國內大模型第一股終于來了！

12月19日，港交所官網顯示，北京大模型企業智譜已通過港交所聆訊，并披露招股書文件，正式沖刺港股“大模型第一股”。

作為國外大模型領域最炙手可熱的公司，智譜的商業化堪稱“神速”。過去三年，公司收入分別為0.57億元、1.25億元、3.12億元。

按收入計算，截至2024年，智譜是中國最大型的獨立通用大模型開發商、中國第二大整體通用大模型開發商。

但收入光鮮背后，也隱藏著大模型競爭最殘酷的一面：

過去三年，公司經調整凈虧損分別為0.97億、6.21億以及24.66億元，增長了20多倍。到了2025年，僅上半年智譜的虧損就高達17.52億元。算下來，平均每個月要虧接近3個億。

而截至2025年6月，智譜的現金及現金等價物只剩下了25.52億元。按每個月虧損接近3億來算，智譜的現金流只能支撐9個月左右。這或許也是智譜急著上市的原因。

某種程度上說，智譜的招股書并不只是一次融資材料的披露，更像是一份行業切片，第一次將中國大模型公司最真實的處境展現在了我們面前。

/ 01 /

收入全國第二，過去兩年復合增長130%，

從收入增長看，智譜的商業化進度不可謂不快。

2022年收入，智譜還只有0.57億元。到 2024 年，已經增長到3.1億元，復合年增長率超過130%。2025 年上半年更是狂飆，短短6個月就入賬 1.9 億元，同比增長325%。

別小看這個數據，根據智譜招股書的說法，這個規模已經是國內第二大的模型廠商，市場占有率達到6.6%。

結合招股書中以字母代稱的可比公司信息，硅基君可以較為明確地判斷，A 至 D 分別對應科大訊飛、阿里、商湯和百度，也就是說，智譜在收入規模上僅次于科大訊飛。

支撐這一增長的，是一套以MaaS 為核心的商業模式。

與其說智譜在“賣模型”，不如說它在交付一整套工程化的大模型能力體系。其核心邏輯不在模型參數本身，而在于如何讓模型能力穩定地進入真實業務環境。

在模型層面，智譜提供了覆蓋語言、多模態、智能體和代碼等方向的模型矩陣。

根據招股書披露，其模型能力不僅涵蓋語言和多模態視頻，還延伸至代碼模型、GUI 智能體和計算機應用層面，覆蓋廣度明顯高于其他競爭對手。

值得一提的是，這里E、F公司分別指的是OpenAI和谷歌，這也從側面說明了智譜試圖對標的能力邊界。

這些不同規模、不同能力側重點的模型，被統一納入同一平臺。客戶和開發者無需從零判斷技術路線，而是可以直接根據業務需求，在現有模型組合中選擇合適方案。

在應用層面，智譜并未把模型當作孤立的API 來售賣，而是圍繞真實業務流程進行設計。

具體來說，平臺內置的智能體工作區，提供了面向具體場景的模板和解決方案，客戶可以根據具體需求通過模型微調、增量訓練和提示工程，對智能體進行快速定制，而無需搭建完整的開發體系。

在基礎設施層面，智譜與算力合作伙伴共同設計和適配底層架構，使平臺在計算、網絡、訓練通信和推理加速等環節形成統一能力。

這套架構支持從約15 億到 2300 億參數規模的模型運行，并能夠實現跨云、跨芯片的大規模實時部署。同時，這些模型能力還支持配手機、電腦等個人設備。

如果用一句話概括，智譜做的無非就兩件事：

一方面負責“造大腦”，另一方面提供讓大腦在現實系統中運行的“腳手架”，也就是智能體與工程體系。

在商業交付上，智譜主要通過兩種方式變現：本地化部署和云端服務。其中，“本地化部署”是智譜最重要的收入來源，收入占比超過80%。

本地化部署本質上是一種高度定制化的交付模式。

什么意思呢？中國的銀行、央企、大型制造工廠，往往對數據安全極其敏感，不愿意把核心數據傳到公有云上。智譜AI 就把大模型“打包”，直接部署到客戶自己的服務器里，幫他們在其內部環境中構建私有的AI大腦和AI工具。

這種模式雖然“重”，但客戶付費能力強。

2024年，雖然本地化部署的客戶只有123家，遠遠低于云端部署的5457家，但其收入卻占到了公司總收入的84.5%。

在合作開展前，智譜會先從數據基礎和應用場景兩方面評估客戶需求，包括模型微調與增量訓練所需的數據條件，以及數據安全與合規要求，并據此明確模型將落地于單一或多場景應用，確定相應的模型規模和復雜度。

在此基礎上，智譜會制定定制化服務方案，選擇云端或本地化部署路徑，并通過模型微調、增量訓練和提示工程完成模型定制。模型上線后，公司再根據客戶反饋，不斷優化模型性能。

