智谱-市场前景及投资研究报告：国产模型领航者破晓AGI时代

证券研究报告计算机2026年05月28日智谱（2513.HK）深度报告：国产模型领航者，破晓AGI时代评级：买入(首次覆盖)上市以来走势市场数据2026/05/271425.00当前价格（港元）52周价格区间（港元）总市值（百万港元）流通市值（百万港元）总股本（万股）智谱(左轴)恒生科技1200%1000%800%600%400%200%116.10-1,425.00635,255.17a315,373.31a44,584.31流通股本（万股）日均成交额（百万港元）近一月换手（%）22,131.46779.780.610%2026年1月8日2026年3月8日2026年5月8日2预测指标预测指标2025A7242026E31921502027E72571192028E19725106营业收入（百万元）增长率(%)净利润（百万元）增长率(%)每股收益（元）ROE(%)134-4718-60-7135-51-7408-4-7843-6————————经调整净利润增长率(%)P/E(调整后)P/B-3182.08-29.06—-4900.70-54.01—-4795.922.14—-3858.3319.55—————PS772.7309.4141.268.7资料：Wind资讯、国海证券研究所3核心观点n核心观点总结：本报告解决了以下核心问题：1、智谱核心投资亮点有哪些；2、智谱有哪些和市场的预期差。Ø投资亮点：1.全球第四、中国第一SOTA模型能力的稀缺性，以显著的模型领先性，实现更高的定价和ARR：基于官方Benchmark、ArtificialAnalysis三方测评、ArenaAI用户测评，GLM5.1都是SOTA中国大模型，具备领先的市场认可度，2026年5月Tokens价格达1.4美元/百万Tokens，大幅领先于其他国产模型全量版本和海外模型轻量化版本，逼近Gemini3.1Pro同期的2美元/百万Tokens。在2026年2~3月期间，公司MaaSARR达2.5亿美金，大幅领先与Kimi、MiniMax的1、1.5亿美金集团层面ARR。具备迈向AGI的全栈技术储备。公司的GLM-5.1在编程和Agent领域都是全球顶尖、国内SOTA的模型，目前已进化至Angetic

Engineering和8小时长程任务自主执行的阶段；此外公司还推出GLM-5V-Turbo融合多模态模型，具备原生视觉内容理解能力，全面满足AGI需要的认知世界、思考、调用工具、长期自主执行能力。极高的市场认可度。除了编程和开发者核心群体外，公司也得到头部综合互联网和垂类互联网厂商的高度认可，并达成深度合作，对于头部综合互联网厂商，公司的GLM模型为其编程和Agent入口的核心调用模型，对于垂类互联网厂商，公司也能为其深度开发Agent系统。在中国前10的互联网公司中，公司已于其中9家达成深度合作。对于互联网外的B端客户而言，公司的“清华系国家队”背景和SOTA模型研发能力也为公司带来了更高的市场地位，驱动公司相关业务的客单价、毛利率、应收账款账期均领先于竞争对手。2.3.4.

编程和Agent具备万亿级TAM，智谱凭借模型优势全面受益。在AI编程和OpenClaw、Claude

Code等现象级生产力应用带动的Token消耗激增背景下，GLM-5进化为能够自主执行长周期、多步骤复杂任务的“AgenticEngineering”模型，获得了全球开发者和生产力用户的广泛认可与采用。智谱MaaS业务凭借GLM模型全球顶尖的性能表现、可扩展性、全球覆盖性及网络效应，有望成为我们预计的万亿美元级生产力AIAgent市场的核心受益者，实现加速增长

。Ø与市场观点的预期差：1.智谱聚焦ToB和To生产力用户，市场偏好ToC企业。我们认为：参考海外头部厂商的发展路径，即使是OpenAI，也面临着用户付费意愿弱（5%付费率，TheInformation）、毛利率承压、在综合互联网厂商谷歌的冲击中市场份额下滑的困境，而Anthropic则聚焦B端和生产力用户，迅速增长至440亿美元ARR（2026年5月），领先于OpenAI同期的ARR表现。对于智谱，中国头部综合互联网厂商阿里、字节、腾讯在C端的竞争更为激烈，因此智谱选择聚焦需求明确、付费意愿强、高价接受度高的B端客户和编程、Agent生产力用户，通过API调用、CodingPlan订阅等实现变现，因而具备更优秀的业务模式。2.3.市场认为智谱以文本模型起家，缺乏多模态能力，未来或被原生多模态模型厂商超越。我们认为：多模态能力分为多模态生成和理解能力，AGI需要的能力为多模态理解，能够输入现实世界的各种信息，进而自主执行任务。而智谱推出的GLM-5V-Turbo融合多模态模型，具备原生视觉内容理解能力，多模态任务表现领先于Kimi2.5（原生多模态理解模型）和ClaudeOpus4.6，能力强劲，具备长期竞争力。市场认为智谱缺乏算力，限制营收增长。我们认为：一方面智谱通过深度适配国产卡和与算力持有方达成“算力合伙人”合作，推动推理能力迅速扩容；另一方面公司现有的ARR并不能完全反映市场对公司模型的需求，公司算力扩容后，营收有望实现更迅速的增长。Ø

