[智能应用]智谱，会重蹈「AI四小龙」覆辙吗？ [复制链接]

“做To G的AI公司，到底有没有前途？”
作者丨徐晓飞

编辑丨王亚峰

“智谱很像当年的 AI 四小龙。” 这几年，不少业内人都跟雷峰网念叨过这话。
而这份强烈的 “复刻感”，随着智谱上市，被彻底摆到了聚光灯下：面向To G的AI大模型私有化部署业务，撑起了其84.8%的营收，比例之高令人侧目。
这样的营收结构，很容易让人联想到上一波AI浪潮中红极一时的 “AI 四小龙”：商汤、旷视、云从和依图，它们同样以 To G 业务为主，最终却难逃估值承压、股价高开低走的命运，还有前些年为了冲营收，扎堆猛做政企业务，最后草草收尾、匆匆离场的云大厂们。
不过，智谱与它们既有惊人相似，也存在关键差异，这背后隐藏着一个更深层的问题：什么样的AI公司，才能真正跑通、跑快To G业务的“增长飞轮”？或许，相较四小龙，智谱的成长之路还有更多其他可参照的样本。
那么，智谱究竟是名副其实的“全球大模型第一股”？还是披着科技外衣、实则干着To G苦活累活的“IT施工队”？抑或是能把AI to G跑通的“政策适配型”玩家？
随着智谱上市，无数审视、困惑与质疑扑面而来。
01

智谱走了AI四小龙的“苦路子”

“这几年在大模型政企招标场上，智谱成了和科大讯飞、百度云这些老玩家一样的常客。”某咨询机构数字化转型业务负责人张科透露，不仅如此，智谱还在通过各种方式来置换项目资源。“智谱上市前，不少地方产业基金都想给智谱投钱，但后来这些投资意向很多都被智谱置换成‘城市大脑’之类的项目了。”
智谱的这种业务结构和逻辑，很像七八年前的AI四小龙。
AI 四小龙是上一波以视觉识别为核心的 AI 浪潮中，站在聚光灯下的四家明星公司。它们有着相似的发展轨迹：靠视觉识别技术打底，借着政策东风大量涉足安防、智慧城市等 To G 定制项目，不仅短期营收大涨，还成了资本的香饽饽；但与此同时，虽然顶着 AI 的光环，它们到头来还是干着 “啃项目、做集成、搞私有化部署” 的苦活。
比如旷视，当年做了不少重资产、重交付的项目，给很多地方部署了大量AI摄像头，单个项目从几百万到几千万不等，把旷视的营收规模冲到了几十亿。同时旷视也有SDK调用、API接入这类通用化收入，比如手机人脸识别等相关业务。
而如今的智谱，也是类似的业务结构，一方面，面向To G做AI大模型的本地化、私有化部署，这部分营收占到了总营收的84.8%，剩余15.2%则来自云端 MaaS 平台的API调用服务。
事实上，据招股书显示，智谱自成立后服务了大量的政企客户，2022年其来自私有化部署的业务营收占比甚至高达95.5%，2025上半年这一数据仍高居 85% 左右。
可以说智谱的业务构成与当年AI四小龙很像，不同的是，这次的“核心技术”从之前的视觉识别变成了AI大模型。
02