總的來說，智譜試圖在B端構建了一套可落地和規模化復制的商業邏輯：

通過真實業務場景的持續使用，形成模型優化與應用擴展相互推動的正向循環，從而逐步強化MaaS 平臺的競爭力。

/ 02 /

平均一個月燒3億，競爭壓力大

如果說收入增長展示的是智譜的“速度”，那在招股書里更刺眼的，其實是另一條曲線——虧損。

雖然智譜的收入增長足夠快，但還是架不住虧損比增長跑得更快。

2022年，公司經調整凈虧損只有0.97億，還不到1個億。到了2023年，經調整凈虧損迅速增長到了6.21億元，漲了500%多。

更夸張的是，到了去年這一數字干脆增長到了24.66億元。

也就是說，在兩年時間里，智譜的虧損幅度從不到1個億，增長到了24.66億元，增長了超過20倍。

到了2025年，僅上半年智譜的虧損就高達17.52億元。算下來，平均每個月要虧接近3個億。

這無疑大大消耗了智譜的現金流。要知道，截至2025年6月，智譜的現金及現金等價物只剩下了25.52億元。

按每個月虧損接近3億來算，智譜的現金流只能支撐9個月左右。

這下大家明白智譜為什么要急著上市了吧。

大模型競爭的慘烈以及強度之高，即使是在一級市場已經拿了16輪融資錢的智譜也抗不住了。

而這大幅增加的虧損，最主要的來源就是研發費用。

2022年，公司的研發費用為0.84億元，到了2023和2024年，這一數字迅速增長到5.29億元和21.95億元。

拆解開來看，這個21.95億的支出絕大部分都用于支付算力了。其中，算力花了15.53億元，占了總研發支出的70%。

對于研發費用的增長，智譜在招股書里給出的解釋是：

“主要由于我們自2024年初起戰略性加大研發投入，用于加速新一代旗艦級基座模型及多模態智能體的開發與迭代，相應帶動計算服務費用上升。”

在硅基君看來，更接近現實的背景是，競爭環境的急劇變化。

2025 年初，DeepSeek R1 的快速崛起，對整個模型行業形成了明顯沖擊。幾乎所有主流模型廠商都被迫提速迭代。在 R1 發布不到三個月的時間里，智譜一口氣開源了6款核心模型。

如此高密度的模型發布，本質上意味著算力、數據和工程資源的集中投入，而這些成本幾乎都會直接反映在研發支出中。

除了研發支出，智譜在營銷費用上也花了不少錢。

2022-2024年，公司的營銷費用從1514萬增長到了3.87億元，其中用于廣告和營銷開支的費用就高達2.37億。

如果拋開競爭壓力的話，智譜的毛利率其實并不算低。

2022-2024年，智譜的毛利率分別為54.6%、64.6%和56.3%。這在項目制為收入大頭的公司里并不多見，尤其還在如此激烈的競爭之下。

公司也在嘗試通過定價策略來改善結構：

一方面，根據使用量、性能需求和高級功能，優化分層定價，引入更具彈性的方案，以擴大客戶基礎，并對高資源消耗模型設置使用限制，引導高需求客戶選擇高價值方案；

另一方面，與高價值客戶協商定制化定價，使價格更好地反映客戶獲得的業務價值和服務成本。

但相比定價本身，更根本的問題在于，智譜的商業模式隱含了一個前提：模型能力必須長期維持在行業第一梯隊。

而這個前提的成本，正在以遠快于收入增長的速度上升。

在大模型競爭中，能力領先不再是一次性投入，而是一場持續消耗算力、資本和組織能力的長期戰役。對一家仍處于商業化早期的公司而言，這樣的門檻，已經明顯超出了傳統創業公司的承受區間。

這也是當前大模型賽道最殘酷的現實之一。

/ 03 /

中國AI落地真實切口：

token 消耗猛增，付費答案在B端

當然，除了具體的業務數據，智譜的招股書里還透露出幾條更值得關注的行業信號。

第一，AI 的真實價值正在被使用量驗證。

一個直接的指標是token 消耗量的變化。2022 年、2023 年、2024 年 12 月以及 2025 年 6 月，智譜平臺的日均 token 消耗量分別達到 5 億、21 億、0.2 萬億和 4.6 萬億。

短短兩年多時間里，這一指標幾乎以數量級的速度攀升。無論商業模式如何演進，持續放大的真實調用本身，已經說明大模型正在被大量嵌入具體工作和業務流程之中。

第二，中國AI 的付費重心仍然在企業端。

招股書數據顯示，2024 年中國大語言模型市場規模約為人民幣 53 億元，其中機構客戶貢獻 47 億元，個人客戶僅 6 億元。

展望 2030 年，整體市場預計增長至 1011 億元，其中企業級市場規模將達到 904 億元。

這一結構與美國市場形成了鮮明對比。

以OpenAI 為例，其當前收入中約 75% 來自消費者訂閱。這背后反映的并不僅是產品形態差異，而是中美兩地在AI商業化路徑上的分化：中國市場更強調組織級效率提升，美國市場則更容易從個人工具切入。

第三，智譜再次系統性地披露了其對AGI 演進路徑的理解。

智譜認為，AGI分為以下5個階段：

1）在預訓練階段，模型學習理解、生成并使用人類語言進行基本交流。

2）在對齊與推理階段，模型進一步與人類意圖對齊，具備推理與規劃能力，同時提升安全性、降低幻覺，并實現語言能力與圖像、視頻、語音及行動能力的協同。

3）在自主學習階段，模型通過自我評估、自我反思與沉思機制，從自身的推理過程和行為結果中持續改進能力。

4）在自我認知階段，模型在較少或無需人工監督的情況下，通過對自身行為和推理結果的持續觀察與分析，逐步形成穩定的內部表征和決策偏好。

5）在意識智能階段，模型能夠對自身內部狀態及外部環境進行更系統的感知與建模，表現出更高層次的環境理解與自我調節能力。

目前，智譜推出的具備反思能力的智能體AutoGLM-Rumination，已經進入其定義的“自主學習階段”。

/ 04 /

總結

回到整體來看，智譜的招股書并不只是一次融資材料的披露，更像是一份行業切片。

一方面，它展示了大模型商業化正在加速落地，真實使用量和企業付費意愿都在持續放大；另一方面，它也清晰地暴露出這一賽道的殘酷現實——能力領先需要持續、重資本投入，而競爭強度正在迅速抬高門檻。

在這樣的環境下，智譜既是受益者，也是承壓者。這或許正是當前中國大模型公司最真實的處境。