盈利预测和投资评级：我们预期公司2026-2028年营收分别为31.92亿元/72.57亿元/197.25亿元，其中Maas业务营收21.66亿元/54.37亿元/165.25亿元，本地化部署收入10.26亿元/18.2亿元/32亿元。我们认为公司具备领先的模型能力、研发能力、商业化表现和市场认可度，已在企业级AI、MaaS开放平台建立了领先的生态系统，凭借高人才密度、高效率的组织，使得模型与产品实现高速推出与迭代，并持且续模在型顶级基准测试中保持领先表现，展现出显著的稀缺价。首次覆盖，给予“买入”评级。Ø风险提示：行业竞争加剧、竞争格局生变、AI发展不及预期、估值调整、模型商业化未完全兑现、公司产品不完全可比、负面舆情、政策风险等风险。4目录一、智谱简介：全球大模型头部玩家，引领企业级AI、Agent和编程市场..................................................................................................................................................................7智谱介绍：全球大模型头部玩家，深度参与AI浪潮业务结构：AI大模型企业级&平台化交付驱动规模化增长业务模式：全面对标Anthropic，聚焦企业级、编程和生产力用户，用户付费意愿强、毛利率高、增长快受益于企业级、生产力、编程用户强劲需求，智谱ARR强劲增长，国际化趋势显智谱核心技术团队技术背景深厚，研发实力强劲，清华系背景突出组织架构：扁平化、高效率的组织大浪淘沙，中国AI大模型行业从“百模大战”收缩为“互联网龙头+小龙”格局二、AI基模：领跑全球大模型、迈向AGI，驱动营收高速增长、毛利率持续改善.......................................................................................................................................................15模型矩阵：以GLM-5文本基模为核心，同步储备多模态生成能力GLM-5VTurbo融入多模态理解能力，多模态任务规划执行能力显著智谱具备GLM-5顶级基模和深度思考、工具使用、认知世界的模型能力储备，长期有望迈向AGIGLM-5构建了工程化的预训练和后训练系GLM-5强化学习阶段采用Smile异步强化学习框架解耦数据生成与训练过程，助力效率大幅提升GLM-5预训练数据量和参数规模大幅提升，引入多种创新技术助力推理效率提升模型能力：GLM5.1逐步赶上海外旗舰级模型，时间差持续缩窄模型能力：GLM5.1领跑国产大模型，逼近海外顶级模型模型能力：GLM5.1具备强大长程任务能力模型能力：智谱正逐步向AutonomousOS进化智谱以模型能力优势、基于效果定价，模型价格领跑国产大模型、逼近国际顶尖模型，有望摆脱价格战泥塘、驱动毛利率改善GLM-5针对国产芯片定制优化，助力算力快速扩容三、Agent&编程生产力场景：GLM-5基模能力全球顶尖，成为万亿美元级AIAgent市场核心受益者......................................................................................................................29生产力AIAgent具备万亿美元级市场规模大模型能力持续迭代，具备感知规划、工具使用、记忆、行动能力，能够完成复杂任务OpenClaw、ClaudeCode等平台推出，催化AIAgent爆发5目录Agent渗透带动全球Tokens调用激增，利好基模厂商编程能力为Agent能力核心，智谱具备领先的编程和Agent能力模型能力驱动，智谱领航Agent和编程赛道、深受互联网龙头认可智谱为AI编程&AIAgent先锋，GLM-5赋能头部互联网编程&Agent能力智谱构建平台化生态，以标准化模型能力输出，赋能生产力提升四、企业级AI交付业务：赋能企业稀缺AI能力，长期有望向标准化交付发展.............................................................................................................................................................38市场前景：受数据安全、政策要求等需求驱动，企业级AI本地化部署市场空间广阔市场前景：KA定制+SMB标品交付双轮驱动，中国企业级AI市场规模2030年有望超900亿元人民币市场前景：头部互联网厂商超级Agent+超级履约平台对垂类履约平台冲击较大，智谱能够为垂类履约平台快速提供Agent能力智谱企业级AI业务模式：KA定制+SMB标品交付双轮驱动行业渗透&平台化能力积累&模型能力提升有望替代部分定制化交付工作，提升智谱交付效率客户合作：智谱与众多标杆互联网、央企公司、政府机关、科研机构携手，达成深度AI大模型企业级部署合作业务模式-智谱vs商汤：智谱注重于模型能力输出，商汤算力资源充足，IaaS收入贡献大业务模式：智谱vs第四范式-智谱基模能力顶尖，聚焦通用模型能力输出，同时具备KA客户定制化能力，第四范式无自研基模，聚焦定制化落地与商汤和第四范式对比，智谱有更强的市场地位，但收入体量较小，未来增长空间广阔ToCvsToB&生产力商业模式探讨：独立模型厂商适合ToB&生产力、综合互联网厂商ToC具备竞争优势（以OpenAI和Anthropic为例）智谱企业级AI业务具备客户和行业经验沉淀优势，长期有望实现标准化平台能力交付和营收大体量增长五、智谱盈利预测与估值...................................................................................................................................................................................................................................50智谱营收拆解和预测盈利预测评级：智谱尚处于商业化早期，看好公司AI能力，首次覆盖给予“买入”评级六、风险提升...................................................................................................................................................................................................................................................536智谱简介：全球大模型头部玩家，引领企业级AI、Agent和编程市场7智谱介绍：全球大模型头部玩家，深度参与AI浪潮Ø智谱是中国AI基座大模型领域的领军者之一。智谱AI源自清华大学计知识工程实验室（KEG），致力于打造新一代认知智能大模型，自主研发了具有国际影响力的GLM系列模型。凭借“企业级大模型+AI编程+Agent生产力”的全栈布局，在国内率先实现了从底层技术研发到商业应用落地的完整闭环，是目前中国最具技术壁垒和生态影响力的基础模型厂商之一。Ø受益于AI数字化浪潮和编程&Agent革新，智谱商业化全面加速。2022-2025年，企业级AI、编程和Agent，智谱连续三年实现收入翻倍增长，已经发展成为中国最大的独立大模型厂商之一。依托全链路自主研发能力，公司在底层算法、训练框架、推理工程及交付适配等环节形成闭环，并持续推进与国产算力生态的深度适配，深度赋能中国数字化转型浪潮。2026年起，智谱依托新一代GLM-5基模在编程和Agent领域的强竞争力，维持业务强劲增长能力。智谱收入结构：AI大模型驱动平台化、规模化增长2024收入（百万元）2025收入（百万元）2025毛利率18.9%2025收入增速293%开发平台和API企业级Agent48472152190166366352.3%249%企业级通用大模型技术服务及其他合计46.9%70%90.4%31%31272441.0%132%8资料：Wind、国海证券研究所业务结构：AI大模型企业级&平台化交付驱动规模化增长付费方式调用方式本地化部署，客户可以将模型部署在本地并微调，保证数据的安全性和模型的可控性政府、央国企License付费+定制化费用本地化部署或云端部署，客户可以根据需求选择部署方式，此外可以对模型进行微调科技、互联网公司订阅式付费+定制化费用云端API调用，公司凭借强大的GLM底座，获得海内外开发者&Agent生产力用户广泛好评按Tokens消耗付费，或CodingPlan订阅付费开发者、生产力用户9资料：证券时报、36kr、智谱官网和招股说明书、腾讯云、51cto、国海证券研究所整理业务模式：全面对标Anthropic，聚焦企业级、编程和生产力用户，用户付费意愿强、毛利率高、增长快顶尖模型生产力：AI编程、Agent（智谱、Anthropic）C端应用（字节、阿里、腾讯、谷歌）垂直行业AI落地&MaaS（智谱、Anthropic）公用事业政务科技Ø