政企项目有多难做？

To G从来不是一门轻松的生意。
交付重、定制化程度高、毛利低、审批周期长、回款慢……这些都是做国内政企项目绕不开的问题，单拎出来哪一项，都会给企业利润带来不小压力。
智谱也不例外。事实上，智谱这几年的亏损正在加速扩大，招股书显示：从 2022年的0.97亿元，到2024年的24.66亿，再到2025上半年的17.52亿，期间累计亏损超过62亿，而对应的总营收仅为 6.85 亿，亏损额远超营收。
“私有化部署业务往往都是重型交付，交付成本本就偏高，而科技公司向来研发投入大、人力成本昂贵，再叠加项目回款慢的影响，想要在政企项目上形成规模效应和盈利，非常难。”IT老兵王佳坦言。
其实，这种 “利润困局” 早就在 AI 四小龙和云大厂身上上演过。
吃尽亏损苦头的四小龙自不必提，就连家底殷实的云巨头们也未能幸免。当年云大厂们为了冲营收，也曾扎堆进入 To G 领域，大干快上，跑马圈地，短短几年间堆出数百亿营收，但亏损却像无底洞般持续扩大 ，最后它们不得不及时止损，断臂离场。
除了交付重、毛利低、回款慢等利润层面的难题外，做政企项目还存在一个短板 —— 行业壁垒其实并不高。
据接近智谱的业内人大明描述，2024 年智谱订单形势本来一片大好，谁知道 2025 年初 DeepSeek 出现了，导致智谱的一批已签约但还未实施的订单都被打乱了。
“客户们纷纷部署 DeepSeek，智谱团队既要满足客户需求，又要顾及合作伙伴，还要顾及回款问题，最后不得不在原有大模型服务里，加了不少 DeepSeek 相关模块，然后拉着伙伴一起给客户做培训、做服务，好一顿折腾才交差。”
“像智谱这样做政企项目的厂商，基本都是围着客户转，不像产品公司，能靠核心技术和产品定义需求、掌握话语权。做政企项目，大多只能被动跟着客户的需求走，今天适配这个系统，明天对接那个平台，一旦出现更优的替代方案，客户随时能换。”大明补充道。
事实上，To G业务难做，是国内的一个长期固有现象，这并非是某几家公司能力不达，而是这一垂直领域里科技企业们面临的共同难题。关于市面上更多此类企业和项目内幕详情，可添加作者微信xf123a获取。
而对这些公司来说，并不是他们不想做更轻、利润更高、回款更快的业务，而是没得选。这背后混杂着公司基因、既有资源、政企市场大环境等多种复杂因素。
那么，既然明明知道AI四小龙、云大厂这些公司在To G业务上都走得很痛苦，既然已经有了这么多前车之鉴，智谱为什么还要走To G这条路？
这就不得不提到做To G项目的一个最大的好处了。
03

To G项目，冲营收的利器

做To G项目纵然有诸多坏处，但却有一个显而易见的好处，那就是能在短时间内冲高企业的营收，让财务报表变得好看。
To G项目的单子通常都在百万、千万，甚至上亿级别，这意味着每拿下一个订单，都能在公司营收报表上留下亮眼的一笔。而高营收带来的一个直接便利是，能更快推进上市。
对不少AI公司来说，早期研发烧钱，盈利艰难，但只要有稳定增长的、足够体量的营收，再叠加AI技术拉高的PS倍数，就能把公司整体市值拉高，进而敲开上市大门。此前的商汤、云从、云天励飞、寒武纪等科技公司基本都是这么过来的。
可以说，对那些早期投入大、盈利遥遥无期的科技公司来说，靠To G项目做高营收，就是最快、最务实的上市捷径。
多位接近智谱的业内人向雷峰网透露：“2025年春节前后，智谱一下子给各业务线分派了数亿元的KPI，基本都是项目制的。指标出来后，大家都犯了难——项目制业务实施成本和人力成本本就高，且回款较差，现金流承压，粗略盘了盘，要完成这些指标，至少需要扩充数百人的编制和预算。但当时公司正在做人员优化，好多团队本身人手就不够用。”
“这背后可能是来自投资人的压力。智谱当时本就在筹备上市，不仅要业绩往上冲，还要把控住成本，两头一挤，压力给到了执行层。”关于智谱的更多内幕故事、内部最新动态，可添加作者微信xf123a交流。
To G 项目虽然难啃，但只要啃下了便是不菲的营收。智谱显然也看透了这点，所以才明知山有虎，偏向虎山行。它的这一战略用意，在一些高管任命上也能看得明白。
智谱现任VP陈雪松，就是一个拥有丰富 To G 业务操盘经验的熟手。其曾在旷视担任高级副总裁，主导政企与公共事务及相关业务，把旷视的 To G 营收推上了快车道，后于2024年加入智谱。把这么一个懂规则、有资源、能冲营收的To G熟手挖过来，智谱“啃To G，做营收，冲上市”的用意不言而喻。
但新的问题又来了。
这套曾经屡试不爽的“To G冲营收、冲上市”打法，如今已过了资本市场的 “蜜月期”—— 投资人对这类业务模式的认知，已经从最初的狂热回归了理性。这时候，资本市场还会对智谱买账吗？
04

