跳到正文
非凡资本

研究与观点 / UNIQUERESEARCH

当亏损率990%遇上全球第6,智谱AI的真实账本有点“吓人”!

这两天围绕智谱招股书的讨论,呈现出一种奇特的割裂感。

一边是"经营亏损率990%","倒贴钱做API"的惊悚解读,媒体们的标题触目惊心;另一边是GLM-4.6、4.7在LMArena、OpenRouter上的亮眼数据,开发者社区一片叫好。

如果只盯着任意一面看,这家公司都像个谜。于是我帮你把几百页招股书、第三方评测数据和527万的月活用户放在同一张图里,很多看似矛盾的东西反而开始自洽了。

收入的真实形状:不是你想的那样

先看最基础的数字。智谱的收入从2022年的5,740.9万元,跳到2023年的1.24538亿元,2024年冲到3.12414亿元,2025年上半年已经做到1.90877亿元,可以看到智谱半年收入已经是去年全年的61%。

这不是"没生意",而是生意在加速变粗。

但更重要的是收入的结构。这里藏着一个颠覆常识的事实:

2025年上半年,智谱84.8%的收入(约1.62亿)来自本地化部署,只有15.2%(约2,910万)来自云端部署。

这直接打破了很多人的想象——在OpenAI用API和订阅席卷全球的当下,中国顶尖的大模型公司,主要收入竟然不是来自云端服务,而是来自给企业"落地版"大模型系统的ToB项目。

智谱不是一个典型的SaaS公司,它更像一个"高端软件交付商"。

当亏损率990%遇上全球第6,智谱AI的真实账本有点“吓人”! · 原文图片 1

哪条线在赚钱?看毛利率,而不是只看亏损

接下来的数据更有意思。

智谱的综合毛利率并不难看:2022-2024年分别是54.6%、64.6%、56.3%,2025年上半年是50.0%。这说明"模型能力+工程交付"这件事本身,不是卖一单亏一单的买卖。

当亏损率990%遇上全球第6,智谱AI的真实账本有点“吓人”! · 原文图片 2

关键在分部差异:

●本地化部署毛利率:59.1% (2025年上半年)
●云端部署毛利率:-0.4% (2025年上半年)

一正一负,泾渭分明。

本地化部署服务的客户构成,可能和很多人想象的不一样。智谱高级副总裁吴玮杰最近在某书上透露了一个关键数据:智谱互联网高科技客户占了50%,前10大互联网公司中有9家都在合作,而政府端客户占比连20%都不到。MaaS平台上有290万企业与开发者,其中付费比例超过10%,付费客户年复购率为70%,在如此之卷的MaaS业务里是个很不错的成绩了!

这打破了"大模型本地化主要靠政府项目"的刻板印象。真实情况是:那些对数据安全、合规和深度定制要求极高的互联网大厂、电信运营商,才是智谱本地化业务的主力客户。他们愿意为"专属部署+专用模型+现场支持"支付高昂费用。一个项目动辄几百万甚至上千万。

用一句不好听的话说:现在是大项目在"供血",云端还在"长身体"。

990%亏损率背后:钱都花在哪了?

2025年上半年,智谱经营亏损约18.99亿元,对比1.91亿元收入,折算出的亏损率接近990%。乍一看确实吓人。

但继续往下看费用明细,你会发现亏损的来源其实不神秘:

●研发开支:
- 2022年:8,437.7万元
- 2023年:5.28884亿元
- 2024年:21.95436亿元
- 2025年上半年:15.94661亿元
●销售及营销开支:
- 2022年:1,513.9万元
- 2023年:1.01198亿元
- 2024年:3.87475亿元
- 2025年上半年:2.0857亿元

可以看到智谱在2024年一年就烧了超过21亿在研发上,烧了近4亿在销售上。这不是"业务崩了控制不住成本",而是在有意识地把钱砸进模型研发、算力采购、销售团队和生态建设。

你完全可以质疑这种打法是否过激,是否过早铺摊子,但它至少和"业务萎缩"这类叙事不是一回事。

招股书的总结很直白:累计亏损主要来自"在研发和销售营销方面的重大投资"。

代码战场的成绩单:GLM在用实力说话

把财报翻完,再回到模型本身,画风就完全不一样了。

●GLM-4.6(2025年9月发布)的定位非常明确:一个偏重真实开发场景和智能体工作流的开源模型,支持200K上下文,强调编码、长文推理、搜索和Agent场景能力,MIT协议开放。
第三方评测的关键词是:在多个基准上对比GLM-4.5有清晰提升,在实战编码上接近Claude Sonnet 4,能直接集成到Cline、Roo Code、Claude Code这类Coding Agent工具里。
●到了12月,智谱又发布了GLM-4.7。在当时的LMArena WebDev榜单上显示:GLM-4.7在Web开发任务中排名全球第6,是榜单上得分最高的开源模型。
当亏损率990%遇上全球第6,智谱AI的真实账本有点“吓人”! · 原文图片 3

更关键的数据来自OpenRouter和a16z联合发布的《State of AI: An Empirical 100 Trillion Token Study》:

