在AI最熱的這幾年裏，一個特殊的現象是：越靠近「技術底座」的公司，越難講清自己值多少錢。

海外市場上，一邊是OpenAI、Anthropic估值一路抬升，另一邊，是全球資本市場開始對「大模型、算力、應用股」做第一輪「講故事到看兌現」的估值模型調整——從根據預期不斷上漲，到按現金流和商業模式重新定價。

在中國，以智譜、Kimi為代表的國產廠商走出了「低成本高性能」的技術路線，讓市場意識到AI不必等同於「燒錢換想象」。更重要的是，它們不僅把大模型的使用門檻打下來了，也在全球市場上拿到了越來越多領先的硬指標，在權威排行榜上對齊甚至反超海外頭部閉源模型。

但與此同時，很多真正做「基座模型」的公司，估值反而不如一部分講應用故事的創業公司。

尤其是隨着被譽為「中國版Open AI」的智譜等基座模型廠商，以及以「多模態AI應用」見長MiniMax為代表的應用模型廠商離上市越來越近，一個迫切需要解決的問題擺在投資人面前：

「模型公司到底是什麼生意，究竟應該怎麼定價？」

01

中國基座大模型的幾條主線：

大廠、應用廠牌與基座模型

如果把中國大模型生態拆開看，主線大致可以分成三類：大廠路線、應用創業公司、和像智譜這樣的基座模型公司。

第一條是大廠路線：雲、算力與一體化平臺。

阿里、百度、騰訊、字節等互聯網巨頭，普遍選擇「雲+大模型+生態」的一體化路徑：一端承接龐大的雲業務和算力基礎設施，一端把模型能力嵌入搜索、內容、辦公、廣告、電商等既有產品矩陣。優勢顯而易見——資源重、觸點多、客戶基礎紮實。

但這種路徑也有結構性約束：

一是節奏相對慢，很多技術決策要為既有業務讓路；二是創新激勵天然更偏短期業務KPI，而非為一次「豪賭式」的原始創新買單。回頭看這輪AI週期，無論是GPT系，還是海外另一家頭部閉源模型，率先做出技術範式突破的，基本都是不依附雲業務的獨立公司，這不是偶然。

第二條是應用創業公司。

這一類以大量AI辦公、AI創作、AI陪伴工具為代表，典型做法是：先打爆一個單點產品，用用戶增長和現金流反向倒逼底層模型能力迭代。

好處是：路徑直觀、驗證速度快、離收入近。但問題在於，大部分應用，本質上是從基礎模型主線上延展出的「過渡產品」。

一旦底層模型能力出現躍遷，過去建立在舊能力之上的應用，很容易被新模型「順手解決」。用戶不用遷移場景，只需要換一個入口——從某個垂直應用，遷到具備更強通用能力的「系統級助手」上即可。

過去中美市場上，已經不止一次出現這樣的例子：GPT-4發佈後，基於GPT-3.5的Jasper、Character AI等應用快速衰落；Sora推出後，一批文生圖創業公司一夜失寵。

這些文案工具、對話陪伴產品，在新一代模型發佈後很快失去競爭力，一夜之間從「熱門創業」變成「功能被系統自帶」。

換句話說，很多應用公司在享受「靠近現金流」的同時，對底層模型的可控性有限，承擔着更高的被迭代風險。

第三條，則是最難被理解的基座模型公司。

在國內，這一類公司的特點是：

一端，要擁有原創的大模型架構，直接對標OpenAI、Anthropic這類「基礎設施級玩家」，做自研通用模型、API/MaaS（Model as a Service）平臺與生態；另一端，又必須真正落在中國的本土場景裏，為企業、產業智能化提供可落地、可安全合規的解決方案。

這一輪AI浪潮中率先開啓IPO的智譜正屬於這一類。在當前中國大模型格局中，智譜是最典型、也最具代表性的基座樣本之一。

如果單看孖展節奏，智譜是這一輪大模型創業中被資本「選中」的那一小撮：

從天使輪開始，其資本名單裏就有高瓴、啓明、君聯等頭部VC，以及美團、阿里、騰訊、小米等互聯網巨頭；其後，多地國資平臺在短時間內密集入股，累計孖展已超過百億元。

02

以智譜為樣本：這類公司的真實業務拼圖

資本為什麼持續買單？核心在於兩點：技術身位和商業路徑。

很多人對智譜的第一印象，是「清華系出來做的大模型」。公司成立於2019年6月，脫胎於清華大學計算機系知識工程實驗室，核心管理層包括董事長劉德兵、CEO張鵬等具備計算機背景、長期深耕AI賽道的技術專家。