从资本宠儿到明日黄花？

在2018、2019年的AI投资热潮中，一级市场投资人曾扎堆押注这类靠重资产、To G项目创收的 AI 公司。
和AI四小龙类似，这些企业同样承接了大量的智慧城市、安防等项目，营收数据非常亮眼，吸引了大批投资人跟风押注，一时间，行业甚至形成了 “只要拿到政企订单，就能融到钱” 的共识。
然而，狂热的泡沫终会破灭。2020 年后，AI 行业热潮退去，这类企业的核心问题逐渐暴露在资本眼前：说到底，它们做的不是一门市场化、可规模化复制的好生意，而是 “项目制 + 定制化” 的传统IT施工活儿。
几乎每个To G项目都需要根据当地需求单独开发、适配硬件、调试落地，解决方案难以复用，边际成本无法递减，规模越大反而越消耗人力、交付成本。不少企业营收看似漂亮，但净利润其实长期为负，陷入 “赚吆喝不赚钱” 的困境。
更致命的是，这种模式缺乏成长性——企业的增长完全依赖新订单的持续获取，一旦某一区域政企项目饱和或政策调整，企业营收就会面临断崖式下滑，既没有可复制的产品壁垒，也没有稳定的用户粘性，在资本眼中彻底失去了 “性感” 的想象空间。
看透本质后，一级市场投资人纷纷撤离，不再给这类企业输血：2021年开始，AI 政企服务领域的融资额大幅下滑，不少企业陷入融资停摆。
后续AI 四小龙的上市境遇，也印证了资本市场的冷淡态度。2021 年依图冲击港股上市，最终因市场反响冷淡而折戟。即便是2022 年成功登陆科创板的云从科技，也未能逃过冷遇，其上市后股价长期承压，目前股价和市值较上市初期高点回落超30%，且至今尚未实现盈利，商业化落地与规模化变现能力仍受市场质疑。
05

智谱也会“高开低走”吗？

这是不是意味着，智谱也会走当年AI四小龙“高开低走”的老路？
其实不然。智谱虽然在业务结构上与AI四小龙很像，但两者仍存在不少差异化变量。
比如，相比四小龙，智谱引入了更为广泛的地方资本，与各地方的产业合作也更为多元化。
自去年年初起，智谱密集拿了一波地方的钱，包括来自杭州国资（杭州城投产业基金、上城资本）超过10亿元的战略融资，来自珠海华发集团（珠海市属国有控股企业）的战略投资，上海国资（浦东创投集团、张江集团）的10亿人民币，还有北京市级人工智能产业投资基金等等。
这些广泛的地方注资，为智谱铺开了更大的市场。
某创投机构合伙人王磊告诉雷峰网，地方的钱通常会附带一些落地要求。比如会要求企业在当地成立子公司，把企业原本集中的渠道生态、交付团队、研发适配等核心能力拆解为标准化模块，复制到当地子公司并实现 “业务自闭环”。
作为回报，企业通过实体落地和本地化运营，往往能深度融入地方产业链，不仅能持续获得地方的订单，还能享受税收优惠、土地支持等政策红利。
简单来说，这是一种“地方资本绑定 + 区域实体落地” 的模式，是 To G生意中 “深度产政融合” 的典型玩法。
“智谱和上一波AI科技公司不同，当年那些公司早期不少都采用了VIE架构，瞄准美股上市，引入美元基金，希望用更加市场化的方式做业务。但智谱不同，它从一开始就以人民币基金为主，做起To G业务来更为自洽，也更少顾虑。”投资人汪洋表示。
此外这些年，各地对AI产业的支持也变得更多元了，不再是只给点研发补贴就完事，而是直接拿出产业基金投资，还同步开放当地的政企项目，甚至产品市场，走得是“投钱+给项目+给市场”的深度合作模式。这种背景下，智谱和地方的合作边界其实是在不断拓宽的。
不仅如此，想要在To G业务盘子上跑出更大价值来，还需要一个关键变量：技术壁垒。
“眼下这波大模型与上一波视觉识别相比，有着更高的壁垒。”一位科技企业技术负责人张亮告诉雷峰网，不像用AI做视觉最后大多需要跟传统行业结合，大模型与互联网的关联度更高，也更偏C端属性，有着更大的市场化想象空间。
广泛、多元的地方合作叠加关键技术变量，会为智谱不论在原有To G业务，还是后续的To B、To C产品业务上打开新的机会。
而智谱的这一路径，与一些 To G老玩家不谋而合。
06

