智谱(02513)中国AGI的领先探索者

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。智谱(2513HK)华泰研究首次覆盖首次覆盖智谱，给予2029E27xPS，目标价737.01港币，买入。公司致力于通用人工智能模型的创新，持续投入通用大型模型研发，并通过本地和云端两种形态实现商业化。目前智谱的GLM系列模型全球开源领先，对标海外OpenAI、Anthropic等头部闭源模型，走出了MaaS的商业化路径，有望成为未来全球AGI竞争中的重要受益者。据Frost&Sullivan数据，2024年中国LLM市场规模53亿元，其中企业端47亿元；2030年达到1011亿元、企业端约904亿元。智谱自2021年起商业化MaaS，依托“模型-应用-基础设施”三层平台实现标准化交付并优化部署效率；截至2024年末机构客户5,580家。我们认为，企业侧ROI可量化与交付体系完善背景下，智谱MaaS具备较强PMF适配性。面向企业级LLM的差异化落地需求，智谱以“云端+本地”双形态覆盖交付。云端侧依托工具链、应用开发平台及基于API的模型服务降低接入门槛，支持企业快速调用与上线；本地侧通过定制化软件与配套服务部署至企业自有IT环境，提供本地LLM、工具链及训练与微调能力，以适配特定场景与合规要求。同时，智谱围绕GLM统一底座，将能力拆分为“深度思考-认知-工具使用”，构建反思、多模态与智能体三类模型矩阵，以推理、感知理解与行动执行的协同组合提升跨场景复用与迭代效率。我们认为，上述“部署并行+能力分层”的体系有助于提升企业侧MaaS落地效率的确定性。GLM-4.7带动需求升温后，智谱一端以“限售+涨价”体现供需与能力溢价，另一端以持续学习路径指向新迭代范式。1月21日官方公告GLMCodingPlan阶段性限量发售；随后发布价格调整函，套餐自2月12日起结构性上调，整体涨幅自30%起，已订阅用户价格不变。与此同时，据智谱发起人唐杰公开信，需布局在线学习OnlineLearning/持续学习ContinualLearning，使模型在交互与反馈中持续更新能力与策略。我们认为，“商业化重估+持续进化”并行，或推动智谱大模型从静态产品走向可迭代系统。市场普遍担忧LLM会像上一代判别式神经网络一样被新范式替代、或被终端渠道“工具链化”而价值下沉；我们认为，LLM更可能演进为通用底座，对冲渠道挤压。市场质疑国产模型难以支撑Agent与Coding等复杂工作流，我们认为，智谱GLM-5在“AgenticEngineering”上已经体现出较强可用性。市场普遍低估智谱企业级大模型落地的阶段特征，我们认为，本地化部署是当前收入、毛利与客户验证更充分的商业化板块，并非低质量项目收入。据iFinD/VisibleAlpha一致预期，美股公司2026年可比平均PS27.4x，A/H可比公司平均为15.7x。考虑：1）智谱23-27E收入CAGR约123%，且29年预测增速仍有80%，远高于A/H可比公司；2）智谱模型性能国内领先；3）模型发展仍属早期，智谱当下在国内模型的性能处于第一梯队并有望在2030年之前保持。综上，我们预测智谱2029年收入为107.7亿元，给予2029E27xPS，目标价737.01港币，买入。风险提示：宏观经济波动，技术进步不及预期，中美竞争加剧。投资评级(首评):买入076目标价(港币):737.01076研究员SACNo.S0570515060003guoyali@SFCNo.BQB164+(86)2138476016研究员SACNo.S0570524090001yuanzeshi@+(86)2128972228基本数据收盘价(港币截至3月13日)530.0市值(港币百万)236,296个月平均日成交额(港币百万)1,3652周价格范围(港币)116.10-725.00股价走势图(%)智谱恒生指数524392260127(5)08-Jan-2629-Jan-2619-Feb-2612-Mar-26资料来源：S&P经营预测指标与估值会计年度(人民币)20242025E2026E2027E营业收入(百万)312.41749.791,5753,149+/-%150.86140.00110.00100.00归属母公司净利润(百万)(2,956)(3,159)(3,715)(3,977)+/-%275.216.8417.627.06EPS(最新摊薄)(6.63)(7.08)(8.33)(8.92)ROE(%)119.7157.06164.98(638.44)PE(倍)(70.33)(65.83)(55.97)(52.28)PB(倍)(52.55)(29.22)79.62(152.26)EVEBITDA(倍)(80.58)(77.83)(64.08)(65.31)股息率(%)0.000.000.000.00资料来源：公司公告、华泰研究预测免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。利润表会计年度(人民币百万)202320242025E2026E2027E营业收入124.54312.41749.791,5753,149销售成本(44.06)(136.53)(337.41)(724.30)(1,386)毛利润80.48175.89412.39850.271,764销售及分销成本(101.20)(387.48)(299.92)(314.91)(472.37)管理费用(66.30)(133.60)(337.41)(393.64)(472.37)其他收入/支出(538.71)(2,193)(2,966)(3,856)(4,619)财务成本净额(15.10)(24.92)(79.07)(112.84)(288.68)应占联营公司利润及亏损(0.45)21.2510.0010.0010.00税前利润(787.96)(2,958)(3,160)(3,717)(3,979)税费开支0.000.000.000.000.00少数股东损益(0.00)1.521.621.902.04归母净利润(787.96)(2,956)(3,159)(3,715)(3,977)折旧和摊销(68.93)(279.94)(290.08)(363.22)(435.91)EBITDA(703.93)(2,653)(2,791)(3,241)(3,255)EPS(人民币，基本)(1.77)(6.63)(7.08)(8.33)(8.92)资产负债表会计年度(人民币百万)202320242025E2026E2027E存货28.7832.47113.74200.12400.32应收账款和票据416.44666.841,8323,4167,081现金及现金等价物1,2492,2691,9552,2511,525其他流动资产168.8647.3447.3447.3447.34总流动资产1,8633,0163,9495,9159,054固定资产787.54866.36937.13938.09869.22无形资产54.5750.3661.4668.7067.61其他长期资产154.57443.18453.18463.18473.18总长期资产996.681,3601,4521,4701,410总资产2,8604,3765,4017,38510,464应付账款288.20603.491,6463,1836