●开源模型整体使用量已接近三分之一
●中国开源模型的weekly token份额在部分时间段冲到30%
●编程和角色扮演是最核心的两个应用场景

虽然报告没有给出单家公司的精确token量,但结合招股书披露"GLM系列在OpenRouter上进入过token消耗前十、在中国模型提供商中排在前列"的表述,可以合理推断:

GLM今天被用得最多的地方,不是闲聊,而是写代码和跑Agent流程。

这和你看到的LMArena排名、各种开源工具对GLM的支持,是互相印证的。

ToC的触达,ToB的回款:双入口策略

根据非凡产研2025年11月的数据:

●Z.ai Web端月活159万(主要在海外)
●智谱清言全网月活527万(主要在国内)

这两个入口加起来,已经不是"小众开发者玩具"的量级了。

结合招股书的收入结构,逻辑就清晰了:

●ToC的产品(Z.ai、智谱清言)承担触达、教育、转化的功能,通过免费层、低价订阅和开发者生态,把一部分用户自然导向API、企业版和本地化项目。
●真正的现金流,短期内还是主要来自企业和机构的落地部署和项目合同。

这跟实际用户行为也匹配:当Claude某些阶段在中国地区不可访问时,大量开发者和重度用户自然寻找替代方案,GLM就在这个窗口里接上了需求。智谱甚至推出了面向Claude用户迁移的专门方案。

出海不只是流量,还有真金白银的项目

招股书里有个容易被忽略的细节:

●2025年上半年,东南亚本地化部署收入1,792.7万元,占本地化部署总收入的11.1%。

这意味着智谱出海做的不是"先弄个英文网站看看流量",而是已经在马来西亚、新加坡等地开始交付大模型本地化项目。

有企业愿意在本地为GLM系列付项目的钱,而不仅仅是通过OpenRouter远程调个API用用就走。

这条线如果走顺,会直接改变智谱的收入地理结构——从"单一中国市场"变成"国内+东南亚+其他地区"的组合。目前占比还不高,但这是一个重要的信号。

当亏损率990%遇上全球第6,智谱AI的真实账本有点“吓人”! · 原文图片 4

客户集中度在下降:风险在分散

还有一个关键指标:

●前五大客户收入占比从2023年的61.5%降到2025年上半年的40.0%。

这说明智谱不是在依赖几个大金主,而是客户基础正在扩大。从商业健康度看,这是个好信号——收入来源越分散,抗风险能力越强。

所以,这些财务指标"异常"吗?

如果你只看几个截出来的百分比,智谱的数字确实吓人:经营亏损率接近-1000%,云端毛利为负,销售费用率、研发费用率看上去都高得离谱。

但把收入结构、毛利结构、模型表现和出海路径放在一起,你会看到另一幅图:

1.本地化部署在养整个业务。这条线毛利近60%,客户集中度在下降,收入在快速增长。
2.云端MaaS还在"找正确的姿势"。它现在更像增长引擎而不是利润引擎。智谱在招股书里明确提出要通过价格分层、限制资源密集型模型访问等方式,优化云端服务的利润结构。
3.GLM在编码和Agent场景上的表现,以及在OpenRouter、LMArena上的真实用量,证明模型本身已经足够被"用起来",不是停留在PPT和Benchmark上。
4.出海已经不只是概念,而是有真实的项目收入在东南亚落地。

所以,与其简单说"财务指标异常",不如承认这是一个

重资产、重研发、重销售的模型公司,在赶上窗口期时主动把油门踩得很深。

风险与机会并存

当然,风险真实存在:

●如果未来两三年内,本地化部署的增速放缓、云端毛利迟迟起不来、海外项目没有形成规模,那这些投入会迅速变成负担。这是每个看招股书的人都应该警惕的。

但如果你把招股书和GLM的模型路径、527万的月活数据、LMArena的排名连起来看,至少可以说:智谱今天"赔"的不只是钱,还有一整套在中国做模型商业化的路线实验;而它真正想"赚"的,是本地化大项目、云端高毛利层、全球开发者心智这三件事。

接下来,值得持续观察的就很具体了:

●本地化部署的地理和行业扩张速度
●云端毛利率能否从-0.4%跳回正数
●Z.ai和智谱清言能转化出多少真实付费用户
●GLM在OpenRouter和LMArena上的用量曲线是否继续向上
●东南亚本地化项目能否从11%的占比持续提升

当这些线慢慢清晰,再回头看今天招股书里的那些大号亏损数字,可能就不会只剩下"惊讶"两个字了。


这就是智谱的真实账本:一边在代码仓库里赢得全球开发者的尊重,一边用高毛利的ToB项目支撑着烧钱的技术理想。

它不是一个完美的商业故事,但至少是一个真实的、正在发生的实验。

来源:非凡产研 · 腾讯新闻。文章中的“非凡产研”是原始发布账号署名,不代表已核实个人执笔作者。引用访谈或圆桌观点时,应按正文标明具体发言人及当时身份;无法确认时不要推断。日期为原始发表日期,历史信息以发布时点为准。

阅读原始发布版本 ↗
← 返回研究文章库