科大讯飞、优必选：AI To G的另类样本

什么样的模式，才能跑通、跑快To G业务的“增长飞轮”？
这就要提到科大讯飞、优必选这两家目前真正跑通To G重资产模式的AI公司。
IT圈老兵张宇告诉雷峰网，优必选的玩法很清晰：通过与地方合作建厂，既为当地创造税收和就业岗位，又能提升地方科技形象；反过来，在To G业务之外，其机器人等一系列软硬件产品也进入了当地的国央企和学校。这种产业合作模式帮助优必选快速打开了市场。
科大讯飞也是类似的业务逻辑：通过与地方合作，承担智慧城市、智慧教育等项目，在贡献税收、创造就业的同时，获得区域性项目资源和商机，同时也为其普通话测试机、录音笔、智能笔记本等硬件产品拓展了销路。
如今的智谱也正在向这一模式靠拢：不仅引入广泛的地方投资，获得了资金支持，拿到了“信用背书”和“资源门票”，给未来发展加了多重保障；更重要的是，凭借大模型这一与互联网关联度更高的、更具To C属性的技术，智谱拿到了新业务的破局机会。
其实，深扒来看，旷视、优必选、智谱这几家公司背后都有一些共同的投资人。
前述创投人王磊告诉雷峰网，这类投资人在To G科技圈里摸爬滚打多年，早就摸透了这类AI公司的上市逻辑——以科技为抓手，与地方产业深度合作，做To G重资产项目，拉高营收规模，把公司估值抬上去，顺利上市。至于旷视为什么会上市失败，这是后话，雷峰网后续将发布文章深度剖析，敬请期待。
不仅如此，当公司们跑通了和地方的这套“产销循环”模式后，资本市场会用一种“新的眼光”来评估他们。
“这其实是一种集政策红利、营收确定性、技术变量于一体的组合，属于进可攻退可守的黄金玩法，自然引得资本市场愿意为其高估值买单。”王磊补充道。
07