用户付费意愿弱，毛利率低下Ø

依赖广告与AI+主业变现，流量是核心竞争力，综合互联网厂商具备竞争优势互联网智能设备金融零售10资料：tradingkey、claude、证券时报、智谱官网和招股说明书、谷歌官网、界面新闻、国海证券研究所受益于企业级、生产力、编程用户强劲需求，智谱ARR强劲增长，国际化趋势显著智谱ARR及区域占比（单位：亿美元）智谱MaaS区域占比（2025.12）121010海外占比8640%4国内占比60%2.520.0402025年3月2026年3月2026年12月E注：2026.12ARR为我们预测11资料：OSC开源社区公众号、北京、财联社、证券时报、Wind、国海证券研究所智谱核心技术团队技术背景深厚，研发实力强劲，清华系背景突出智谱核心管理层团队智谱其余核心技术团队姓名张钹经历刘博士在大语言模型、机器学习与数据挖掘领域拥有深厚的专业知识。他主导或参与了与科技部、中国工程院等机构合作开展的30余项重大科研项目。刘博士师从中国工程院院士、著名人工智能研究专家高文，在国际顶级会议发表论文20余篇，在全球拥有超过50项发明专利。在公司的技术创新与战略研究方向制定中发挥领导作用。张博士是中国科学院院士，在模式识别、知识工程与机器人等基础AI理论和应用领域发挥了关键作用。他提出的问题求解商空间理论具有开创性意义，其提出的多粒度推理与计算复杂度优化创新方法已成为粒计算的核心理论。张博士发表论文400余篇，出版多部获奖专著，曾获权威荣誉及国家重大科学成果奖等殊荣。他还共同创建了智能技术与系统国家重点实验室，进一步塑造了中国人工智能的研究方向及其现实影响。刘德兵董事长鄢先生专长于数据挖掘以及大模型的预训练与开发。他在我们的MaaS平台的研发工作中发挥了核心作用。鄢先生的创新显著提升了我们MaaS平台的性能及质量。鄢先生拥有卡内基梅隆大学的硕士学位，此前曾在谷歌担任高级研发工程师。鄢兴雨顾晓韬杜政晓张博士专注于知识图谱与大规模预训练模型，在智谱的GLM模型系列研发中发挥了核心作用。他在国际机器学习大会(ICML)及国际语义网大会(ISWC)等顶级会议发表论文十余篇，致力于推动“知识+数据”双驱动的AI框架演进。他在大规模预训练模型部署、语义大数据分析、智能问答及决策支持系统等领域的实践专长，成为将人工智能研究转化为具有影响力的实际应用领域的杰出人物。顾博士是中国一家大型科技公司数据挖掘以及大语言模型方面的专家，他在NLP开发以及大语言模型预训练方面拥有丰富的实践经验。他获得美国伊利诺伊大学厄巴纳-香槟分校博士学位及清华大学学士学位。顾博士已在多次重大国际会议上发表了逾40篇论文，包括国际计算语言学学会(ACL)、国际计算机视觉与模式识别会议(CVPR)、国际学习表征会议(ICLR)以及知识发现与数据挖掘(KDD)会议。张鹏CEO杜博士专注于机器学习算法在现实世界系统中的应用，包括信息检索、知识图谱及预训练语言模型。他也专注于机器学习及强化学习的算法。杜博士在清华大学完成了计算机科学的本科和博士学业。杜博士已在多次重大国际会议上发表了30多篇论文，累计引用量超过8,000次。智谱核心团队清华浓度高唐博士是智谱AI创始人、清华大学计算机系长聘教授、博士生导师；为知识图谱与认知智能领域权威专家；曾任清华大学知识工程实验室负责人；学术成果丰I硕顶，会在A（NeurIPS、ICML、ACL等）发表论文200+篇。唐杰首席科学家清华KEG实验室智谱AI研发团队50%清华背景智谱办公地址清华隔壁Ø

KEG主任：唐杰Ø

智谱发源实验室12资料：智谱招股说明书、新浪财经、国海证券研究所组织架构：扁平化、高效率的组织ØØØ智谱组织架构高度扁平，组织效率高。智谱仅三层架构，高度扁平化强调自主创新，无严格层级，凭实力说话，适配AI行业技术迭代快、市场变化快特点，决策与执行效率高。智谱团队成员组织认可度高，人才流失率低。智谱员工有独特的归属感和理想，员工能参与“改变行业的项目”，实现个人价值与公司价值绑定，2024年人才流失率仅8%，远低于行业25%的平均水平。智谱组织架构分为AI院、工程院、商业化团队三大组织。智谱组织架构分为AI院、商业化团队的工程院三大部门。其中AI院负责模型和算法的前沿探索，工程院负责底层基础设施支持、产品开发，商业化部门负责B/G端产品落地、销售。智谱组织架构商业执行层学术委员会张鹏（前谷歌专家、技术商业专家）、王绍兰主导，负责技术商业验证，避免技术脱离市场。此外还负责市场、销售、运营等商业决策。唐杰（清华教授、AI专家）、李涓子（清华教授、AI专家）等核心学术创始人组成，负责技术路线、研发方向的决策。高频沟通AI院工程院商业化团队负责模型和算法的前沿探索负责基础设施支持、产品开发负责AI商业化、落地交付。约200-300人C端产品B/G端产品受AI院领导，负责Z.AI、智谱清言、AutoGLM等产品受张鹏领导，负责B/G端销售、交付13资料：蓝鲸新闻、行诺加商业文化洞察公众号、连线Insight公众号、国海证券研究所大浪淘沙，中国AI大模型行业从“百模大战”收缩为“互联网龙头+小龙”格局百模大战互联网大厂+AI小龙持续出清，龙头互联网保持强脱颖而出竞争力+六小龙坚持基模研发20232024-20252025后互联网大厂头部互联网大厂保持强竞争力AI小龙AI六小龙坚持基模研发ØØ零一万物将超大模型交给了阿里训练，明确不再追逐AGI，放弃预训练转向应用百川智能则专注医疗垂类赛道，停止基模更新14资料：YOUNG世界、中国经济时报、MiniMax、腾讯混元、投资界、各公司官网、国海证券研究所AI基模：领跑全球大模型、迈向AGI，驱动营收高速增长、毛利率持续改善15模型矩阵：以GLM-5文本基模为核心，同步储备多模态生成能力智谱聚焦GLM旗舰级文本基膜，编程、Agent能力全面提升202020222023202420252026GLMGLM130BChatGLM2ChatGLM3GLM4GLM4.5/4.7GLM5.1Ø

国内首款千亿参数Ø

支持工具调用、代码执行等Agent任务Ø

模型不再是被动回答，而是自主理解意图并调度工具。Ø

自动完成“联网搜索->工具调用->工作交付”的复杂流程。Ø

引入图像、视频、音频等多模态理解能力Ø

支持反思、沉思能力Ø

性能对标ClaudeOpus4.6旗舰级模型Ø

AgenticCoding能力全球第四（Livebench，截至2026.4.21）开源模型智谱在多模态生成领域开展探索，具备相应的能力储备视频生成音

频

生

成图

片

生

成一亿GLM-RealtimeGLM-4-VoiceCogVideoXCogView16资料：智谱招股说明书和官网、证券时报、新智元、火山引擎、livebench、51CTO、国海证券研究所GLM-5VTurbo融入多模态理解能力，多模态任务规划执行能力显著提升GLM-5VTurbo采用系统性的方法，提升了融合多模态Agent能力GLM-5VTurbo多模态任务规划执行能力显著提升方法解释类别基准测试名称GLM-5V-TurboKimiK2.591.3ClaudeOpus4.6Design2Code94.893.83177.398.843.5-从预训练到后训练，模型持续强化视觉与文本的对齐。结合全新的CogViT视觉编码器和便于推理的MTP架构，提升了多模态理解和推理效率。原生多模态融合训练MultimodalCoding