,055短期借款66.77350.41450.41550.413,550其他负债3,2546,8849,64075.371,075总流动负债3,6097,83811,7363,80910,680长期债务204.12458.11744.95931.791,119其他长期债务29.7434.7534.7534.7534.75总长期负债233.86492.86779.70966.541,153股本28.4836.2236.223.743.74储备/其他项目(1,011)(3,993)(7,151)2,608(1,369)股东权益(982.59)(3,957)(7,115)2,612(1,366)少数股东权益0.001.48(0.14)(2.04)(4.08)总权益(982.59)(3,955)(7,115)2,610(1,370)估值指标会计年度(倍)202320242025E2026E2027EPE(263.90)(70.33)(65.83)(55.97)(52.28)PB(211.62)(52.55)(29.22)79.62(152.26)EVEBITDA(299.22)(80.58)(77.83)(64.08)(65.31)股息率(%)0.000.000.000.000.00自由现金流收益率(%)(0.81)(1.41)(1.62)(1.80)(2.21)现金流量表会计年度(人民币百万)202320242025E2026E2027EEBITDA(703.93)(2,653)(2,791)(3,241)(3,255)融资成本15.1024.9279.07112.84288.68营运资本变动(144.63)61.21(204.50)(133.10)(993.24)税费0.000.000.000.000.00其他185.45322.112,667(122.84)701.32经营活动现金流(648.02)(2,245)(249.61)(3,384)(3,258)CAPEX(848.60)(354.55)(371.95)(371.41)(365.97)其他投资活动63.63305.990.000.000.00投资活动现金流(784.97)(48.56)(371.95)(371.41)(365.97)债务增加量0.00137.17386.84286.843,187权益增加量0.000.000.003,8770.00派发股息0.000.000.000.000.00其他融资活动现金流2,4633,175(79.07)(112.84)(288.68)融资活动现金流2,4633,312307.774,0512,898现金变动1,0301,019(313.79)295.68(725.71)年初现金218.931,2492,2681,9542,250汇率波动影响0.190.390.000.000.00年末现金1,2492,2681,9542,2501,524业绩指标会计年度(倍)增长率(%)202320242025E2026E2027E营业收入116.93150.86140.00110.00100.00毛利润156.64118.54134.46106.18107.41营业利润(533.84)(305.67)(25.72)(16.39)(2.33)净利润449.58275.216.8417.627.06EPS449.58275.216.8417.627.06盈利能力比率(%)毛利润率64.6256.3055.0054.0056.00EBITDA(565.23)(849.24)(372.25)(205.83)(103.35)净利润率(632.71)(946.34)(421.26)(235.94)(126.30)ROE135.39119.7157.06164.98(638.44)ROA(48.91)(81.72)(64.62)(58.11)(44.57)偿债能力(倍)净负债比率(%)99.5836.9210.68(29.44)(230.19)流动比率0.520.380.341.550.85速动比率0.510.380.331.500.81营运能力(天)总资产周转率(次)0.080.05应收账款周转天数642.20624.14600.00600.00600.00应付账款周转天数1,2831,1761,2001,2001,200存货周转天数159.8580.7578.0078.0078.00现金转换周期(480.99)(470.74)(522.00)(522.00)(522.00)每股指标(人民币)EPS(1.77)(6.63)(7.08)(8.33)(8.92)每股净资产(2.20)(8.87)(15.96)5.86(3.06)资料来源：公司公告、华泰研究预测免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。投资要点 6面向企业的MaaS服务是国内PMF的较优路径 6本地+云端并行，智谱全面模型矩阵赋能MaaS 6从限售到涨价，智谱有望引领下一代模型迭代新范式 6我们与市场观点不同之处 7盈利预测 8估值分析 智谱：AGI路上的领先探索者 14押注Level1-5五级AGI路线图 14商业模式：一体化MaaS平台，支持云端/本地部署 15股权结构 董事及高级管理层 19基于大语言模型的AI：第四次工业革命的拐点 21大语言模型演变或不会重蹈判别式AI价值量被压缩的覆辙 21Transformer架构依然主流，Diffusion生成文本值得关注 24海外模型侧重投入，国内模型侧重优化 26企业场景是中国LLM商业化应用的主要聚焦点 30中国企业级LLM市场呈现多元化的商业模式 31云端解决方案为企业提供“开箱即用”的LLM能力 32本地部署提供更安全且高度可定制的LLM能力 33本地化部署是智谱当前重要的高质量商业模式 33智谱：中国头部大模型提供商 35中国LLM市场存在独立型和非独立型两种竞争格局 35独立大模型公司相比互联网大厂有自身独特的优势 36智谱持续突破LLM关键技术，并拥有全面的模型组合 36智谱拥有横跨基础到Agent的全系列模型 39#1:基础模型 39#2:反思和沉思模型 41#3:多模态模型 41#4:AIAgent（智能体） 42对标Anthropic，智谱拥有全球开源领先的Coding和Agent能力 44从限售到涨价，智谱模型凭借性能优势获取更高智能溢价 50智谱有望率先在国内开启ContinualLearning的新曲线 52财务分析 56利润表：收入高速增长，毛利率维持较高水平 56资产负债表：存货周转天数相对稳定，应收款回款周期趋长 58现金流量表：亏损与投入导致经营现金流持续净流出 59风险提示 61免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。