智谱的出路在哪？

需要看清的是，AI To G这条路目前的想象空间依然有限。云从、云天励飞、格灵深瞳这些上一波AI明星公司，上市后股价大都经历了 “概念热捧 - 商业化不及预期 - 深度回调” 的过程，市值大都困于几百亿甚至不足百亿区间，并且至今仍未实现盈利。
即便是阿里云，当年做To G项目时，其作为独立业务PS一度跌至2倍多，后来转向AI+公有云，估值才逐步涨到4-6倍左右。
倘若智谱执意延续To G老路，后续市值大概率也会陷入类似的震荡回落，难以突破新的天花板。对于智谱市值走向的其他看法，欢迎添加作者微信xf123a交流。
因此对智谱而言，上市从来不是终点，而是另一场关乎成长的竞赛起点。
上市后下一步怎么走？目前看来，智谱至少有几条破局之路可选：
比如，跳出AI四小龙的惯性模式，向科大讯飞这类厂商看齐，除做To G业务外，还要找到一些标准化、偏To C的产品，比如大模型相关的消费级软硬件等，把这些产品做扎实，大规模量产，靠规模效应不断摊薄边际成本，从盈利困局中解脱出来，也能拉高市值想象空间。
再比如，一些投资人曾给智谱创始团队建议，先尽快推动上市，等融到钱后，再去做一些二级市场青睐的、壁垒高、通用化、标准化的业务，比如芯片等，用新叙事、新业务来重构估值逻辑。目前云天励飞走得正是这条路子——从AI安防公司逐步转型为纯芯片公司。
亦或，循着智谱创立发起人唐杰近期在内部公开信中提出的方向，上市后的2026年，智谱全面回归基础模型的研发，坚守技术初心，蹚出一条“中国版OpenAI”的大模型突围之路。
不论选择哪条路，可以肯定的是，智谱若想在这波大模型产业浪潮中打开更广阔的成长版图，一场深刻的二次蜕变都将不可避免。这场蜕变，不仅是智谱打破估值天花板的重要一战，更是中国AI企业在技术壁垒、业务模式和商业化平衡中寻得更优解的一场关键实践。
作者长期关注全球AI、云、芯片巨头，更多公司动态、行业逻辑、价值投资信息，欢迎添加作者微信xf123a交流探讨。