Flame-VLM-Code88.833.2Vision2WebImageMining30.751.972.93024.442.958.725.6BrowseComp-VLMMSearch35.963.825.663.2-在强化学习过程中，该模型在30多个任务类型中进行联合优化，涵盖STEM、视频、GUI和AngeticCoding，从而在感知、推理和Agent执行方面获得显著提升。多模态联合强化学习MultimodalToolUse

MMSearch-PlusSimpleVQA78.258.68971.5Facts57.884.3增加了多模态工具，例如绘制方框、屏幕截图和网页阅读（包括图像理解），将Agent功能从纯文本扩展到视觉交互，并支持更完整的感知-规划-执行循环。V*66.5多模态工具链OSWorld62.375.788.563.343.184.372.262GUIAgentAndroidWorldWebVoyager8817资料：智谱官网、国海证券研究所智谱具备GLM-5顶级基模和深度思考、工具使用、认知世界的模型能力储备，长期有望迈向AGI深度思考：反思及沉思模型认知世界：多模态模型GLM5VTurboGLM-Z1融合多模态模型（多模态理解、Agent规划执行能力提升）反思模型（自检/纠错/推理质量提升）GLM-Z1-Rumination沉思模型（更长链路思考/更充分推演）AGI工具使用：AIAgent/

代码模型AutoGLMCoCo从对话到执行，自主任务完成智能体AutoGLM-Rumination边想边干，具有深度思考能力的自主任务完成智能体企业级智能体CodeGeeX代码编写GLM-5基座模型资料资料：智谱、国海证券研究所整理18：智谱招股说明书、国海证券研究所GLM-5构建了工程化的预训练和后训练系统后训练（Post-Training）：预训练(Pre-training)：•

全面监督微调(OverallSFT)：采用通用对话、复杂推理与编程、Agent任务对模型进行监督微调。•

训练初期使用了18万亿（18T）Tokens的通用预训练语料。•

同时使用了9万亿（9T）Tokens的代码与推理语料。•

这一阶段在4K的上下文窗口下进行，目的是在早期就优先建立模型的代码和逻辑推理能力。•

连续强化学习(SequentialRL)：采用推理RL（混合数学、科学、代码生成、工具调用的推理任务，拉升模型的硬核逻辑能力）、智能体RL（长周期、多步骤的真实世界任务决策与执行，培养模型的自主工程能力）、通用RL（优化模型的通用对话表现、人类意图契合度），逐步提升模型能力。•

同策略跨阶段蒸馏(On-PolicyCross-Stage中继训练(Mid-training)：专门用于渐进式扩展上下文长度的独特阶段。Distillation)：在连续优化不同目标时，模型很容易出现“灾难性遗忘”（即学了新技能，忘了旧技能）。因此采用如下策略改进：前一个阶段训练完成的最终模型版本会被冻结，并被指定为新阶段的“教师模型”。传统强化学习评分通常完全由新阶段的奖励模型决定，但在GLM-5中，系统还会引入教师模型的输出概率分布（Logits）进行干预，确保模型不会大幅偏离上一阶段。•

首先在32K上下文窗口下，使用1万亿（1T）Tokens的长代码与推理数据进行训练。•

随后将窗口进一步扩展至128K和200K，分别使用了5000亿（500B）和500亿（50B）Tokens的长上下文与智能体数据。这确保了模型在处理复杂工作流时的稀疏注意力适应(SparseAttentionAdaption)：稳定性。在中继训练之后，模型进行了动态稀疏注意力（DSA）的适应性训练。这一步使用了200亿（20B）Tokens的数据，在200K的超长上下文下完成，极大地降低了后续的计算成本。19资料：智谱《GLM-5技术报告》GLM-5强化学习阶段采用Smile异步强化学习框架解耦数据生成与训练过程，助力效率大幅提升下发Prompt、数据任务Rollout采样、评分任务1、任务2....任务n数据缓存器收集Rollout（每个任务多次尝试）Ø标准化采样接口：各种Agent在工具集、工作流等方面差异巨大，通过标准化接口统一收集rollout（Agent执行->报错->修复->成功的全部轨迹）异步采样：Agent任务耗时（单次30分钟以上）且不同步，采用异步采样的方法提升效率ØØ用得分高的Rollout训练模型，更新模型参数和权重ØRollout评分：基于运行的过程和结果给大模型每一次尝试的Rollout打分Megatron训练引擎运行效率高，开源、更新迭代快Ø

Sgland推理引擎:运行效率高，开源、更新迭代快更新权重和参数Ø

Server-based推理：相较Engine-based推理，使用时无需重新配置环境，并且可基于算力需求灵活切割服务器Ø

异步推理训练：每当模型更新，新权重会同步到采样服务器，这种分离允许系统连续运行，消除了同步屏障，提升GPU利用率。Ø

动态资源分配：GPU可在推理和训练之中灵活分配请务必阅读报告附注中的风险提示和免责声明

20资料：火山引擎、lmsys、notion、智谱《GLM-5技术报告》、国海证券研究所GLM-5预训练数据量和参数规模大幅提升，引入多种创新技术助力推理效率提升GLM-5预训练数据量和参数规模大幅提升总参数规模（B）激活参数规模（B）744预训练数据（万亿Tokens）28.58007006005004003002001000302520151052335532GLM-4.7400GLM-5GLM-4.7GLM-5GLM-5采用多种创新技术助力推理效率提升，降低推理成本多潜在注意力（MLA）与MuonSplit多

Token预测（MTP）动态稀疏注意力（DSA）此前问题：在传统的大模型架构中，处理长文本最大的痛点是KV

Cache，会占用海量的

GPU

显存。模型最初采用

MLA

以节省显存（通过采用降维/压缩的键值Key-Value向量），但发现其性能略低于GQA-8。此前问题：①显存线性膨胀：为了让模型预测n个

Token，必须在架构中物理堆叠n个独立的

MTP

层，意味着

MTP

参数和KV

Cache

的显存量会随着推测步数的增加而呈线性暴涨。②训练与推理的割裂：为了规避显存爆炸，包括

DeepSeek-V3在内的一些模型采取了妥协方案，在训练时仅使用1个MTP层，但在推理时却强行让它预测接下来的2个Token

。这种训练-推理差异导致模型在生成第二个

Token

时的接受率出现明显下降。此前问题：在处理长文本时，标准的密集注意机制需要计算所有Token

之间的两两关系，其计算复杂度呈

O(L^2)增长，这在128K或200K的上下文长度下会导致计算成本极其高昂。如何解决：GLM-5

集成

DeepSeek

Sparse

Attention，该注意力机制通过闪电索引和动态稀疏使模型仅关注最重要的Top-k

Token，从而将计算复杂度从

O(L^2)降低至

O(Lk)，保证上下文能力的同时，提升模型推理效率和降低模型部署成本。如何解决：团队提出了“MuonSplit”正交化更新策略，允许不同注意力头的投影权重以不同的尺度（Scales）进行更新

