,可现实还不到智谱已往四年累计亏损的一半。。。。凭证公司现在的研发强度,,这笔资金更像下一段路的“盘缠”,,还远不到可以停下来数钱的时间。。。。
上市也给智谱抛出了新的考题。。。。
在一级市。。。。蹲嗜丝梢杂梦迥晟踔潦昶诖忠斩蚁。。。??傻搅斯媸谐。。。。啥焯於寄芸吹焦杉郏扛霾票径家匦屡趟闶杖搿⒚⒖魉鸷拖纸鹣。。。。
而大模子行业手艺迭代极快,,模子榜单上一次领先能推高估值,,竞争敌手宣布一个更强的模子,,都会迅速改变市场预期。。。。
这也是为何智谱上市后的半年里,,股价一度冲到万亿港元市值周围,,随后又在股份解禁、配售以及Kimi K3宣布等多重因素作用下大幅回落的原因。。。。阻止最近时点,,智谱公司的市值为4560亿人民币,,缺乏岑岭时期的5成。。。。
而市场用脚投票,,实质是在问统一个问题:手艺还在前进,,但何时能酿成稳固的收入??
智谱给出的阶段性谜底是:代码。。。。
CodeGeeX早在2022年就已推出,,可直到智能体最先执行重大使命阶段,,它的商业价值才真正展现。。。。
原因在于,,当模子能够明确更长、更重大的指令时,,代码天生就不再只是补全一行代码,,而是可以自力完成一整块功效的开发??。。。。
一旦模子的产出变得可量化、可验收,,企业就能把代码天生的效果折算成详细数字,,好比挪用了几多次、通过了一再测试、省下了几多开发和返工时间。。。。只有算得清账,,企业才愿意真金白银地为其付费。。。。
而相比每个客户都要重新安排交付的项目,,代码挪用更靠近可以重复出售的标准服务,,也更能施展智谱在外地化安排和工程落地上的积累。。。。
因此,,当智谱把更多研发实力转向代码和智能体后,,GLM的挪用量随之增添,,这门早年埋下的营业终于酿成了潜力重大的生意。。。。
可唐杰对智谱的妄想,,并没有停在代码天生上。。。。
2026年7月11日,,他在内部信《巨浪已来》中明确提出了为期两年的“摸高”妄想,,希望未来的模子接下一连数周甚至数月的使命后,,能自己拆解方法、挪用工具、检查效果,,并在更少人工干预的情形下完成事情。。。。
在这个设想里,,代码只是智能体可以挪用的一件工具,,但智谱想做的,,仍然是能够自力处理更长使命的通用模子。。。。
可使命越长,,消耗的算力越多,,对数据清静和系统稳固性的要求也越高。。。。这意味着,,代码天生刚刚让商业化变得清晰一些,,智谱又把自己拽回了投入更重的手艺蹊径。。。。
事实上,,唐杰这种“看不到山顶就停不下来”的状态,,早在做AMiner时就泛起过。。。。其时平台的主要算法在2007年前后已经能够运行,,他却一连打磨了8年,,直到2015年才以为取得阶段性效果。。。。
他自己也将这种研究态度概括为:科研像爬山,,不登顶就是失败。。。。
但实验室里的爬山,,研究者可以自己决议往哪走、走多快。。。。成为上市公司以后,,智谱每向上一步,,都得有人替算力、工程师和下一轮训练买单。。。。山顶还没望见,,“买路钱”却不可断。。。。
之前Hugging Face的清静事务,,不但给智谱的GLM-5.2带来了一场现实磨练,,也顺带成了一次极有说服力的果真背书。。。。
这背后,,是AMiner时代的信息处理能力、GLM时代的开放蹊径,,以及政企市场磨出来的工程履历,,在这一刻汇到了一起。。。。
但仅仅一次的漂亮使命,,还缺乏以组成壁垒。。。。在手艺日趋成熟的今天,,任何模子能力都可能在几个月内被追平,,客户也会转向更自制、更好用的产品。。。。
关于智谱来说,,只有把这些无意泛起的手艺高光酿成能够重复收费的产品,,才华维持继续登顶的“买路钱”。。。。
从AMiner到GLM-5.2,,智谱走了二十年。。。。团队从处理学术论文起步,,一起走进大模子竞争,,并在Hugging Face的清静事务里,,完成了一项商业闭源模子没能接下的使命。。。。
接下来,,智谱还会继续向AGI推进。。。。但想继续登顶,,依然得先过客户和现金流这关。。。。