图表1：个人智能体开源项目OpenClaw迅速出圈带来大模型云端部署需求扩张 9图表2：盈利预测表 10图表3：智谱可比公司估值 图表4：可比公司2023-2027年预计收入复合年增长率 12图表5：ArtificialAnalysis模型智能性排行榜 12图表6：乐观、中性、悲观三种假设下智谱对应的目标市值情况 12图表7：一级市场对基础模型公司的PS估值变化情况 13图表8：智谱的Level1-5AGI路线 14图表9：智谱的发展里程碑 15图表10：一体化Maas平台最大化模型商业化能力 15图表11：智谱的MaaS平台特征 16图表12：智谱的MaaS平台 17图表13：公司及股权架构（全球发售完成后） 18图表14：对公司有重大贡献的主要子公司 18图表15：智谱的八轮融资细节 18图表16：智谱管理和技术团队 19图表17：按营收划分的中国AI市场规模（单位：十亿人民币） 21图表18：判别式AI和LLM的对比 22图表19：AI商业变现路径对比：判别式价值下沉vsLLM系统化增长 22图表20：海外头部模型厂商对AI4Science的规划 23图表21：2030年全球基础模型厂商收入测算 24图表22：当前全球大模型仍以Transformer的decoder-only架构为核心主流 25图表23：GoogleGeminiDiffusion 26图表24：字节SeedDiffusionPreview 26图表25：Grok模型的演进对应了ScalingLaw的1.0到2.0阶段 27图表26：xAI训练团队在X平台指出Grok-4.1后训练算力有数量级的提升 27图表27：DeepSeek-V3.2-ExpNSA注意力架构 28图表28：Qwen3-Next通过Attention优化提升长文本与大参数效率 29图表29：DeepSeek在Transformer中加入Engram模块实现“以存代算” 30图表30：中国LLM市场规模（按收入划分，单位：十亿人民币） 31图表31：中国企业LLM市场规模（按收入划分，单位：十亿人民币） 31图表32：LLM两种商业模式：云端部署和本地部署 32图表33：基于云的部署模式：驱动力及未来趋势 32图表34：本地部署模式：驱动因素与未来趋势 33图表35：中国顶级LLM提供商收入排名（2024） 35图表36：智谱的MaaS平台拥有全面且支持多样化功能的模型组合 35图表37：中国LLM市场关键竞争壁垒 36图表38：独立大模型公司相比大厂有自身独特的优势 36图表39：智谱模型的核心优点 37免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。图表40：智谱拥有全面的模型组合 37图表41：智谱持续实现LLM技术迭代与突破 38图表42：智谱拥有开源协作、算力支撑与伙伴共建的生态系统 39图表43：智谱的模型和AIagent矩阵 39图表44：智谱GLM预训练框架示意图 40图表45：GLM-Z1/Z1-Rumination的主要特征和优势 41图表46：智谱的多模态模型 42图表47：AutoGLM帮助安排与朋友共进晚餐 43图表48：为各种应用量身定制的更广泛的AIAgent家族 44图表49：25年2月到26年1月ClaudeCode主要功能迭代 45图表50：CoWork运行过程示意图 45图表51：智谱GLM-4.7在ArtificialAnalysisAgent能力榜单中位于开源榜首 46图表52：智谱GLM-5在ArtificialAnalysisAgent能力榜单中位居全球第四、开源第一 46图表53：智谱GLM-5Coding能力对齐ClaudeOpus4.5 47图表54：智谱GLM-5获得VendingBench2（衡量模型经营能力）全球开源第一表现 48图表55：GLM-5与全球头部闭源模型更多维度的对比 48图表56：AutoGLM2.0自动操作云端手机 50图表57：AutoGLM2.0自动操作云端电脑 50图表58：智谱GLMCodingPlan限售公告 50图表59：OpenAI和Anthropic的模型涨价细节 51图表60：智谱GLMCodingPlan价格调整函 52图表61：OpenAIo系列模型带来ScalingLaw2.0 53图表62：ScalingLaw的三层递进 53图表63：NestedLearningvs静态Transformer架构 54图表64：ChatGPT周活用户变化 54图表65：ScalingLaw或将进入3.0阶段 55图表66：24年年中国内大模型厂商API“降价”复盘 56图表67：机构客户数量 57图表68：按业务板块拆分收入份额 57图表69：收入、税前利润情况 57图表70：各业务毛利率情况 57图表71：销售、管理、研发费用率 58图表72：2024年费用结构 58图表73：存货及合约成本和周转天数 59图表74：贸易应收款及周转天数 59图表75：现金流分析 60图表76：智谱PE-Bands 61图表77：智谱PB-Bands 61免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。企业端主导的LLM扩容下，智谱MaaS更贴近国内PMF需求。据Frost&Sullivan数据，2024年中国LLM市场规模为53亿元，其中企业贡献47亿元、消费者贡献6亿元；根据Frost&Sullivan预测，2030年市场规模或达1011亿元，其中企业端约904亿元。智谱MaaS平台于2021年开始商业化，据Frost&Sullivan数据，较中国通用大模型规模化商业化早两年，并以“模型矩阵-应用承接-基础设施适配”三层体系实现标准化交付，覆盖语言、多模态、智能体与代码生成等能力，支持微调、增量训练与提示工程加速部署，同时联合伙伴优化算力与推理部署。机构客户亦呈扩张特征，截至2024年末为5,580家。我们认为，在企业侧ROI可量化与交付体系成熟的背景下，智谱面向企业的MaaS服务具备较好的Product-MarketFit（PMF，产品市场匹配）。面向中国企业级LLM差异化诉求，智谱覆盖两类主流部署形态：1）云端部署，智谱通过云端工具链、应用开发平台及基于API的模型服务降低接入门槛，支持能力调用与快速上线；2）本地部署，智谱以定制化软件与配套服务落地至企业自有IT环境，覆盖本地LLM、工具链以及训练与微调工具，便于企业在自身基础设施内完成系统构建、训练与使用，并适配特定业务场景与合规要求。与此同时，智谱围绕GLM底座按“深度思考-认知-工具使用”能力拆分构建反思模型、多模态模型与智能体模型三类矩阵，通过推理、感知理解与行动执行的协同组合提升多场景适配与迭代复用效率。我们认为，云端+本地并行的交付形态叠加统一底座的能力分层布局，有助于增强MaaS在企业侧的落地确定性。随着GLM-4.7上线，其Coding与Agent能力走强带动需求集中释放，据智谱开放平台团队2026年1月21日公告，工作日15:00-18:00调用高峰出现并发限流报错与速度变慢，反映算力阶段性紧张；官方随即暂时限量发售GLMCodingPlan，限售后每日可销售量降Plan价格调整函》，为保障高负载稳定性并加大算力与模型优化投入，套餐结构性调整并整体涨幅自30%起，取消首购优惠但保留按季按年订阅优惠，已订阅用户不受影响，2026年2月12日生效。我们认为，需求从“尝鲜试用”向“常态化生产”迁移加速，同时据智谱发起人唐杰公开信提出在线学习OnlineLearning/持续学习ContinualLearning等路径，ScalingLaw或迈向以“持续进化”为核心的3.0阶段，智谱有望在该阶段形成先发优势。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。LLM难以被“工具链化”吞没，更可能成为持续演进的能力底座。