智谱：To G 之路，机遇与挑战并存
在 AI 领域，智谱的上市引发了广泛关注与诸多审视、困惑和质疑。其面向 To G 的 AI 大模型私有化部署业务撑起 84.8% 的营收，这一营收结构与上一波 AI 浪潮中的“AI 四小龙”极为相似，让人不禁思考：什么样的 AI 公司才能真正跑通、跑快 To G 业务的“增长飞轮”？智谱又能否摆脱“高开低走”的命运，在这条道路上找到属于自己的出路？
一、智谱的 To G 之路：复刻与差异
（一）业务结构的相似性
智谱在大模型政企招标场上成为常客，还通过置换项目资源拓展业务。其业务结构与七八年前的 AI 四小龙如出一辙。AI 四小龙靠视觉识别技术涉足安防、智慧城市等 To G 定制项目，短期营收大涨。如今的智谱，面向 To G 做 AI 大模型的本地化、私有化部署，营收占比极高，2022 年私有化部署业务营收占比高达 95.5%，2025 上半年仍约 85%，剩余营收来自云端 MaaS 平台的 API 调用服务，只是核心技术从视觉识别变为 AI 大模型。
（二）关键差异的存在
尽管业务结构相似，但智谱与 AI 四小龙也存在不少差异化变量。智谱引入了更为广泛的地方资本，与各地方的产业合作更为多元化。自去年年初起，智谱密集获得来自杭州国资、珠海华发集团、上海国资、北京市级人工智能产业投资基金等多地的地方投资。这些地方注资为智谱铺开了更大的市场，通过“地方资本绑定 + 区域实体落地”的模式，深度融入地方产业链，持续获得地方订单，享受政策红利。
二、To G 项目的困境与诱惑
（一）项目难做的困境
To G 从来不是轻松的生意，存在交付重、定制化程度高、毛利低、审批周期长、回款慢等问题，给企业利润带来巨大压力。智谱也深陷亏损困境，亏损额远超营收。这种“利润困局”在 AI 四小龙和云大厂身上都曾上演，它们为了冲营收扎堆进入 To G 领域，最终亏损持续扩大，不得不及时止损离场。此外，政企项目行业壁垒不高，厂商大多围着客户转，被动跟着客户需求走，一旦出现更优替代方案，客户随时可能更换。
（二）冲营收的诱惑
虽然 To G 项目难题众多，但能在短时间内冲高企业营收，让财务报表变得好看，这是其最大的诱惑。To G 项目单子通常规模较大，每拿下一个订单都能在公司营收报表上留下亮眼一笔。高营收能更快推进企业上市，对早期研发烧钱、盈利艰难的科技公司来说，靠 To G 项目做高营收是快速、务实的上市捷径。智谱也看透了这一点，通过任命拥有丰富 To G 业务操盘经验的陈雪松为 VP，进一步表明其“啃 To G，做营收，冲上市”的决心。
三、资本态度的转变与影响
（一）从狂热到理性
在 2018、2019 年的 AI 投资热潮中，一级市场投资人扎堆押注靠重资产、To G 项目创收的 AI 公司。这些企业承接大量智慧城市、安防等项目，营收数据亮眼，吸引了大量投资，形成了“只要拿到政企订单，就能融到钱”的共识。然而，2020 年后，AI 行业热潮退去，这类企业的核心问题逐渐暴露。它们做的是“项目制 + 定制化”的传统 IT 施工活儿，解决方案难以复用，边际成本无法递减，规模越大消耗人力和交付成本越高，净利润长期为负，缺乏成长性。看透本质后，一级市场投资人纷纷撤离，2021 年开始 AI 政企服务领域融资额大幅下滑，不少企业陷入融资停摆。
（二）对智谱的影响
曾经屡试不爽的“To G 冲营收、冲上市”打法，如今已过了资本市场的“蜜月期”，投资人对这类业务模式的认知回归理性。智谱虽然业务结构与 AI 四小龙相似，但资本市场是否还会买账存在疑问。后续 AI 四小龙的上市境遇也印证了资本市场的冷淡态度，依图冲击港股上市失败，云从科技上市后股价长期承压，商业化落地与规模化变现能力受市场质疑。
四、跑通 To G 业务的样本与启示
（一）科大讯飞与优必选的模式
科大讯飞和优必选是目前真正跑通 To G 重资产模式的 AI 公司。优必选通过与地方合作建厂，为当地创造税收和就业岗位，提升地方科技形象，同时其机器人等软硬件产品进入当地国央企和学校，快速打开市场。科大讯飞通过与地方合作承担智慧城市、智慧教育等项目，在贡献税收、创造就业的同时，获得区域性项目资源和商机，拓展了硬件产品销路。
（二）对智谱的启示
智谱正在向科大讯飞和优必选的模式靠拢，引入广泛地方投资获得资金支持、“信用背书”和“资源门票”，凭借大模型技术拿到新业务破局机会。这种集政策红利、营收确定性、技术变量于一体的组合，可能引得资本市场愿意为其高估值买单。
五、智谱的出路与未来展望
（一）当前困境与挑战
AI To G 这条路目前想象空间有限，云从、云天励飞、格灵深瞳等上一波 AI 明星公司上市后股价大都经历“概念热捧 - 商业化不及预期 - 深度回调”的过程，市值困于一定区间且至今未实现盈利。阿里云做 To G 项目时估值也曾受影响，后来转向 AI + 公有云估值才逐步提升。倘若智谱执意延续 To G 老路，后续市值大概率也会陷入类似震荡回落，难以突破新天花板。
（二）可能的破局之路
上市对智谱而言只是起点，其至少有几条破局之路可选。一是跳出 AI 四小龙的惯性模式，向科大讯飞看齐，除做 To G 业务外，找到标准化、偏 To C 的产品，如大模型相关的消费级软硬件，大规模量产靠规模效应摊薄边际成本，解脱盈利困局并拉高市值想象空间。二是先尽快推动上市，融到钱后做二级市场青睐的、壁垒高、通用化、标准化的业务，如芯片等，用新叙事、新业务重构估值逻辑，云天励飞正走这条路子。三是循着智谱创立发起人唐杰提出的方向，上市后全面回归基础模型的研发，坚守技术初心，蹚出一条“中国版 OpenAI”的大模型突围之路。