，这种精细化的更新机制极大地释放了

MLA

的潜力，成功抹平了性能差距，并将Head维度增加到

256（MLA-256）以降低解码计算量，性能更加稳定。如何解决：智谱创新提出“参数共享”机制的改进方案，在训练中共享了

3层

MTP的参数，在保持与DeepSeek-V3.2相同显存开销的情况下，提升了推测解码的接受率。21资料：智谱Github、智谱《GLM-5技术报告》、国海证券研究所模型能力：GLM5.1逐步赶上海外旗舰级模型，时间差持续缩窄2026年2月2026年4月ClaudeOpus4.6发布GLM-5.1发布22资料：ArtificialAnalysis、国海证券研究所整理模型能力：GLM5.1领跑国产大模型，逼近海外顶级模型综合推理编程AgentTerminal-BenchBenchmark（单位：得分）BrowseCHMMT

IMOAnsSWE-TerminalTool-DecathlonHLEw/ToolsAIME2026GPQA-Diamond2.0-Best

CyberGy

BrowseC

ompw/τ³-MCP-AtlasVendingBench2HLEFeb.werBenchBench

NL2Repo

-BenchProself-reportedharnessmompContext

BenchManage20262.0GLM-5.1Qwen3.6-PlusMiniMaxM2.7DeepSeek-V3.2KimiK2.53152.350.6-95.395.189.895.194.595.698.298.782.687.872.779.981.384.387.391.883.883.866.378.381.875.386.290.48758.456.656.2-42.737.939.8-63.561.6-69-68.7-68-79.3-70.670.767.669.26671.874.148.862.263.873.869.267.240.739.846.335.227.847.248.854.65634.415114.87-28.8285746.4----25.131.536.74540.851.853.151.452.182.487.691.394.39239.350.865.468.5-17.341.366.638.866.351.460.6-67.674.984103453.857.354.257.7321198.468017.59911.216144.18ClaudeOpus4.6Gemini3.1ProGPT-5.449.833.441.3-72.467.172.9--85.982.739.891.475.1-23资料：智谱官网、国海证券研究所模型能力：GLM5.1具备全球领先的长程任务自主执行能力Ø自动化长程任务执行能力是大模型迈向AGI的基石能力。我们认为长程自动化执行是通向AGI的必经之路，它要求模型不仅理解指令，更能理解世界、规划行动并持续优化。只有具备长期记忆、自主规划与迭代能力的大模型，才能替代人类完成全流程自动处理、多任务并行管理等工作。它不仅能降低长期运营成本，更能通过稳定的自动化执行，成为真正意义上的生产力工具，具备了在复杂动态环境中创造价值的核心潜能。GLM5.1通过6000次工具调用，驱动ANN算法迭代600次，大幅提升算法QPS表现GLM5.1具备8小时长程任务执行能力，仅次于Opus4.6连续自动运行时长（分钟）8007006005004003002001000ClaudeOpus4.6（约12小时）GLM-5.1(约8小时)GPT-5.2Gemini3ProGPT-5Claude3.7Sonneto1o1-previewClaude3.5SonnetGPT-42022年8月

2023年3月

2023年10月

2024年4月

2024年11月

2025年5月

2025年12月

2026年6月24资料：智谱官网、华尔街见闻、国海证券研究所模型能力：智谱正逐步向AutonomousOS进化，迈向AGIAutonomousOSGLM-5.1实现单一任务中实现最长8小时的连续自主运行LongHorizonTaskGLM-5-Turbo/GLM-5V-Turbo针对OpenClaw深度优化模型/针对Agent、编程的融合多媒体模型AgenticEngineeringGLM-5面向端到端软件工程的Agent工程能力实现跨越升级GLM-4.7显著提升编程、Agent能力GLM-4.5VibeCoding将推理、编程与Agent能力原生融合在同一模型架构CodeGeeXCopilotChatbot2022-20242025202625资料：清华大学、智谱官网、国海证券研究所智谱以模型能力优势，具备更强定价能力，营收规模领跑中国独立模型厂商横轴：ArenaAI综合得分、纵轴：输入价格（美元/百万Tokens）6ClaudeOpus4.7543ChatGPT5.4Gemini3.1ProGLM-5.1212026.3ARR2.5亿美元*KimiK2.5Qwen3.6MaxMiniMaxM

2.72026.2ARR1.5亿美元*2026.3ARR1亿美元*Seed2.0Pro146001380140014201440148015001520*注：智谱为MaaS开放平台ARR，MiniMax、Kimi为集团ARR，其中MiniMax包含海螺多模态AIGC、Talkie虚拟社交等业务，与Kimi、智谱纯文本基模业务或不可完全比较26资料：arena.ai、artificialanalysis、阿里云、火山引擎、华尔街见闻、界面新闻、每日经济新闻、国海证券研究所智谱以模型能力优势、基于效果定价，模型价格领跑国产大模型、逼近国际顶尖模型，有望摆脱价格战泥塘、驱动毛利率改善智谱大模型定价国产第一，超过海外轻量化模型，逐步逼近海外旗舰模型智谱大模型价格持续提升1.51654321输入价格(美元/百万Tokens)输入价格(美元/百万Tokens)1.40.501.00.60.60.5GLM5.1GLM5GLM4.7GLM4.6GLM4.5CodingPlan提价幅度（2026.2）120%100%80%60%40%20%0%5.0100%海外30%中国3.02.52.0智谱云API毛利率有望持续改善毛利率1.41.335%30%25%20%15%10%5%1.00.80.70.60.50.3032%24%19%3%0%202420252026E2027E27资料：artificialanalysis、中国经营报、国海证券研究所GLM-5针对国产芯片定制优化，助力算力快速扩容Ø智谱大模型深受用户欢迎，算力供不应求。2026年1月，GLM-4.7上线后，智谱MaaS平台用户数迎来高速增长，使得算力资源出现阶段性紧张问题，部分用户在高峰期遇到了不同程度的并发限流报错、模型速度变慢等问题。为保障老用户体验，公司对CodingPlan订阅计划进行了限量发售，并采取如下措施解决算力瓶颈：1.

智谱针对国产芯片进行了原生级硬件适配，提升推理效率。GLM-5

已完成与昇腾、摩尔线程、寒武纪、昆仑芯等国产算力平台的深度推理适配，基于底层算子优化和硬件加速，GLM-5在国产芯片集群上已实现高吞吐、低延迟稳定运行：1）算子级深度定制：

智谱摒弃了仅在推理框架层的简单指令翻译，直接针对各家芯片的微架构进行算子重写，确保计算流能完美契合特定芯片的计算单元调度逻辑。2）低精度计算适配：

充分利用并适配国产芯片的原生低精度加速能力，不仅在保持模型精度的同时显著降低了显存占用，还提升了推理速度。2.

