大语言模型

平均每个月亏3亿！从智谱招股书，我看到了大模型竞争的残酷现实

2025 年 12 月 20 日

国内大模型独角兽智谱的招股书，揭示了AI行业高速增长背后的残酷生存法则：收入翻倍增长的同时，亏损也在成倍扩大。核心内容： 1. 智谱的商业化速度与市场地位分析 2. 大模型企业面临的巨额亏损困境 3. 行业竞争格局与未来生存挑战

国内大模型第一股终于来了！

12月19日，港交所官网显示，北京大模型企业智谱已通过港交所聆讯，并披露招股书文件，正式冲刺港股“大模型第一股”。

作为国外大模型领域最炙手可热的公司，智谱的商业化堪称“神速”。过去三年，公司收入分别为0.57亿元、1.25亿元、3.12亿元。

按收入计算，截至2024年，智谱是中国最大型的独立通用大模型开发商、中国第二大整体通用大模型开发商。

但收入光鲜背后，也隐藏着大模型竞争最残酷的一面：

过去三年，公司经调整净亏损分别为0.97亿、6.21亿以及24.66亿元，增长了20多倍。到了2025年，仅上半年智谱的亏损就高达17.52亿元。算下来，平均每个月要亏接近3个亿。

而截至2025年6月，智谱的现金及现金等价物只剩下了25.52亿元。按每个月亏损接近3亿来算，智谱的现金流只能支撑9个月左右。这或许也是智谱急着上市的原因。

某种程度上说，智谱的招股书并不只是一次融资材料的披露，更像是一份行业切片，第一次将中国大模型公司最真实的处境展现在了我们面前。

/ 01 /

收入全国第二，过去两年复合增长130%，

从收入增长看，智谱的商业化进度不可谓不快。

2022年收入，智谱还只有0.57亿元。到 2024 年，已经增长到3.1亿元，复合年增长率超过130%。2025 年上半年更是狂飙，短短6个月就入账 1.9 亿元，同比增长325%。

别小看这个数据，根据智谱招股书的说法，这个规模已经是国内第二大的模型厂商，市场占有率达到6.6%。

结合招股书中以字母代称的可比公司信息，硅基君可以较为明确地判断，A 至 D 分别对应科大讯飞、阿里、商汤和百度，也就是说，智谱在收入规模上仅次于科大讯飞。

支撑这一增长的，是一套以MaaS 为核心的商业模式。

与其说智谱在“卖模型”，不如说它在交付一整套工程化的大模型能力体系。其核心逻辑不在模型参数本身，而在于如何让模型能力稳定地进入真实业务环境。

在模型层面，智谱提供了覆盖语言、多模态、智能体和代码等方向的模型矩阵。

根据招股书披露，其模型能力不仅涵盖语言和多模态视频，还延伸至代码模型、GUI 智能体和计算机应用层面，覆盖广度明显高于其他竞争对手。

值得一提的是，这里E、F公司分别指的是OpenAI和谷歌，这也从侧面说明了智谱试图对标的能力边界。

这些不同规模、不同能力侧重点的模型，被统一纳入同一平台。客户和开发者无需从零判断技术路线，而是可以直接根据业务需求，在现有模型组合中选择合适方案。

在应用层面，智谱并未把模型当作孤立的API 来售卖，而是围绕真实业务流程进行设计。

具体来说，平台内置的智能体工作区，提供了面向具体场景的模板和解决方案，客户可以根据具体需求通过模型微调、增量训练和提示工程，对智能体进行快速定制，而无需搭建完整的开发体系。