市场普遍认为，LLM可能会像上一代判别式神经网络一样，随着技术迭代而被新范式快速替代、或被终端渠道挤压；我们认为，这种类比并不合理，LLM作为AI迈向AGI的关键底座，更可能以“持续增强+系统化演进”的方式巩固地位。当前AI范式正由传统判别式AI加速转向通用基础模型驱动体系：判别式AI主要解决分类、回归、检测等识别判断任务，在复杂应用下往往受限于语义理解、多模态融合、泛化迁移与交互决策能力，因而更易在数据与场景标准化后被模块化下沉，价值向“工程交付+硬件打包”靠拢并被渠道固化。相较之下，LLM预训练于海量数据，具备更广任务覆盖与交互式问题求解能力，并且商业化路径更具弹性：1）开发者侧API调用。2）企业侧订阅与席位。3）行业侧私有化部署与定制。4）平台侧模型托管与推理服务，叠加评测、微调、知识库、Agent编排等工具链价值。我们认为，基础模型厂商正把“模型”推进为“系统”，以可交付工作流结果叠加安全合规、权限控制、审计留痕与企业系统连接能力，从而对冲被终端与渠道挤压的概率。国产模型并非“做不好Agent与Coding”，智谱已实现复杂工作流可交付。市场普遍认为，国产模型在Agent与Coding等复杂任务流程上效果有限；我们认为，智谱已在评测与真实交付中给出较强验证。GLM-4.7于2022年10月上线并开源，主攻Coding与Agent能力，据智谱官方评测数据，BrowseComp得分67.5、τ2-Bench得分87.4，SWE-bench-Verified达73.8%（较GLM-4.6提升5.8%）、SWE-bench多语言版66.7%（提升12.9%）、TerminalBench2.0达41%（提升16.5%），并在多项对比中给出超过ClaudeSonnet4.5的结论；据智谱官方测评数据，在ClaudeCode环境覆盖100个真实编程任务验证，GLM-4.7稳定性与可交付性提升，并通过交错式思考、保留式思考与轮级思考增强执行一致性。据ArtificialAnalysis榜单，GLM-4.7的Agent能力位居前列。2026年2月12日智谱上线并开源GLM-5，指向“AgenticEngineering”范式，据官方测评数据其在SWE-bench-Verified与TerminalBench2.0分别取得77.8与56.2，并在BrowseComp、MCP-Atlas与τ2-Bench等长程任务评测中保持领先水平。我们认为，智谱已具备从“写代码”向“写工程”的交付能力，国内复杂工作流落地的可行性正在被重估。本地化部署占比较高并不意味着智谱2B商业模式偏弱，反而体现其在企业级场景中的落地深度。市场普遍以收入形态判断模式优劣，我们认为，低估了智谱企业级大模型落地的阶段特征。据招股说明书数据，智谱商业模式围绕一体化MaaS平台展开，云端API、本地化部署与端侧预装本质上是同一平台能力在不同客户场景下的交付形态，其中本地化部署更契合金融、政务、医疗及关键基础设施等高安全、强合规行业的真实需求；同时，2024年及2025年上半年本地化部署收入分别为2.64亿元和1.62亿元，占总收入比重均在84%以上，对应毛利率分别为66.0%和59.1%，明显高于云端部署业务，说明其并非低质量收入，而是当前收入、毛利与客户验证更充分的商业化板块。我们认为，对智谱而言，本地化部署不是商业模式的终点，而是切入高价值客户、沉淀平台能力并向API、Agent工作区及持续升级服务的重要起点。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。三大优势支撑智谱商业化快速扩张。智谱核心竞争优势包括：1）基于自主全栈GLM预训练框架构建的全面大模型产品矩阵；2）持续的技术突破；3）充满活力的开源AGI开发者智谱的收入来源主要包括本地部署和云端部署两种方式。本地部署收入23年和24年同比增速超100%，未来有望借助模型更新和MaaS服务延续高增长。2022/2023/2024年，本地部署收入分别为人民币54.8/112.6/263.9百万元，23和24年同比收入增速分别为105%/134%，主要受益于自2023年以来模型多次迭代带来的多功能性、性能与复杂度提升，使公司能够提供更复杂的大模型服务并拓展至更广泛的行业客户。本地部署收入从24H1的人民币26.8百万元增长504%至25H1的161.8百万元，主要因为公司继续向客户提供更复杂的大型模型服务，并将大型模型服务扩展到更多客户。基于行业客户不断拓展、模型性能持续提升的判断，我们预测2025年本地部署收入同比增长125%，维持高增，比2024年增长率略降，因收入基数提高；2026-2029年收入增长90%/80%/70%/65%，随收入基数扩大而有所放缓。我们认为，交付复杂度提升与客户拓展是关键变量。本地部署毛利率相对稳定。对于本地部署，2022/2023/2024年的毛利率分别为53.6%/68.2%/66.0%，呈现总体稳定并改善的趋势；毛利率在24H1为62.6%，在25H1为59.1%。受项目交付周期影响，历史时期下半年毛利率高于上半年，故我们假设2025年本地部署毛利率为65.0%，并预计2026-2029年逐步回升至68.0%/69.0%/69.0%/69.0%，主要由于模型多样性和性能改善带动服务复杂性与多样化增强。云端部署规模扩大且收入占比有望抬升。2022/2023/2024年，云端部署收入分别为人民币2.6/11.9/48.5百万元，其中23年和24年收入增速同比分别为360%/307%，主因模型改进与行业拓展带动客户数量及应用场景增加。云端部署收入从24H1的人民币18.1百万增长61%至25H1的29.1百万，主要由客户数量和服务产品应用场景的增加驱动。考虑到历史时期全年收入增速远高于上半年，我们预测2025年云端部署收入同比增长222%。此外，考虑到中国企业LLM云市场份额逐年增加，以及2026年OpenClaw等个人Agent项目的快速崛起，我们预计公司将跟随云部署扩张趋势，云端部署的收入贡献在2026-2029年提升至28%/36%/42%/47%，对应2026-2029年云端部署收入同比增长186%/151%/126%/100%。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。注：截至2026年2月12日。资料来源：GitHub官网、华泰研究云端部署毛利率有望随竞争格局缓和与需求增加而修复。2022/2023/2024年云端部署毛利率分别为76.1%/31.0%/3.4%。24H1为28.6%，25H1为-0.4%，波动主要由于云端部署价格降低的市场趋势及公司以竞争性定价获取市场份额的策略。我们认为，随着价格竞争趋缓，高毛利率的主权AI相关收入增加，以及随着Agent需求带来的模型API涨价（见后文智谱CodingPlan限售和涨价分析云端部署毛利率有望持续修复，我们假设2025-2029年云端部署毛利率分别为16.9%/18.6%/32.4%/40.6%/45.6%。综上，我们预测智谱25-29年总收入增速分别为140.0%/110.0%/100.0%/90.0%/80.0%。研发费用率处于高位并预计随效率改善下行。自成立以来，公司在研发及其MaaS平台上投入较大，研发费用在2022/2023/2024年分别占收入的147.0%/424.7%/702.7%，24H1和25H1分别占收入的1,913.2%和835.4%。