對標Anthropic？5個月暴漲13倍的智譜AI憑什么

從IPO時的不太被看好，到市值逼近1萬億元、成為眾星捧月的“大模型第一股”，智譜AI的進擊之路令人瞠目。

智譜和MiniMax是全球最早上市的大模型公司，當時聚焦C端的MiniMax在上市之初憑借近七成的海外營收占比俘獲了投資者的心，而智譜當時的故事并不性感，聚焦B端政企市場，該模式的不利之處在于項目周期長、規?；俣嚷?。

然而，智譜GLM-5.1的發布獲得積極反饋，走垂類編程賽道的戰略像極了美國Anthropic通過Claude Code大火的局面，近期智譜的勢頭明顯反超MiniMax。

Anthropic從不到OpenAI一半的營收，五個月內完成反超，核心驅動力也只有一個：Claude Code。

即便如此，智譜AI面臨的挑戰也顯而易見——算力上的巨大鴻溝，國內算力僅為海外的約二十分之一；

市場定價的不是當下利潤，而是AI原生應用的“信仰估值”，研發投入（31.8億）= 營收（7.24億）的4.4倍，盈利時間表仍遙遙無期；

更關鍵的一點在于，對于這種小市值流通的新高價股，7月前后大股東及基石投資者將迎來大規模解禁。

5月29日那次“30%振幅”的極端震蕩，市場普遍解讀為對解禁壓力的提前壓力測試——前期浮盈高達十倍以上，套現動力極強；未來的競爭也將日趨白熱化，DeepSeek、Qwen等開源強模型持續逼近，價格戰劇烈。

｜智譜股價變化。筆者制作

5個月暴漲13倍

5個月，智譜AI的市值從511億到7000億+，漲幅超13倍——速度超過了中國股市任何一次科技泡沫。

上市之初，“toB”的定位是智譜的標簽，扎根政企市場是清華系出身的智譜AI的優勢領域，其在B端客戶方面有較多積累。

政府的“人工智能+”項目通常是軟硬件一體化采購，包括服務器、軟件等。智譜AI在參與此類項目時，通常會與國產算力綁定，通過打包硬件來提高項目單價和整體溢價，因為模型本身的價格（約百萬級別）相對有限。

不過，智譜AI在該領域也面臨科大訊飛、商湯等廠商的競爭。相比之下，阿里、字節跳動等公司較少涉足這一賽道。

據悉，這類項目通常不是一次性收入。項目部署完成后，從第二年開始會收取技術支持服務費，費率通常是項目總金額的25%。例如，一個1000萬的項目，每年可獲得250萬的技術服務費，用于后續的升級和維護。

此外，目前也主推公有云模式，即在云端部署一個可升級的模型。客戶也可以在云上調用其他模型進行混合使用，從而在云端產生持續的流量收入。

然而，按照過往軟件行業的經驗，企業對toB客戶的議價能力有限，利潤空間不大，因而智譜起初并沒有專攻海外市場的MiniMax引人關注。

然而，編程（Coding）成了逆襲的轉折點！

Coding領域是頭部模型廠商的必爭之地，因為其用戶付費意愿強，例如Claude有37.9%的用戶使用其編程能力，而一開始看似故事不性感的智譜，正是靠著編程的垂類優勢，反超了中國其他同行。

GLM-4.5→4.6→4.7→GLM5的快速迭代，智譜在編碼、長上下文推理、多步驟執行方面追趕全球頂級水平。今年4月，GLM5.1的推出則進一步優化了性能，股價開始不斷攀升。然而，其通用智能體能力相對較弱，不過程序員可能更關注的是Coding的性價比。

更奇特的一點在于，在2月智譜在推出GLM-5時就已經提價，此舉一度震驚了投資圈，顛覆了對于中國企業“打價格戰”的印象。不過，這似乎并未妨礙用戶對模型的需求。

事實上，智譜是大模型賽道差異化競爭的典型。然而，自2025年下半年以來，市場應用已變得高度集中。目前超過一半的Token消耗來自Coding場景，其中還包含許多由Agent應用產生的隱性Coding需求。

應用范式和工具鏈（如X-Copilot）也日趨成熟，許多任務已成為常規的定時任務。因此，現在的模型評價方式更為直接和主觀：開發者直接將不同模型的API接入到自己現有的應用中，根據實際表現進行評估，而不再依賴第三方評測平臺。

在這種趨勢下，各大模型廠商從2025年初開始進行了戰略分化和精準押注。智譜GLM聚焦于Web Coding，并認為這是通往AGI應用的路徑；Kimi則押注于類似LangChain的范式，探索最終的Agent應用；豆包專注于C端消費級應用和日常生活體驗；通義千問則采取了相對均衡的策略，致力于開源、多尺寸模型和多模態能力的全面發展。

于是，“中國版Anthropic”就成為智譜的資本敘事。Claude Code在海外的技術和商業化的成功，一舉帶動了美國整個AI產業鏈。如今的美國資本市場已然不再擔憂AI泡沫，因為商業化的前景似乎是確定的，而這種態度的變化也就僅僅發生在幾個月之間。

｜智譜和Anthropic的對比。筆者制作

算力瓶頸、盈利壓力

然而，資本市場的火爆容易讓投資人忽略基本面?！爸袊鍭nthropic”本質上是一個資本敘事，而非商業現實的精確描述。兩者的相似性在于技術路徑和商業理念（強模型→API→Coding賽道）；差距在于市場環境、變現邏輯和收入量級，而這種差異往往是核心。