智谱与推理服务商达成“算力合伙人”合作，提升算力容量。针对拥有大规模、高稳定性的算力池，或具备卓越推理能力的厂商，智谱与其达成合作。我们认为主要通过算力成本支付和模型收入分成建立协作关系。智谱算力供不应求，对CodingPlan采取了限售措施智谱与国产卡深度合作，助力算力扩容28资料：智谱公众号和官网、36kr、国海证券研究所Agent&编程生产力场景：GLM-5基模能力全球顶尖，成为万亿美元级AIAgent市场核心受益者29生产力AIAgent具备万亿美元级市场规模外包事务端到端AgentØ

保险经纪1400-2000亿美元Ø

IT托管服务1000亿美元+Ø

薪资与合规500-700亿美元Ø

理赔理算500-800亿美元Ø

会计与审计500-800亿美元Ø

抵押贷款发起300-500亿美元Ø

反洗钱/客户尽调300-500亿美元Ø

税务咨询300-350亿美元Ø

法律交易类业务200-250亿美元Ø

资产评估160亿美元Copilot助手Ø

管理咨询3000亿美元+Ø

平面/UX设计300亿美元+Ø

公关与传播200亿美元+决策事务流程事务观察区（较难渗透）Ø

招聘2000亿美元+Ø

广告1000亿美元+端到端Agent（下一波浪潮）Ø

货运经纪1000亿美元+Ø

管理800亿美元+Ø

供应链与采购2000亿美元+Ø

药房后台运营300亿美元+Ø

财富管理运营300亿美元+Ø

医疗行政200亿美元+Ø

临床试验800亿美元+Ø

SEO营销500亿美元+Ø

企业资源规划实施500亿美元+Ø

企业培训500亿美元+Ø

市场研究450亿美元Ø

基金管理150-200亿美元Ø

网络安全300亿美元+Ø

架构设计250亿美元+Ø

○专利/知识产权150-200亿美元内部事务30资料：红杉资本、国海证券研究所大模型能力持续迭代，具备感知规划、工具使用、记忆、行动能力，能够完成复杂任务基座模型感知文本模态视觉模态音频模态记忆规划工具使用日历编程搜索沉思反思任务拆解短期记忆长期记忆（百万上下文)(RAG)Office浏览器其他工具行动31资料：国海证券研究所OpenClaw、ClaudeCode等平台推出，催化AIAgent爆发AIAgent能够完成工作展望AIAgent平台功能维度具体功能海外自研Agent平台Ø

个人差旅与行程管理：可以自主打开浏览器、登录航司网站完成航班值机，或者读取确认邮件并自动规划复杂的跨时区日历日程。Ø

信息处理与代办服务：能够全网搜索指定主题、总结数百页的PDF商业报告，甚至根据指令在电商平台上完成网购比价和下单。Ø

通讯与邮件接管：可以充当24小时在线的私人秘书，自动清理和分类收件箱、草拟并回复常规邮件，甚至在不同社交软件间同步关键信息。生活自动化开源框架+国产Agent平台Ø

全天候安防监控：实时监控并分析家里的安防摄像头视频流，一旦发现异常动作，立刻通过手机发送警报。Ø

全屋智能：能够结合用户的实时日历、天气甚至当前的疲劳状态，自动调整室内灯光色温、空调温度等。开源框架国产平台家具设备控制国产自研Agent平台Ø

自主Debug

：遇到系统报错时，不仅能读取长篇的错误日志，还能自主前往StackOverflow

或GitHub寻找方案，并在本地执行修复补丁，最后自动运行测试用例验证是否成功。自动化IT开发Ø

代码库管理与审查：可以无缝对接本地Git和远端仓库，自主阅读庞大的未知代码库，甚至自动审查团队提交的PullRequests(PR)。32资料：各公司官网、国海证券研究所Agent渗透带动全球Tokens调用激增，利好基模厂商Agent驱动模型厂商收入增长逻辑模型厂商收入Tokens价格使用人数使用频次单任务TokensAgent消耗Tokens是Chatbot的100~1000倍，有望达到10万~100万GLM-5.1、ClaudeOpus4.7等性能更强，交付结果更好，价格更高Agent和模型持续迭代，使用门槛下降，持续渗透新用户Agent驱动使用频次从ChatBot的每日数次增长为7*24小时助手Agent驱动海量Tokens消耗Agent驱动Anthropic收入极速增长350AnthropicARR（亿美元）300单用户日均Tokens（万）单用户月均Tokens（万）用户类型轻度任务类型30025020015010050日常问答、简单任务1409041.67116.67416.671,250.003,500.0012,500.0070402010中度自动化工作流全天候助理3.55.257102重度33资料：apiyi、虎嗅网、ArtificialAnalysis、智东西、国海证券研究所编程能力为Agent能力核心，智谱具备领先的编程和Agent能力编程能力和Agent能力相通编程和Agent流程高度相似工作流程Ø

编程：理解需求、拆解子问题、设计方案、编码实现、运行测试、发现Bug、诊断原因、修复问题、回归验证Ø

Agent：理解目标、拆解子任务、制定计划、调用工具、观察结果、发现偏差、分析原因、调整策略、重新执行Agent将用户读取信息、调用工具的视觉、GUI操作能力转化为CLI命令行操作操作工具方式Ø

用户操作：阅读GUI获取信息-操作GUI使用各种工具-发出指令-服务器后端运行完成指令-交付结果Ø

Agent：采用API/MCP文本协议获取信息-使用CLI命令行调用工具-发出指令-服务器后端运行完成指令-交付结果智谱具备顶尖的编程能力，因而具备顶尖Agent能力ArenaAI大模型编程排行：智谱国产模型第一ZClawBench大模型场景能力测评：智谱国产模型第一RankModelclaude-opus-4-6-thinkinggpt-5.2-highScore12345671556±141472±161461±151447±121438±101422±101396±11gemini-3.1-proglm-5kimi-k2.5-thinkingminimax-m2.5qwen3.5注：ArenaAI为用户测评，输入选择、操作指令等若变化，或会较大影响结果34资料：Arenaai、IPO早知道、国海证券研究所模型能力驱动，智谱领航Agent和编程赛道、深受互联网龙头认可ØGLM-5以模型能力优势，引领复杂长步骤，自主规划、执行、纠错的AgenticEngineering时代。传统AI本质上是辅助工具，用户需要凭借经验与直觉，通过提示词引导AI完成碎片化任务，AI始终是“副驾驶”，不仅高度依赖人力介入，更难以处理长周期、多步骤的系统性工程任务。而GLM-5则打破了这一格局，将AI推向了“Agentic