据公司招股说明书披露，从2022年到2024年的上行主要反映：1）研发团队扩张带来的成本增加；2）基础模型迭代和技术基础设施的密集投资；3）用于研发的电子设备（如计算硬件）及使用权资产规模增加带来的折旧与摊销费用增加。公司计划提高计算效率、优化模型训练和推理，并利用规模与行业地位获取更优定价。考虑整体大模型行业的研发投入绝对值仍在上升周期，我们假设研发费用2025-2029年分别同增35.0%/30.0%/20.0%/15.0%/13.0%，考虑公司研发效率持续提高，我们假设研发费用率持续下降，2025-2029年分别占收入的395.3%/244.7%/146.8%/88.9%/55.8%，我们认为，算力效率与推理侧优化将是费用率回落的重要支点。管理费用率总体下行，2025或有阶段性扰动。管理费用在2022/2023/2024年分别占收入的56.3%/53.2%/42.8%，在2024H1/2025H1分别占收入的114.6%/97.0%。该比率自2022年至2024年、以及自2024H1至2025H1的下降，主要反映更严格的费用控制与运营效率改善。据招股说明书，公司预计管理费用将随业务和人员扩张而绝对值增加，但占收入百分比长期趋于下降；其中2025年可能出现暂时抬升，主要由更高的权益结算股份补偿和上市相关费用驱动。基于费用控制强化，以及上述一次性因素逐步消退，我们假设2025-2029年管理费用率分别为45%/25%/15%/8%/6%，我们认为，费用率弹性与经营效率改善相关度较高。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。销售费用率回落体现投放策略优化。销售和营销费用在2022/2023/2024年分别占收入的26.4%/81.3%/124.0%，在2024H1/2025H1分别为321.1%/109.3%。公司招股说明书披露，2022年至2024年费用率上行主要由于为把握新兴市场机会而增加广告及营销投入；2024H1至2025H1的回落则反映更聚焦且更高效的营销策略。公司预计销售费用将随业务扩张而绝对值增长，主要受员工福利费用预期增长影响，但随着品牌知名度提升及运营杠杆改善，占收入比例在长期内预计下降。基于聚焦投放策略延续并假设品牌与杠杆进一步改善，我们假设2025-2029年销售费用率分别为40%/20%/15%/8%/6%，我们认为，费用率变化更偏向获客节奏与投放效率的阶段性调整。2022A2023A2024A2025E2026E2027E2028E2029E预测依据本地部署YoY-105.4%134.4%125.0%90.0%80.0%70.0%65.0%反映本地部署高增长延续但受基数抬升影响逐步回落。本地部署毛利率53.6%68.2%66.0%65.0%68.0%69.0%69.0%69.0%历史总体稳定并改善；考虑项目交付节奏下半年通常优于上半年，2025E为65.0%，后续随模型多样性与服务复杂度提升回升至69%。云端部署YoY-359.7%306.6%221.7%186.2%150.6%126.3%100.5%体现云部署加速放量与高基数后放缓。云端部署毛利率76.1%31.0%3.4%16.9%18.6%32.4%40.6%45.6%历史受降价与竞争性定价影响承压；后续假设价格竞争趋缓、主权AI高毛利收入增加、API涨价带动毛利率修复。综合毛利率54.6%64.6%56.3%55.0%54.0%56.0%57.0%58.0%本地毛利率稳定，云端毛利率修复，但云收入占比提升使综合毛利率前期略承压，后期回升。研发费用率147.0%424.7%702.7%395.3%244.7%146.8%88.9%55.8%行业仍处高投入期，但公司提高计算效率、优化训练与推理，并借助规模优势获取更优定价，费用率逐步下行。管理费用率56.3%53.2%42.8%45.0%25.0%15.0%8.0%6.0%费用控制与运营效率改善驱动长期下行；2025E受股权激励及上市费用扰动仍处高位，之后快速回落。销售费用率26.4%81.3%124.0%40.0%20.0%15.0%8.0%6.0%营销策略更聚焦、品牌提升与运营杠杆释放推动下降。资料来源：华泰研究预测使用可比估值法对智谱进行估值。我们选取A/H股及美股AI公司作为智谱的可比公司：1）港股上市公司：商汤科技（0020HK）、云知声（9678HK），其中商汤和智谱有类似的AI平台路线，云知声和智谱同样以AI模型技术为底座、以企业级AI解决方案与平台化能力为商业化抓手。2）A股上市公司：云从科技（688327CH）、云天励飞-U（688343CH其中云从科技、云天励飞与智谱有类似的国内政企/行业AI交付场景。3）美股上市公司：Palantir（PLTRUS）、Applovin（APPUS）、Soundhound（SOUNUS），其中Palantir的AI平台+政企大单商业模式与智谱类似，AppLovin是AI提升商业效率典型代表，SoundHound是垂直AI应用的典型公司。据iFinD/VisibleAlpha一致预期，可比公司平均乐观情况下，给予智谱2029E29xPS，主要考虑模型发展仍属早期，且其模型技术有望持续保持国内领先，并在收入增速方面高于A/H可比公司。对于A/H可比公司，iFinD一致预期23-27年收入复合年增长率小于等于34%，而我们预测智谱23-27E收入复合年增长率约123%，且29年预测增速仍有80%。随人工智能货币化规模扩大，相对国内可比公司给予较高估值溢价。对于美股可比公司，由于当前可比公司虽然在商业化上更为成熟，但是均没有第一梯队的基础模型能力，因此给予智谱相应的基础模型能力溢价。此外，我们认为智谱当下在国内模型的性能处于第一梯队，并且有望在2030年之前保持，因此我们给予智谱2029E29xPS。中性情况下，给予智谱2029E27xPS，主要考虑其仍处于国内模型第一梯队，但随着互联网大厂持续加大投入，公司领先幅度或较前期有所收窄。中性假设下，智谱在模型能力、产品进展及商业化落地方面仍具备一定优势，收入增速仍快于A/H可比公司，因此相对国内可比公司仍可给予估值溢价。但与此同时，互联网大厂依托算力、资金、流量入口及应用场景等资源积累，模型能力与产品渗透进度有望持续改善，行业竞争强度较乐观情形有所提升。此外，根据ArtificialAnalysis模型智能排名，美国前沿模型综合智能得分略领先于国内头部模型，考虑美股可比公司可以用上全球顶尖的闭源模型，因此给予智谱适度估值折价。我们认为，智谱在中性情形下仍保持较强竞争力，但考虑到大厂追赶带来的估值压缩、海外模型的身位领先，给予2029E27xPS。悲观情况下，给予智谱2029E22xPS，主要考虑行业竞争格局进一步复杂化，公司技术优势和商业化预期面临更大不确定性。在悲观假设下，除互联网大厂持续发力外，更多技术供应商陆续进入市场，行业供给扩张快于需求释放，模型、应用及客户资源竞争同步加剧，市场份额分布或趋于分散。在此背景下，智谱虽然仍具备一定技术积累和市场基础，但收入增长中枢或较中性情形进一步放缓，相对国内可比公司可享受的估值溢价也将进一步收敛。我们认为，若行业格局继续走向分散、竞争持续加剧，给予2029E22xPS能够更充分反映悲观情形下的风险定价。