得益於強學術背景和技術底氣，智譜選擇了一條難走但必要的路——自研GLM體系，堅持全鏈路自主可控。

GLM與GPT類似，旨在構建通用AGI的基座大模型，也就是L0模型，它們提供的是最核心的「大腦」和「理解能力」。GLM不僅是中國唯一的自研通用基座模型體系，放眼世界也沒幾個做起來的。

從早期的GLM-130B，到後來的ChatGLM3系列，再到最新一代GLM-4.5與GLM-4.6，智譜一直堅持在GLM原創架構上做原始創新，細化到預訓練框架、數據管線、推理優化等方向。最新一代模型在編程能力、推理能力上，多項公開評測已經能對齊海外頭部閉源模型。其中，GLM-4.6在業界公認的基準測試平臺LMarena的Code Arena排行榜中，與Claude、GPT-5並列全球第一。

但真正被看好的，不只是「做出模型」，而是智譜實際在賣什麼業務。把智譜拆開，會發現這是一套比外界印象裏「簡單」得多的業務拼圖。

第一塊拼圖，是雲端的MaaS服務。

在雲端，智譜正在搭建一個標準化的「模型服務層」。一端是開源GLM系列模型，為開發者提供高性價比的可自用底座；另一端，是標準API、場景化接口和Coding訂閱等可複用產品線，類似於OpenAI與Anthropic的變現方式。

第二塊業務拼圖，是本地部署：企業級與「主權大模型」項目。

和傳統IT項目不一樣，智譜賣給大企業和政府的，不是一個個業務系統，而是一整套已經訓練好的通用模型能力——部署方式可以是私有化，也可以是混合雲，落腳點在金融、能源、製造、城市治理等對智能化要求高、對安全合規要求更高的行業。

這些項目的交付方式正在從「一次性交付」往「本地化MaaS」演化。典型例子就是它和張江集團共建的「模力社區-智譜大模型MaaS平臺」：園區企業不需要自己搭模型，只要上平臺，就可以像用水電一樣調用GLM全棧能力、做模型微調、掛接智能體，相當於給一個產業園預裝了一層AI基礎設施。

如若線性外推，不難發現面向海外政企的「國家大模型」亦呈現這樣的趨勢：智譜幫助「一帶一路」沿線多個國家構建自主可控的AI基礎設施：輸出的是算法、模型訓練能力和數據處理流程。本質上，這不再是簡單的軟件出口，而是在幫助對方搭建自己的「數字主權大模型」。

智譜的成績似乎已讓OpenAI有了一絲危機感。OpenAI在今年6月的一篇官方博客中提到，智譜正在加快與多個國家政府合作，包括馬來西亞、新加坡等地。OpenAI稱智譜為「頭號競爭對手」。

第三塊，是體量不大但戰略意義遠超收入佔比的C 端產品。

C端對智譜來說，更多是模型能力驗證與真實反饋的前端窗口，也是品牌與生態入口。在AI應用整體商業化承壓的大背景下，智譜選擇收縮國內C端的投放與擴張，把精力放在商業路徑更清晰的B/G端，同時在2025年下半年抓住了coding的D端爆發機會與海外市場，並與開源影響力、開發者生態相互導流。據公開數據，智譜面向開發者的coding plan（AI編程訂閱制）一經上線就受到開發者喜愛，2個月年度經常性收入（ARR）快速破億。

這三塊疊在一起，拼出了一個更接近真實的智譜：它不是「項目制AI公司」，也不是「應用公司」，而是一家真正的自研基座模型公司，智譜負責提升基座模型的能力，開源、MaaS、企業、主權大模型，都是共享其基座能力的一分子——收入結構較為簡單，估值邏輯卻比想象中更「平臺化」。

03

雲端放量與估值遷移：

基座模型的商業模式到底在定價什麼？

把業務拆開之後，會發現智譜的雲端業務其實在悄悄搭一個「從開源到現金流」的飛輪。

第一步，是開源模型吸引開發者。

GLM系列最新模型是9月底發佈的GLM-4.6，GLM-4.6的問世將旗艦模型在性能上儘量貼近海外一線，然後智譜選擇開源出來。這一步的意義，不在於直接賺錢，而在於把試用門檻打到最低——任何開發者都可以先在本地把模型跑起來，再做「要不要遷到雲端」的決策。