Engineering”的全新时代：AI不再只是辅助工具，而是能够自主承担端到端复杂任务工程的“虚拟工程师”，可以7×24小时不间断运行，自主完成需求拆解、流程设计、任务执行、任务纠错、项目维护等全流程任务，彻底释放AI在复杂场景中的生产力。Ø模型能力得到海内外用户认可，Tokens调用量呈现指数级增长。自从GLM-5发布以来，公司在AICoding与Agentic能力方向持续提升，在多个榜单达到SOTA性能，同时获得海内外开发者及企业的广泛好评，通过OpenRouter观察，其模型调用量也取得了高速增长，未来伴随着模型的迭代和市场空间的增长，Tokens调用有望继续水涨船高。顶级开发团队对GLM-5的评价：全球顶级的编程和Agent能力，深受互联网龙头认可35资料：智谱公众号智谱为AI编程&AIAgent先锋，GLM-5赋能头部互联网编程&Agent能力ØØ头部互联网厂商注重大而全，智谱在编程&Agent领域具备差异化竞争优势。头部互联网厂商的大模型普遍以大而全为核心方向，聚焦通用能力与全模态覆盖，打造综合型通用基座；智谱AI则走差异化技术路线，在编程能力与AIAgent领域形成突出优势，相关性能达到开源SOTA水平，深耕智能体工程与复杂代码生成场景。智谱通过领先基模能力赋能头部大厂编程&Agent产品。头部互联网厂商的大模型在编程能力与AI

Agent专项领域存在明显短板，难以支撑复杂代码工程与智能体长链路落地，但却推出TRAE、Coze、Workbook等相关产品抢占入口。受制于中外相关规定，海外头部大模型ChatGPT、Gemini、Claude难以进入中国市场，因此互联网大厂均与智谱达成编程和Agent的基模合作，补齐其专项能力缺口。大模型排行：互联网大而全、小龙聚焦Agent、编程等垂类能力智谱通过领先基模能力赋能头部大厂编程&Agent产品ArenaAI大模型综合排行ArenaAI大模型编程排行编程AgentRankModelclaude-opus-4-6gemini-3.1-progpt-5.4-highseed-2.0ScoreRankModelScoreclaude-opus-4-6-thinking1234567891504±71500±91480±121466±81453±71451±71450±61424±61401±71234567891556±141472±161461±151447±121438±101422±101396±111373±9未上榜字节阿里腾讯gpt-5.2-highgemini-3.1-proglm-5glm-5kimi-k2.5-thinkingminimax-m2.5qwen3.5Qwen3.5kimi-k2.5-thinkingDeepseekV3.2MinimaxM2.5deepseek-v3.2seed-2.0注：ArenaAI为用户测评，输入选择、操作指令等若变化，或会较大影响结果36资料：ArenaAI、腾讯云、51cto、智谱官网、qoder、腾讯云、证券时报、国海证券研究所智谱构建平台化生态，以标准化模型能力输出，赋能生产力提升互联网、政务、公用事业、国央企编程平台Agent平台零售金融智能设备科技030201模