在基础设施层面，智谱与算力合作伙伴共同设计和适配底层架构，使平台在计算、网络、训练通信和推理加速等环节形成统一能力。

这套架构支持从约15 亿到 2300 亿参数规模的模型运行，并能够实现跨云、跨芯片的大规模实时部署。同时，这些模型能力还支持配手机、电脑等个人设备。

如果用一句话概括，智谱做的无非就两件事：

一方面负责“造大脑”，另一方面提供让大脑在现实系统中运行的“脚手架”，也就是智能体与工程体系。

在商业交付上，智谱主要通过两种方式变现：本地化部署和云端服务。其中，“本地化部署”是智谱最重要的收入来源，收入占比超过80%。

本地化部署本质上是一种高度定制化的交付模式。

什么意思呢？中国的银行、央企、大型制造工厂，往往对数据安全极其敏感，不愿意把核心数据传到公有云上。智谱AI 就把大模型“打包”，直接部署到客户自己的服务器里，帮他们在其内部环境中构建私有的AI大脑和AI工具。

这种模式虽然“重”，但客户付费能力强。

2024年，虽然本地化部署的客户只有123家，远远低于云端部署的5457家，但其收入却占到了公司总收入的84.5%。

在合作开展前，智谱会先从数据基础和应用场景两方面评估客户需求，包括模型微调与增量训练所需的数据条件，以及数据安全与合规要求，并据此明确模型将落地于单一或多场景应用，确定相应的模型规模和复杂度。

在此基础上，智谱会制定定制化服务方案，选择云端或本地化部署路径，并通过模型微调、增量训练和提示工程完成模型定制。模型上线后，公司再根据客户反馈，不断优化模型性能。

总的来说，智谱试图在B端构建了一套可落地和规模化复制的商业逻辑：

通过真实业务场景的持续使用，形成模型优化与应用扩展相互推动的正向循环，从而逐步强化MaaS 平台的竞争力。

/ 02 /

平均一个月烧3亿，竞争压力大

如果说收入增长展示的是智谱的“速度”，那在招股书里更刺眼的，其实是另一条曲线——亏损。

虽然智谱的收入增长足够快，但还是架不住亏损比增长跑得更快。

2022年，公司经调整净亏损只有0.97亿，还不到1个亿。到了2023年，经调整净亏损迅速增长到了6.21亿元，涨了500%多。

更夸张的是，到了去年这一数字干脆增长到了24.66亿元。

也就是说，在两年时间里，智谱的亏损幅度从不到1个亿，增长到了24.66亿元，增长了超过20倍。

到了2025年，仅上半年智谱的亏损就高达17.52亿元。算下来，平均每个月要亏接近3个亿。

这无疑大大消耗了智谱的现金流。要知道，截至2025年6月，智谱的现金及现金等价物只剩下了25.52亿元。

按每个月亏损接近3亿来算，智谱的现金流只能支撑9个月左右。

这下大家明白智谱为什么要急着上市了吧。

大模型竞争的惨烈以及强度之高，即使是在一级市场已经拿了16轮融资钱的智谱也抗不住了。

而这大幅增加的亏损，最主要的来源就是研发费用。

2022年，公司的研发费用为0.84亿元，到了2023和2024年，这一数字迅速增长到5.29亿元和21.95亿元。

拆解开来看，这个21.95亿的支出绝大部分都用于支付算力了。其中，算力花了15.53亿元，占了总研发支出的70%。

对于研发费用的增长，智谱在招股书里给出的解释是：

“主要由于我们自2024年初起战略性加大研发投入，用于加速新一代旗舰级基座模型及多模态智能体的开发与迭代，相应带动计算服务费用上升。”

在硅基君看来，更接近现实的背景是，竞争环境的急剧变化。

2025 年初，DeepSeek R1 的快速崛起，对整个模型行业形成了明显冲击。几乎所有主流模型厂商都被迫提速迭代。在 R1 发布不到三个月的时间里，智谱一口气开源了6款核心模型。