代码公司货币收盘价市值（十亿）PS(x)收入（百万）归母净利润（百万）2026E2026E2027E2026E2027E2026E2027EUS-listedcompaniesPLTRUSAPPUSSOUNUSAverage(USA)PalantirApplovinSoundhoundUSDUSDUSD151.0458.77.3361.019.313.227.435.115.011.120.47258.210290.08029.310294.3234.1278.13477.64981.05356.46980.4-22.9-5.2代码公司货币收盘价市值（十亿）PS(x)收入（百万）归母净利润（百万）2026E2026E2027E2026E2027E2026E2027EH-sharelistedcompanies0020HK商汤9678HK云知声A-sharelistedcompanies688327CH云从科技688343CH云天励飞Average(A&H)AverageHKDHKDRMBRMB2.0280.014.487.882.520.415.031.613.911.218.619.215.721.611.17.811.715.611.516.05937.07450.01820.92618.8805.01281.01643.32022.8-702.0-324.0-91.677.1-355.5-171.0-320.5-168.2注：收盘价截至2026年3月13日；A股/H股上市公司的预测基于iFinD一致预期，美股上市公司的预测基于VisibleAlpha一致预期。资料来源：iFinD、VisibleAlpha、华泰研究预测免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。代码公司货币收入（百万）23-27ECAGR2022202320242025E2026E2027E%2513HK智谱RMB57.4124.5312.4749.81,574.63149.1123%H股公司0020HK9678HK商汤HKD3,808.53,405.83,772.14,763.05,937.07,450.014%云知声HKD600.6727.3939.01,228.31,820.92,618.834%A股公司688327CH688343CH云从科技RMB526.4628.1397.7530.0805.01,281.019%云天励飞RMB546.2506.0917.41,293.31,643.32,022.830%注：股价日期截至2026年3月13日收盘；A股/H股上市公司的预测基于iFinD一致预期。资料来源：iFinD、华泰研究注：截至26年3月14日。资料来源：ArtificialAnalysis、华泰研究为提升情景分析的严谨性，我们在悲观、中性和乐观三种情形下，同步调整未来收入增速假设。中性情形沿用当前预测；悲观情形假设竞争加剧、价格压力上升、项目推进与客户回款节奏偏慢，因此收入释放低于中性预期；乐观情形则假设模型迭代、Agent场景放量、本地化部署与MaaS商业化推进更顺，因此收入释放快于中性预期。综上，我们预测智谱2025-2029年收入分别为人民币7.5亿元/15.7亿元/31.5亿元/59.8亿元/107.7亿元，中性情形下给予2029E27xPS，对应市值2908亿元（3286亿港币，汇率1.13），对应目标价652.22元（737.01港币）。乐观情形下给予2029E29xPS，对应2029E收入142.0亿元，市值4118亿元（4653亿港币，汇率1.13对应目标价923.67元（1043.75港币悲观情形下给予2029E22xPS，对应2029E收入82.3亿元，对应市值1810亿元（2045亿港币，汇率1.13），对应目标价405.96元（458.73港币）。单位：百万元（除非另说2024A2025E2026E2027E2028E2029E2029年对应市值（亿港2029年乐观PS2029年中性PS2029年悲观2029年对应PS市值（亿元）乐观收入312.41812.271827.603837.967675.9114200.442941184653乐观YoY151%160%125%100%85%中性收入312.41749.791,574.573,149.135,983.3510,770.042729083286中性YoY151%140%100%90%80%悲观收入312.41687.301374.602611.754701.158227.002218102045悲观YoY151%120%100%90%80%75%资料来源：华泰研究预测免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。在以上可比公司之外，我们认为，即便已经进入二级市场，智谱估值依然可以参考前沿基础模型平台的定价框架，而不宜简单套用成熟软件公司的静态估值体系。现阶段，若仅以成熟软件公司或海外大模型公司当前时点的静态PS，对智谱这类国内头部基础模型厂商进行约束，可能难以充分反映其所处的发展阶段和竞争属性。复盘OpenAI、Anthropic、xAI等全球前沿模型平台在商业化早期的定价过程可以看到，市场通常会给予显著高于传统软件公司的前瞻估值。当收入仍处于起量初期时，海外基础模型公司估值可达到18-61xPS，在市场预期较强的阶段，前瞻定价甚至可达到100x甚至200xPS以上。我们认为，对于智谱而言，虽然公司已进入二级市场定价体系，但其发展阶段、竞争逻辑和商业化节奏，与全球前沿基础模型平台早期阶段仍具有一定可比性。因此，智谱估值能否成立，关键不在于简单与成熟软件公司比较静态收入倍数或利润率水平，而在于其是否具备持续融资、持续迭代模型、持续拓展商业化场景并推动收入放大的能力。公司可比阶段公开估值公开收入口径粗算PSOpenAI2023年初商业化起步期$29B2023年收入预测$0.2B145xOpenAI2023年末run-rate口径$29B年末ARR$1.6B18xOpenAI2024年规模化期$157B2024年收入估算$3.7B42xOpenAI2024年末run-rate口径$157B2024年末ARR$5.5B29xAnthropic2023年末融资期$18.4B对2024年末ARR预测>$0.85B21.6xAnthropic2025年初融资期$61.4B2024年末ARR约$1B61xAnthropic2025年5月run-rate口径$61.4BARR$3B20.5xxAI2024年首轮大融资$24B无公开收入 xAI2025年一季度后$75–80BQ1grossrevenue$52M，年化$0.208B361–385xxAI2025年底$230B2025年grossrevenue目标$1B230x资料来源：各公司官网、华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。智谱以AGI为目标推进安全通用大模型商业化。智谱成立于2019年，围绕追求通用人工智能创新的理念，持续投入通用大型模型研发，并强调模型安全性与智能能力的协同提升。其在AI研究的全谱系中推进技术落地，同时稳步扩展商业应用场景，实现收入较快增长。随着能够自主思考、学习与创造的智能Agent逐步成熟，相关应用有望对工作方式、生活形态及社会组织方式带来结构性影响。