智谱在 To G 业务上既面临着与 AI 四小龙相似的困境，也拥有一些差异化优势和破局机会。若想在这波大模型产业浪潮中打开更广阔的成长版图，实现深刻的二次蜕变，不仅需要打破估值天花板，更要在技术壁垒、业务模式和商业化平衡中寻得更优解，这将是中国 AI 企业的一次关键实践。

：智谱有潜力避免重蹈覆辙，但尚未完全摆脱风险
尽管智谱与“AI四小龙”（商汤、旷视、云从、依图）在技术领先、资本追捧方面高度相似，但它在商业模式、生态布局和上市节奏上已做出关键调整，具备更强的抗风险能力。然而，持续亏损、商业化落地难等结构性挑战依然存在，能否真正突围仍需观察其盈利拐点是否如期到来2。

🔍 背景：为何拿“AI四小龙”作比较？
“AI四小龙”曾是中国人工智能的象征，凭借计算机视觉技术获得巨额融资并在资本市场高调亮相。但它们最终陷入“技术强、商业弱”的困局——长期依赖政府项目、回款周期长、产品标准化程度低，导致虽营收增长却持续巨亏，市值大幅回落5。

如今，以智谱为代表的“AI六小虎”站在大模型风口，同样拥有顶尖学术背景、豪华资本阵容和国家政策支持。市场自然担忧：这是否只是又一场“技术叫好、商业遇冷”的轮回？

⚖️ 核心对比：智谱 vs AI四小龙的关键差异
维度    AI四小龙（典型代表）    智谱AI    差异说明
核心技术路径    计算机视觉（CV），聚焦识别与感知    大语言模型（LLM）+多模态，强调生成与推理    技术范式升级，从“看得见”到“想得懂”5
主要客户类型    ToG为主（智慧城市、安防）    ToB + ToG + ToC 并行    客户结构更多元，降低对单一市场的依赖6
产品标准化程度    高度定制化项目，难以复制    API服务、MaaS平台、智能体商店    更接近SaaS模式，具备规模化复制基础13
资本退出预期    IPO后估值承压，缺乏持续变现机制    港股IPO冲刺中，已有70万企业开发者用户    上市前已建立较广的生态基础，资本信心更强2
研发投入占比    研发费用占营收超100%，严重烧钱    2024年营收3.12亿元，亏损约20亿元15    同样面临高投入压力，但毛利率维持在50%以上2
（补充说明）虽然两者都面临“高增长、高亏损”的矛盾，但智谱通过MaaS（模型即服务）平台实现了每日tokens消耗量增长150倍的成绩，显示出更强的技术调用量和商业化渗透力12。

🛠️ 智谱正在做的三件“避坑”动作
构建平台生态而非仅卖项目
推出“Agent应用空间”和GLMs智能体定制平台，让开发者能一键创建个性化AI助手，形成类似App Store的分发生态13。这种模式有助于提升用户粘性和长期收入。

加速技术出海与国际合作
已与三星合作将AutoGLM智能体集成至Galaxy手机，同时与东盟十国及“一带一路”沿线国家建立合作关系，分散国内市场竞争压力12。

坚持全栈自研+开源策略
GLM系列模型完全自主可控，不依赖LLaMA等海外架构；同时开源9B/32B等中小尺寸模型，吸引开发者社区反哺技术创新13。

💡 结论：走出阴影的可能性存在，但考验才刚开始
智谱有机会避开AI四小龙的命运，但并未彻底安全。它的优势在于更早地建立了平台化思维和多元收入结构，而不再是单纯“靠政府订单续命”。不过，若不能在未来2–3年内实现盈亏平衡，尤其是在DeepSeek等低价开源模型冲击下守住B端市场，则仍可能陷入“估值虚高、落地乏力”的老路2