Anthropic的成功是在美國獨特的“付費文化+開發者生態+企業SaaS采購體系”中生長出來的。智譜面對的是一個價格敏感、競爭格局碎片化、云廠商強勢介入的市場——因此業內人士認為，它更可能的終局，是成為中國AI基礎設施的核心模型供應商，而不是復制Anthropic的獨立飛輪商業模式。

｜Anthropic的逆襲之路。筆者制作

如今智譜面臨的最大挑戰無疑是算力瓶頸，和遙遙無期的盈利前景。

目前智譜算力不足的問題尚未完全解決，并未有太多新增算力。增長主要得益于模型優化，具體采取了兩種技術手段：一是模型裁剪，二是基于業務高峰與低谷期的動態調度策略。在高峰時段，系統會自動調用參數量較小的裁剪后模型以應對需求。

GLM套餐在國內需要搶額度，智譜對國內新用戶采用了每天10點定時放量的“饑餓營銷”。為什么要限量？算力成本倒掛，限量是“止血”手段。GLM-5.1對標Claude Opus級別，單次調用成本極高。

國內Max套餐469元/月，但用戶理論可用額度相當于月費的15～30倍——即每月花469元，實際可消耗約7000～14000元的算力資源。算力供給難以匹配需求，而且高峰期（14:00～18:00），GLM-5.1是3倍消耗。

智譜CEO張鵬在2025年業績說明會上披露：“一季度API調用定價提升83%，即便如此，調用量增長400%，依然供不應求?！?/p>

未來，智譜的Coding業務能力將持續加強，能力水平已接近Opus-4.6。然而，盈利挑戰難以消散。例如，獨立三方研究機構Acecamp的專家就提及，智譜的編程模型在2026年第一季度及4月的B端訂單量表現雖然不錯，但關于其采用ARR指標爭議存在。

原因在于，大型上市公司客戶的訂單具有不確定性，即便需支付違約金，也可能因企業戰略調整終止合作。因此，將此類按月付費的大額訂單計入ARR可能不完全適用，盡管財報數據顯示其編程業務的ARR已達到十幾億元。

再次，關于編程是否已成為成熟的大模型商業化領域，這一判斷在國內市場尚不準確。與Anthropic不同，國內公司在該領域面臨幾個挑戰：

一是數據飛輪的優勢被分散，各家公司均有自己的客戶基礎；

二是多數公司都有能力將編程模型做到基礎優秀的水平，智譜并未形成堅實的技術壁壘；

三是智譜不像Anthropic那樣擁有豐富的、通過編程能力解決問題的其他變現場景和用戶口碑，而是較單純地銷售編程模型能力。

從營收數據來看，智譜的研發投入（31.8億）= 營收（7.24億）的4.4倍。做一個直觀對比，科大訊飛2025年營收271億、凈利潤8.39億元，市值約1187億元人民幣；智譜營收僅為其2.7%，市值卻是其數倍。

智譜的股東權益從-39.55億（2024年）降至-81.11億（2025年），資產負債表持續惡化。

市場定價的不是當下利潤，而是AI原生應用的“信仰估值”——華創證券預測2026年營收約30億元（+317%），但盈利時間表仍遙遙無期，匯豐預計最早2029年才能首次盈利。

7月解禁：最大的定時炸彈

根據港股規則，IPO大股東鎖定期通常為6個月。智譜2026年1月8日上市，7月前后大股東及基石投資者將迎來大規模解禁。這也是所有新IPO難以逃避的最大挑戰。

智譜前期浮盈高達十倍以上，套現動力極強。更大背景是，港股2026年下半年整體迎來歷史性解禁高峰，6月至8月基石投資者解禁規模超千億港元。

當然，在解禁拋壓過后，基本面過硬的公司也能迎來長期的穩健增長，但關鍵就在于盈利能否持續消化天價估值。

智譜的優勢在于，三次漲價未流失用戶、Coding Plan上線即售罄、API調用量漲價后反而增長400%。2025年營收+132%，2026年機構預測+317%。但現實挑戰不小。

也有人做過一個預測，在比較樂觀的情景下，智譜成功API化轉型，2029年盈利。這個假設條件包括：

1. 2026—2029年營收CAGR維持130%；2. API業務占比從27%提升至65%；3. 2029年凈利潤率10%，營收約350億元，凈利潤35億元；4. 屆時合理PE60倍（高成長AI公司溢價）→市值2100億元，仍比當前市值低近60%。

同時，也要考慮到競爭格局的不確定性。未來這三年里，模型迭代速度極快，今天的“國內第一”隨時可能被DeepSeek/Qwen顛覆。

此外，2026年下半年，Kimi和階躍星辰都可能陸續上市，這將削弱標的稀缺性。從長期競爭看，智譜與Kimi存在顯著差異。

智譜在C端僅編程套餐銷售較好，而Kimi在多類C端Agent場景均有銷售額。此外，智譜缺乏Kimi那樣成體系的、商業化的Agent系統。若Kimi在未來兩三個月內發布2.5T或3.0T參數量級的新模型，可能會進一步削弱智譜在編程領域的市場關注度。

No.6919 原創首發文章｜作者Irene Zhou

開白名單 duanyu_H｜投稿 tougao99999

歡迎點看【秦朔朋友圈】