根据Frost&Sullivan预测，到2030年，AI将赋能全球至少20%的日常商业决策，并赋能全球至少80%的消费者主流智能设备，形成超过20万亿美元的AI影响经济。智谱将AGI视为AI持续演进的必然方向，并以“智能公共设施化”为愿景。公司认为，随着模型能力不断提升，智能将被工业化规模制造并像水电一样融入社会体系，实现随时可用、无处不在的服务供给，从而推动生产力释放与创造力放大，并在更广时空范围加速科学发现与技术突破。能够自主思考、学习并创造的智能体将推动人机协作范式变化，并对工作方式、生活形态及文明演进路径产生深层影响，我们认为该愿景为公司技术与商业布局提供了长期叙事框架。智谱提出AGI五级路线图，并聚焦Level1至Level3阶段的系统性推进。Level1对应预训练阶段，核心在于让机器具备理解、书写与表达自然语言的能力；Level2对应对齐与推理阶段，强调使机器与人类意图对齐并具备推理与规划能力，通过提升安全性、减少幻觉（hallucination），并实现与图像、视频、音频及动作的多模态对齐；Level3对应自主学习阶段，强调机器通过自我批判、自我反思与深度沉思（rumination），从自身思考与行为中持续学习。Level4与Level5进一步指向自我感知与意识等更高阶能力。我们认为，其分级框架有助于明确技术迭代里程碑，并控制AGI可能带来的风险。资料来源：智谱招股说明书、华泰研究智谱以GLM体系为核心推进自主可控大模型生态，并形成平台化商业落地路径。公司率先推出中国首个自主可控的预训练大模型框架GLM，并逐步发展为国内通用大模型独立开发商的重要参与者：2021年发布GLM框架并推出模型即服务（Model-as-a-Service，MaaS）产品开发与商业化平台；2022年开源首个千亿级模型GLM-130B。截至2025年6月30日，模型已赋能超过12,000家机构客户、约8000万台设备。据Frost&Sullivan数据，按2024年收入计算，智谱是中国最大的通用大模型独立开发商。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。资料来源：智谱招股说明书、华泰研究智谱以MaaS平台为核心构建产品与服务交付体系，较早实现规模化商业化落地。智谱MaaS平台于2021年开始商业化，根据Frost&Sullivan数据，其时间点较中国通用大模型规模化商业化早两年。依托MaaS平台，智谱以合适、合理且可扩展的方式向客户交付智能能力，形成从模型供给到应用开发的标准化路径，为后续行业复制与客户拓展奠定基础。我们认为，这一“平台先行”的策略有助于提升商业化效率与交付一致性。智谱的一体化MaaS平台建立在先进模型能力之上，提供完整模型矩阵与配套智能体工具链。MaaS平台覆盖智能体开发平台与模型微调平台等能力组件，并支持灵活部署选项，使不同AI能力基础的机构客户均可高效、成本效益高地使用与微调模型、开发应用，并在多样化行业场景中释放智能体能力。通过工具化与流程化能力封装，平台降低了模型使用门槛，同时增强了规模化交付的可管理性与可扩展性。智谱围绕应用场景丰富、覆盖面较广的行业进行重点布局，并同步拓展公共部门合作。公司聚焦科技、金融服务、智能设备、零售、医疗健康等领域，面向高频业务流程与数据密集型场景推动模型与智能体应用落地。同时，公司积极与公共部门合作，参与建设并推动国家级与城市级大模型生态体系发展。我们认为，行业纵深与公共生态的“双线推进”有助于形成更广的应用触达与生态协同空间。资料来源：智谱招股说明书、华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。智谱客户数快速增长，侧面验证MaaS平台的可扩展交付能力。伴随品牌知名度持续提升，公司客户基础保持较快扩张。截至2022年/2023年/2024年12月31日，公司机构客户分别为48家/2,873家/5,580家；截至2025年6月30日，公司机构客户为3,156家。客户数量在不同统计时点存在阶段性波动，但整体呈现由早期导入向规模化渗透演进的特征，我们认为，其背后反映的是平台化产品形态在多行业场景中的复制效率与交付承载力。智谱MaaS平台以“模型矩阵+性能安全+闭环飞轮”为核心特征，推动生态与模型协同迭代。平台构建先进AI模型的完整产品矩阵，并通过MaaS商业模式赋能企业与个人用户，实现多样化场景下便捷的定制化模型部署；在能力交付层面，平台强调全球领先的性能表现，同时兼顾安全性与可靠性，以满足机构级应用对稳定性与合规风险控制的要求；在持续演进机制上，平台通过“闭环MaaS”（MaaSintheloop）形成正向飞轮效应，促进模型能力、工具链与生态体系的持续强化与迭代升级。我们认为，该机制有助于增强平台的长期竞争力与客户黏性。全面的模型组合•智谱拥有全球最全面的先进AI模型产品组合之一，展现出行业领先的语言、多模态、智能体和代码生成能力。从广泛且能力强大的模型库中，客户和开发者总能找到最适合其特定需求的解决方案。赋能企业和个人•智谱MaaS商业模式的一大强大优势在于，公司能够通过机构客户高效触达其终端用户。根据Frost&Sullivan数据，截至2025年6月30日，智谱赋能的设备数量在中国独立大模型提供商中位居第二，在所有大模型提供商中位居第二。便捷的定制部署•智谱的模型可通过API（应用编程接口）在云端、私有化部署或设备端运行。公司同时提供即插即用的模板和插件，以及标准化的集成工具，用于模型微调、部署和智能体开发。这些方式支持基于场景的快速、无代码或低代码模型开发，推动各行业的高速落地。安全性和可靠性•智谱构建了安全、可扩展的架构，用于开发安全可靠的模型，背后拥有全球领先的安全性能。例如，其GLM-4-9B模型在Hughes幻觉评估模型（HHEM-2.1-Open）评测中，幻觉率仅为1.3%，位居2025年斯坦福大学发布的Index报告顶级模型之首“闭环MaaS”•智谱的MaaS平台已建立起繁荣的网络生态，连接算力资源提供商、智能设备制造商、机构客户、开发者及个人用户。公司从模型真实世界部署中积累了大量洞察，能够更精准地理解不同使用场景下用户如何使用和受益于其AI，并据此优化训练策略，形成持续进化的正向洞察飞轮。资料来源：智谱招股说明书、华泰研究智谱的MaaS平台包含以下三个层次：1）智谱MaaS以模型矩阵为底座。MaaS平台强调“全面的模型组合”，覆盖语言、多模态、智能体与代码生成等能力，形成较为完整的先进AI模型体系。通过提供广泛且能力较强的模型库，客户与开发者可在不同任务需求下进行匹配选择，从而在同一平台内获得面向多类业务的模型供给，降低从模型评估到落地应用的选择成本与迁移成本。2）智谱MaaS以应用层扩展承接场景落地。MaaS平台侧重“可扩展的应用”，相关模型与智能体围绕跨硬件、跨应用场景、跨业务流程的协同设计，面向复杂任务支持AI原生、多模态、整体式对话，并提供一定的深度推理能力。具体而言，智谱的MaaS平台提供智能体工作空间，配置多种智能体模板与场景化方案，并通过简化的模型微调、增量模型训练与提示工程，帮助客户在较短周期内完成智能体的定制化部署。3）智谱MaaS以基础设施适配保障规模化部署。MaaS平台在“易适配的基础设施”层面，联合基础设施业务伙伴设计算力架构，强化计算、网络、训练通信与推理加速等能力的协同，以提升集成效率与部署可用性。