型

授

权C

o

d

i

n

g

P

l

a

n订

阅A

P

I

输

出37资料：国海证券研究所企业级AI交付业务：赋能企业稀缺AI能力，长期有望向标准化交付发展38市场前景：受数据安全、政策要求等需求驱动，企业级AI本地化部署市场空间广阔Ø政府、事业单位、国央企：国务院发布的《关键信息基础设施安全保护条例》要求关键行业（公共通信和信息服务、能源、交通等）的大模型需落地本地化部署，以保障基础设施稳定与数据安全；中央网络安全和信息化委员会办公室发布的《政务领域人工智能大模型赋能应用指引》明确涉密场景的大模型必须实现本地化部署，严格落实“不上网、不涉密、可追溯”等要求，防范数据泄露风险；财政部发布的《企业数据资源相关会计处理暂行规定》则支持国企通过采购大模型实现数字资产入账，带动模型本地化部署需求。Ø互联网科技企业：互联网科技企业倾向大模型本地化（私有化）部署，核心源于安全、可控、灵活三大关键因素，互联网厂商数据多包含个人隐私、商业秘密等敏感信息，本地化部署可实现数据内部处理与存储，从源头规避数据泄露风险，同时能摆脱对外部云巨头供应商的依赖，提升系统运行的稳定性与可靠性；此外还能将企业的业务流程、应用场景与大模型完成定制化适配，进而提供更精准高效的服务。基于监管要求，政府、事业单位和国央企大模型本地化部署需求大互联网企业出于数据安全、适配性等考量，因而采用独立模型厂商基模政策名称发布机构核心要求具体条文占比（%）2022年（全年）2023年（全年）2024年（全年）2025年（上半年）关键行业（公共通信和信息服务、能源、交通、水利、金融、公共服务、电子政务、国防科技工业等）必须保障关键信息基础设施安全稳定运行，维护数据的完整性、保密性和可用性。《关键信息基础设施安全保护条例》关键行业大模型需本地化部署中华人民共和国国务院80706050403020100政务部门在模型训练、部署应用等过程中应加强数据安全保密和个人信息保护，坚持底线思维，严格落实“涉密不上网、上网不涉密”等保密纪律要求，采取加装保密“护栏”等措施，防止国家秘密、工作秘密和敏感信息等输入非涉密人工智能大模型，防范敏感数据汇聚、关联引发的泄密风险。《政务领域人工智能大模型部署应用指引》中央网络安全和信息化委员会办公室涉密政务大模型采取本地化部署企业通过外购方式取得确认为无形资产的数据资源，其成本包括购买价款、相关税费，直接归属于使该项无形资产达到预定用途所发生的数据脱敏、清洗、标注、整合、分析、可视化等加工过程所发生的有关支出，以及数据权属鉴证、质量评估、登记结算、安全管理等费用。国央企可以通过采购本地化大模型实现数字资产入账《企业数据资源相关会计处理暂行规定》中华人民共和国财政部互联网和科技公共服务电信传统企业消费电子其他39资料：生态环境部、金管局、中央网络安全和信息化委员会办公室、财政部、证券时报、智谱招股说明书、国海证券研究所市场前景：KA定制+SMB标品交付双轮驱动，中国企业级AI市场规模2030年有望超900亿元人民币2030年中国企业级大语言模型市场规模拆解大模型年投入金额企业法人数量(家)营收区间（百万元）大模型渗透率大模型使用类型市场空间（亿元）（万元）3500180500强大型中型小型微型500.0043781+400~4378120~4003~20100%80%40%20%-定制化模型大批量使用微定制模型大批量使用标化模型大批量使用标化模型中小批量使用-175.00457.27144.97127.15-31,755.00241,620.002,399,010.0015,562,054.00152.65-3-市场空间合计904中国企业级AI大模型市场规模（十人民币）1009080706050403020100906139252159502022202320242025E2026E2027E2028E2029E2030E40资料：国家统计局、重庆市人民政府、搜狐网、智谱招股说明书、国海证券研究所市场前景：头部互联网厂商超级Agent+超级履约平台对垂类履约平台冲击较大，智谱能够为垂类履约平台快速提供Agent能力头部互联网平台在Agent时代具备极强竞争力，对垂类厂商大幅冲击腾讯阿里字节跳动小程序Agent平台消费生态Agent平台抖音生态Agent平台核心竞争力依托微信小程序Agent便捷功能引流（如日常生活助手、个人事务助手、办公助手等），通过电商、本地生活、金融、健康等业务变现依托豆包助手便捷功能，为抖音电商、抖音本地生活引流，实现精准需求洞察-广告推荐-变现闭环依托千问助手便捷功能和外卖等低价值量场景引流，通过电商、旅游、金融、健康等高价值量场景变现电商购物、线下零售外卖、线下生活服务落地场景政务办公助手健康服务金融服务智谱能够为垂类履约平台快速提供Agent能力智谱合作的垂类履约平台41资料：Infoq、券商中国、字节跳动官网、新浪财经、国海证券研究所整理智谱企业级AI业务模式：KA定制+SMB标品交付双轮驱动KA客户SMB客户简单数据治理+场景落地标化模型交付基础设施供应商行业实施合作伙伴（外包）自有实施团队负责：AI大模型定制化交付服务协同完成：特定行业/场景定制化交付、数据治理等服务支持42资料：公司招股说明书、腾讯云、国海证券研究所行业渗透&平台化能力积累&模型能力提升有望替代部分定制化交付工作，提升智谱交付效率S1:定制化探索阶段S2:行业渗透、平台化能力积累、模型能力提升阶段S3:标准化AI落地阶段交付效率算力、模型、开发、ROI能力持续提升P3：临界点-大模型能够通过标准化动作交付头部企业所在阶段大部分企业所在阶段P1：厂商POC验证P2：行业大模型大规模落地大模型落地标准化程度43资料：国海证券研究所客户合作：智谱与众多标杆互联网、央企公司、政府机关、科研机构携手，达成深度AI大模型企业级部署合作Vivo合作规模：1.5千中科曙光万元合作规模：0.89千万元美团合作规模：1.8千万元某深圳高校3.1千万元某头部云厂商合作规模：0.96千万元某AI+教育公司智谱合作规模：2.1千万大模型企业级部署深度合作Malaysia智联招聘合作规模：1.75千万元合作规模：1.8千万元京西智谷大模型基座合作规模：6.4千万元某软件+IT服务公司合作规模：5.9千万元中国电信（宁夏）合作规模：1.9千万元北京市政府（科技相关部门）中国移动某研究院合作规模：1.4千万元合作规模：0.65千万元中国前十互联网公司，九家使用智谱模型44资料：智谱招股说明书、瑞财经、新浪财经、财联社、东方财富、企查查、光锥智能、AITNT、国海证券研究所业务模式-智谱vs商汤：智谱注重于模型能力输出，商汤算力资源充足，IaaS收入贡献大智谱vs商汤业务模式对比：智谱基模能力强、聚焦标准化模型交付，商汤基模能力欠佳、采用“算力+模型+定制化”交付模式模型算力基建定制化采用云厂商算力或本地化部署，无IaaS业务聚焦标准化基模交付，定制化业务收费和毛利率极高，且多采用外包服务商交付智谱商汤基模全球一流、国内顶尖算力储备充足（2025H1超25000PetaFlops算力），IaaS拉高了公司收入帮助客户基于垂直场景需求提供模型训练、数据治理等综合定制化服务。基模与国产头部模型相比存在差距无自研基模第四范式帮助客户基于垂直场景需求提供模型训练、数据治理等综合定制化服务。无基模训练、无IaaS，算力需求小2024H2，中国GenAIIaaS规模87.42亿元，商汤对应收入7.26亿元商汤算力资源充足，GenAIIaaS收入贡献达54%（2024H2，百万元）160014001200100080060040020001,353.0725.6商汤GenAI收入商汤GenAIIssS收入资料：IDC、商汤公司公告、第四范式公司公告、华尔街日报、第四范式官网、上海市人民政府、智谱招股说明书、45superclueai、观风闻网、腾讯网、国海证券研究所业务模式：智谱vs第四范式-智谱基模能力顶尖，聚焦通用模型能力输出，同时具备KA客户定制化能力，第四范式无自研基模，聚焦定制化落地智谱具备KA客户定制化输出能力，KAARPU超千万元智谱聚焦通用模型能力输出，整体ARPU低于重定制化的第四范式3530252015105KA客户ARPU（百万元）7654321普通客户ARPU（百万元）12108ARPU（百万元）6标化模型交付价格29.2智谱5.49.4418.422.11.0000第四范式智谱第四范式智谱第四范式注：受限于披露时间/方式，智谱/第四范式期间为2024/2023，智谱为Top5之外客户（共118名），第四范式为后69%客户（共306名），智谱收入为本地化部署收入，第四范式为总收入注：受限于披露时间/方式，智谱/第四范式期间为2024/2023，智谱为Top5客户，第四范式为前31%客户（Top139），智谱收入为本地化部署收入，第四范式为总收入，智谱因为涵盖客户更少，KAARPU更高智谱具备顶级基模+通用模型能力输出双重优势，毛利率更高2025年起智谱定制化开发逐步转向外包，有望实现更强的成本控制和规模化扩张70%60%50%40%30%20%10%0%2025H1毛利率60%外包费用（技术服务及咨询费）/主营业务成本比例

工资/主营业务成本比例50%40%30%20%10%0%39.40%59.10%47.20%1.60%37.70%6.50%智谱第四范式2024H12025H1注：受限于披露方式，智谱为本地化部署业务，第四范式为全部业务注：受限于披露方式，智谱、第四范式为全部业务46资料：各公司公告、各公司招股说明书、DTValue、国海证券研究所与商汤和第四范式对比，智谱有更强的市场地位，但收入体量较小，未来增长空间广阔智谱基模能力强，市场地位高、议价能力强，毛利率和应收账款周转率更高70%60%50%40%30%20%10%0%2025H1毛利率1.801.601.401.201.000.800.600.400.200.002025H1应收账款周转次数1.6159.10%1.03商汤1.0438.50%商汤37.70%第四范式智谱智谱第四范式注：受限于披露方式，智谱为本地化部署业务，商汤、第四范式为全部业务智谱本地化部署业务相较商汤、第四范式的AI交付业务体量较小，增长强劲3,000.002,500.002,000.001,500.001,000.00500.00600%500%400%300%200%100%0%2025H1收入（百万元）YoY504%2,626.501,815.5073%161.7841%第四范式集团0.00智谱本地化部署业务商汤生成式AI业务47资料：商汤公司公告、第四范式公司公告、iFind、国海证券研究所ToCvsToB&生产力商业模式探讨：独立模型厂商适合ToB&生产力模式、综合互联网厂商ToC领域具备竞争优势（以OpenAI和Anthropic为例）业务模式对比：OAI偏C端、Anthropic聚焦B端&生产力B端&生产力客户付费意愿强，驱动Anthropic营收更快速增长3503002502001501