如此高密度的模型发布，本质上意味着算力、数据和工程资源的集中投入，而这些成本几乎都会直接反映在研发支出中。

除了研发支出，智谱在营销费用上也花了不少钱。

2022-2024年，公司的营销费用从1514万增长到了3.87亿元，其中用于广告和营销开支的费用就高达2.37亿。

如果抛开竞争压力的话，智谱的毛利率其实并不算低。

2022-2024年，智谱的毛利率分别为54.6%、64.6%和56.3%。这在项目制为收入大头的公司里并不多见，尤其还在如此激烈的竞争之下。

公司也在尝试通过定价策略来改善结构：

一方面，根据使用量、性能需求和高级功能，优化分层定价，引入更具弹性的方案，以扩大客户基础，并对高资源消耗模型设置使用限制，引导高需求客户选择高价值方案；

另一方面，与高价值客户协商定制化定价，使价格更好地反映客户获得的业务价值和服务成本。

但相比定价本身，更根本的问题在于，智谱的商业模式隐含了一个前提：模型能力必须长期维持在行业第一梯队。

而这个前提的成本，正在以远快于收入增长的速度上升。

在大模型竞争中，能力领先不再是一次性投入，而是一场持续消耗算力、资本和组织能力的长期战役。对一家仍处于商业化早期的公司而言，这样的门槛，已经明显超出了传统创业公司的承受区间。

这也是当前大模型赛道最残酷的现实之一。

/ 03 /

中国AI落地真实切口：

token 消耗猛增，付费答案在B端

当然，除了具体的业务数据，智谱的招股书里还透露出几条更值得关注的行业信号。

第一，AI 的真实价值正在被使用量验证。

一个直接的指标是token 消耗量的变化。2022 年、2023 年、2024 年 12 月以及 2025 年 6 月，智谱平台的日均 token 消耗量分别达到 5 亿、21 亿、0.2 万亿和 4.6 万亿。

短短两年多时间里，这一指标几乎以数量级的速度攀升。无论商业模式如何演进，持续放大的真实调用本身，已经说明大模型正在被大量嵌入具体工作和业务流程之中。

第二，中国AI 的付费重心仍然在企业端。

招股书数据显示，2024 年中国大语言模型市场规模约为人民币 53 亿元，其中机构客户贡献 47 亿元，个人客户仅 6 亿元。

展望 2030 年，整体市场预计增长至 1011 亿元，其中企业级市场规模将达到 904 亿元。

这一结构与美国市场形成了鲜明对比。

以OpenAI 为例，其当前收入中约 75% 来自消费者订阅。这背后反映的并不仅是产品形态差异，而是中美两地在AI商业化路径上的分化：中国市场更强调组织级效率提升，美国市场则更容易从个人工具切入。

第三，智谱再次系统性地披露了其对AGI 演进路径的理解。

智谱认为，AGI分为以下5个阶段：

1）在预训练阶段，模型学习理解、生成并使用人类语言进行基本交流。

2）在对齐与推理阶段，模型进一步与人类意图对齐，具备推理与规划能力，同时提升安全性、降低幻觉，并实现语言能力与图像、视频、语音及行动能力的协同。

3）在自主学习阶段，模型通过自我评估、自我反思与沉思机制，从自身的推理过程和行为结果中持续改进能力。

4）在自我认知阶段，模型在较少或无需人工监督的情况下，通过对自身行为和推理结果的持续观察与分析，逐步形成稳定的内部表征和决策偏好。

5）在意识智能阶段，模型能够对自身内部状态及外部环境进行更系统的感知与建模，表现出更高层次的环境理解与自我调节能力。

目前，智谱推出的具备反思能力的智能体AutoGLM-Rumination，已经进入其定义的“自主学习阶段”。

/ 04 /

总结

回到整体来看，智谱的招股书并不只是一次融资材料的披露，更像是一份行业切片。

一方面，它展示了大模型商业化正在加速落地，真实使用量和企业付费意愿都在持续放大；另一方面，它也清晰地暴露出这一赛道的残酷现实——能力领先需要持续、重资本投入，而竞争强度正在迅速抬高门槛。

在这样的环境下，智谱既是受益者，也是承压者。这或许正是当前中国大模型公司最真实的处境。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

平均每个月亏3亿！从智谱招股书，我看到了大模型竞争的残酷现实

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单