合作还强调模型的适配性，支持从1.5B到230B参数规模的模型部署，覆盖云端与大规模芯片组等形态，并进一步具备向海量消费级设备（如手机、个人电脑、智能设备）扩展的条件，从而触达更广泛的终端使用场景。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。资料来源：智谱招股说明书、华泰研究智谱以云端部署满足快速落地与弹性扩展需求。对于基于云的部署形态，模型托管在可扩展且可靠的云基础设施上，更适配追求敏捷交付与便捷接入的企业需求。通过云端交付，客户可减少对本地算力与运维体系的前置投入，进而以较低的实施门槛实现AI能力上线，并在业务增长过程中按需扩展资源配置，支持以相对经济的方式推进人工智能解决方案的规模化应用。智谱以本地部署强化数据可控与场景深度定制能力。对于本地部署形态，模型部署在客户自有基础设施中，使组织能够基于专有或敏感数据进行领域化定制，以提升模型对特定业务的适配度。本地部署同时带来对性能优化与基础设施配置更高的可控性，便于围绕算力、网络、存储与安全策略进行体系化调整，因此在复杂度较高或专业化程度较强的应用场景中具备更强的适用性。智谱成立于2019年6月，团队源自清华。公司由具有深厚清华大学学术背景的团队创立，核心成员包括刘博士、李博士、唐博士、许博士、张博士以及王先生。发展过程中，公司强调延续创始团队的严谨学术精神与创新追求，并围绕人工智能前沿技术持续投入与迭代。在能力建设路径上，公司力求在模型能力、工程化落地与产业应用等方向形成可复用的方法论与产品化路径，进而支撑不同业务场景的智能化升级需求。截至2025年5月，智谱已完成八轮融资，累计融资金额超过83.6亿元人民币。据招股说明书，本次发售公司估计获得约41.7亿港元的所得款项净额。公司控制权安排与员工持股结构较为清晰且具备制度约束。根据公司招股说明书披露，截至全球发售完成后，通过《一致行动协议》共同控制公司的控股股东包括北京链湃、刘博士、唐博士、李博士、许博士、张博士、慧惠及智登等，合计持有公司约33.03%的股份。此外，截至全球发售完成后，员工持股平台合计持有6,667,904股底层股份，占公司已发行股份的约16.55%。我们认为，控股股东一致行动与员工持股平台并存的安排，有助于在控制权稳定与团队激励之间形成相对平衡的治理机制。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。注：1）北京链湃、刘博士、唐博士、李博士、许博士、张博士、慧惠及智登为一致行动人士，并为智谱的控股股东集团。2）北京智谱慧兴余下30%股权由独立第三方海南何尊持有。资料来源：智谱招股说明书、华泰研究子公司名称注册地注册成立日期注册资本主要业务活动北京智谱兴曜2024年9月24日人民币3亿元提供与大模型相关的服务天津智谱华章2024年10月25日人民币9.5亿元提供与大模型相关的服务资料来源：智谱招股说明书、华泰研究轮次协议日期代价的最后结算日期向公司支付的代价金额公司投资前的概约估值公司投资后的概约估值每股股份成本天使轮融资A轮融资B1轮融资8April20218April2021RMB20.37mnRMB387.02mnRMB407.39mnRMB3.8728April20218July2021RMB152.00mnRMB700.00mnRMB852.00mnRMB6.6512January2022;15February202224February2022RMB208.00mnRMB1,900.00mnRMB2,108.00mnRMB14.24B2轮融资8March2023;19April202328June2023RMB410.11mnRMB2,580.00mnRMB3,210.11mn阶段1:RMB17.42;阶段2:RMB18.76B3轮融资12May2023;15May2023;6July20232January2024RMB608.97mnRMB3,850.00mnRMB4,572.00mn阶段1:RMB22.49;阶段2:RMB23.09B4轮融资B5轮融资4August202328November2023;2February2024;18April202424January202421June2024RMB1,228.81mnRMB1,358.93mnRMB6,000.00mnRMB11,999.99mnRMB7,228.82mnRMB13,358.93mnRMB28.78RMB43.00B6轮融资8August2024;8December2024;31December2024;7January2025;7February2025;19March2025;13May2025;23May202529May2025RMB4,377.00mnRMB19,999.99mnRMB24,376.99mnRMB60.52资料来源：智谱招股说明书、华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。核心高管团队具备扎实技术底色与长期从业积累。刘博士在计算技术行业拥有近18年的丰富经验，2007年9月至2012年12月就职于北京汤姆逊（中国）科技有限公司，任职至研究员；随后在清华大学担任高级工程师。张博士在计算机科学领域拥有近20年的从业经验，2005年8月至2020年12月在清华大学工作。整体来看，公司管理层在产业研发与高校科研体系均有长期沉淀，为技术路线选择与工程化推进提供支撑。核心技术领导团队兼具大厂工程化能力与国际化研发视野，能很好的支撑技术持续迭代。据公司招股说明书披露，公司核心技术团队汇集知名学者和行业专家，在学术研究上贡献卓著，拥有众多全球专利，并在谷歌、卡内基梅隆大学、清华大学、伊利诺伊大学等顶尖机构和高校积累了深厚的研究与实践经验，覆盖从基础研究到工程落地的多个环节。我们认为，该类复合型人才结构有助于提升模型研发效率与场景交付的稳定性。资料来源：智谱招股说明书、华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。智谱发起人唐杰教授是兼具学术深度与产业牵引力的核心技术旗帜。据清华大学个人主页信息，唐杰现任清华大学计算机系教授，是ACMFellow、AAAIFellow、IEEEFellow，研究方向覆盖AGI、数据挖掘、社交网络、机器学习和知识图谱。若从公司竞争力角度观察，其价值并不止于学术头衔，而在于能够同时提供技术路线判断、人才吸引力与行业公信力。据GoogleScholar页面显示，唐杰ICDM2023ResearchContributionsAward相关介绍，其因在dataminingsystems、networkscience、foundationmodels等方向的持续贡献获奖，体现出其并非单篇论文驱动型学者，而是在多个技术代际中均保持影响力的系统型研究者。唐杰对智谱的意义在于把研究影响力进一步转化为平台与产业能力。据唐杰个人主页信息，其代表性成果可概括为三类：1）学术网络挖掘方向，其KDD2008论文《ArnetMiner:ExtractionandMiningofAcademicSocialNetworks》获2020SIGKDDTestofTimeAward，显示相关工作具有长期影响；2）图表示学习方向，其参与的《LINE:Large-scaleInformationNetworkEmbedding》被广泛引用，体现方法层贡献的持续渗透；3）