第二步，是開發者使用自然導向API調用和訂閱。

當一個團隊把GLM跑進自己的工作流之後，真正的運維成本和彈性需求，會把它們推向雲端API：

自己買卡訓練和推理，算出來不一定比公有云更便宜；這裏還有一個非常大的變量：速度。平均每兩三個月就會有一個性能更強的模型新版本問世。

這時候，用按token計費的API調用最新模型，或者直接買一個像GLM-Coding Plan這樣的訂閱，就成了確保技術一直處於前沿、兼顧經濟效益的選擇。

API和訂閱對於基座模型廠商的好處在於：一旦用進企業工作流，與業務產生耦合，就會自然形成經常性收入，自然產生粘性。

目前，智譜已是中國最大的獨立大模型廠商，按token付費的大模型使用量在今年下半年GLM-4.5模型發佈後呈10倍速增長，超200萬企業及應用開發者的日均調用量已超過萬億Token。

第三步，是標準化產品提升可預測性。

在裸API之上，智譜往上疊了幾層標準化產品：針對程序員的Coding套餐、面向各行業的場景化API包，以及給企業用來搭建智能體的Agent平臺。它們的共同點是：離具體業務問題更近，也更標準化，容易按年、按席位去簽訂合同——這意味着，雲端收入裏可預測的那一部分，會隨着標準化產品越來越多而不斷提高。

其中，面向程序員的GLM-Coding Plan以「強能力+高性價比」為賣點，上線兩個月付費開發者就超過15萬。北美與歐洲市場的頭部玩家——雲平臺Vercel、AI編碼工具Windsurf、大模型推理芯片公司Cerebras——都已經公開宣佈接入GLM模型，把智譜變成自己產品裏的隱形底座。

據悉，海外收入成為今年智譜MaaS業務中增速最快的亮眼板塊。在全球軟件定價體系裏，同樣的技術能力，在海外往往能拿到更高的單價、更強的支付意願，而且以美元計價的收入天然對沖本幣波動。對任何一家把模型已經做到極低成本的中國大模型公司而言，能把雲端能力賣到海外、融入全球開發者生態，直接決定了海外開發者和企業用戶是否能構成「第二曲線」。

有了上面的飛輪邏輯，再看「基座模型的商業模式對估值意味着什麼」，就不再停留在抽象層面。

短期看，這類公司在財務結構上往往表現為：雲端MaaS和訂閱業務撐起相當一部分收入，是估值彈性所在；項目與本地部署增速快、毛利高，是收入與現金流的「壓艙石」。

中長期看，關鍵取決於雲端/MaaS佔比能否持續抬升，API調用、Coding訂閱、海外開發者和企業付費能否持續成為可以被放大的槓桿——估值錨點不再只是收入，而是開發者規模、API調用量、ARR、生態嵌入度等因素。這個的背後，蘊藏着需要長期處於國內第一梯隊甚至是全球第一梯隊的基座模型能力。

對資本而言，用傳統的科技公司框架去看智譜，會天然低估它的長期槓桿；但把它簡單類比為一家純粹的SaaS公司，也會忽略其MaaS生態的泛化和規模效應。

把視角再拉遠一點，智譜的估值邏輯，背後其實是一個更大的時代命題。

04

從「星門計劃」看，中國為什麼需要國產大模型公司？

2025年，美國啓動5000億美元級的星門計劃（Stargate），把超大規模AI算力直接納入國家級基礎設施建設。這件事傳遞出的信號很直接：AI不再只是某個行業的技術升級，而是國家數字主權的一部分。

在這樣的框架下，OpenAI這類公司，也不再只是「賣API的技術公司」，而是美國智能體系對外的載體，就像當年的GPS、TCP/IP、主流芯片架構、移動操作系統一樣——既服務商業，也服務國家戰略。

來源：圖蟲

對中國來說，問題其實非常樸素：

如果未來十年所有關鍵行業、關鍵系統的底層智能能力，都通過別國API調用，我們能接受嗎？

答案幾乎不言自明。

這意味着，獨立的基礎模型公司，不是市場「可選項」，而是「戰略必要性」——區別只在於，它們是停留在科研-項目層面的小體量玩家，還是長成連接開發者生態、產業生態和主權需求的關鍵節點。

在這個問題上，智譜已經給出了一個足夠有代表性的樣本。一方面，它是中國極少數自研通用基座模型體系，並在Coding等關鍵能力上對齊海外一線模型的公司；另一方面，它不僅把自己的模型能力嵌入全球開發者和企業工作流，還通過主權大模型等形態，延伸到產業和國家級基礎設施；再加上API、雲端訂閱、海外收入這條「第二曲線」，讓它有機會在技術公司和平臺公司之間，完成一次估值框架的遷移。尤其是，這個被譽為「中國版OpenAI」的公司，在模型能力幾乎對齊全球主流性能後，當前市值僅約OpenAI百分之一不到，留下了極有想象力的估值空間。

接下來智譜要做的，是用時間和執行，把「基座模型公司」的強項，變現為更優現金流的好生意。（全文完）