智谱半年报：API收入占比由15%飙升至87%，5500亿市值是否高估？
关于基础模型公司IPO的消息频繁登上各大媒体头条，资本市场的核心主线，或许会在Anthropic这类企业正式登陆交易所之后发生根本性转变。恰逢此时，国内大模型厂商相继披露了季度业绩，我近期将智谱与MiniMax的两份报告通读了一遍，一方面是为了自我提升，另一方面也为日后的投资研究和内容创作储备素材。
然而翻完智谱这份中期报告后，我脑海中浮现的第一个念头竟是：这份文件写得太出色了！
这里的"出色"并非指经营数据多么惊人。该报告并未止步于"API增速迅猛"这类笼统描述，而是罕见地将"一家大模型公司到底在向谁提供什么价值"这一核心命题从头到尾阐释得明明白白——即便是一位仅用过对话式AI、或仅仅听过"大模型"这个词的投资者，也能顺利读懂。
2026年前六个月，智谱录得营收9.54亿元人民币，同比飙升399.7%；净亏损20.72亿元，同比缩小12.1%；调整后净亏损19.64亿元，同比扩大12.1%。亮点集中在收入侧，盈利端尚无从谈起改善；鉴于GLM系列上半年的市场反响已相当抢眼，这份成绩单基本落在我的预判区间内，并未带来太大惊喜。
跳出数字本身，这份报告真正令人眼前一亮的，在于它将技术研发、产品矩阵、商业逻辑与财务产出编织进了一个自洽的叙事体系之中。按照智谱的阐述路径，模型的演进轨迹是从Chat延伸至Coding，再迈向Agent、Co-work乃至Autonomous AI——每跨出一步，模型便不只是"智商"提升了几分，而是在逐步减少对人类介入的依赖，能够自主承接更复杂、更完整的作业链条。
当模型所能承担的任务链被拉长，交付给终端客户的产物形态也随之改变。依据报告中的表述：当模型仅具备应答和辅助能力时，企业采购的是一整套需要落地部署、反复调试和系统对接的工具包；进入Coding阶段后，客户开始按单次调用或按时段订阅来支付费用；而当模型具备了端到端独立完成任务的能力，客户买单的标准就变成了"这件事有没有办成"。能力层级的攀升背后，紧跟着一套清晰的变现层级——先出售模型授权与定制项目，再出售调用次数，继而出售订阅服务，最终出售任务成果。
这种表达手法的巧妙之处在于，它将技术迭代的路径一步步锚定到了"客户为何掏钱"以及"企业最终如何实现盈利"这两个商业本质上。然而，讲得透彻与讲得正确之间仍存在距离。连非专业人士都能理解，意味着撰写者在构建解释框架上倾注了大量心血；而阐释的力度越充沛，这套框架就越经得起逐条拆解和交叉验证。将2025年度年报与本次中期报告并列审视，真正需要厘清的核心问题是：这条变现阶梯，智谱实际上攀爬到了哪个位置？
01 以Coding为原点
智谱之所以能将上述叙事写得如此具有说服力，一个重要原因在于它与公司上半年的实际业务变迁高度吻合，论据扎实有力。
截至2026年8月31日，Coding Plan的调用量相较年初膨胀了逾23倍；上半年API端的收入结构也发生了根本性逆转。两项数据叠加在一起，使得报告中关于技术与商业的逻辑闭环获得了坚实的现实支撑。这套推导并非空中楼阁，只不过智谱商业化真正的起步点并非Chat。报告未单独列出Chat订阅的收入条目；从可辨识的收入构成来看，此前的绝对主力一直是面向企业的定制化项目。
一年之前，智谱的本地化部署收入为1.62亿元，占总营收的84.8%；开放平台及API板块仅有2910万元，占比15.2%。而到了2026年上半年，API收入跃升至8.25亿元，份额攀升至86.5%；本地化部署则收缩至1.29亿元，占比仅剩13.5%。两类收入的主次关系彻底颠倒了。
本地化部署的业务形态更接近传统软件服务商承接企业级项目。客户期望获得的是一个嵌入自身数据环境、业务系统和操作流程中运行的解决方案，智谱必须逐个完成适配、安装和联调。每多一个客户，往往就意味着多一份交付工作量，收入增长难以脱离人力成本的线性约束。
API则代表着截然不同的商业范式。同一套模型可以同时服务于海量用户，新增请求的边际成本主要取决于实际消耗的Token数量，无需同步扩充交付团队。Coding恰好提供了高频刚需的应用场景；在收入维度上，智谱已从逐个交付项目的模式，过渡到批量售卖模型调用能力的模式。
这一收入模式的迁移也清晰地映射在了毛利率数据上。API业务的毛利率从一年前的-0.4%跃升至24.6%，公司将此归功于调用规模的放量、API定价上调以及推理环节的成本压缩，API板块整体首次实现了正向毛利贡献。综合毛利率则从50.0%回落至26.4%，同期本地化部署的毛利率也从59.1%降至37.9%。API虽尚未恢复至此前项目制那种丰厚的利润水平，但已甩脱了负毛利的困境，并初步建立了不随交付人力线性扩张即可增长的底座。
至此，智谱已通过财务报表证实了自己迈出了从项目交付到API调用的关键一步。模型的价值不再仅仅体现为参数量和排行榜名次，客户持续为每次调用真金白银地付费已是既成事实。Coding收入虽未被单独披露，但23倍的调用量增幅至少表明，它已成为一个明确且强劲的市场需求信号。
智谱随后将这条延伸线进一步向外拓展：Chat对标约1000亿美元的搜索引擎市场，Coding对应约5000亿美元的软件开发生态支出，Co-work指向约5万亿美元的白领知识型劳动领域，Autonomous AI则最终锁定公司粗略测算的约30万亿美元远期潜在空间。模型能够承接的任务范围越广，其理论上可触及的支出池也就越庞大。
但从Coding再往后的段落，这条阶梯的性质开始从"解释已实现的业绩"滑向"推演未来的市场空间"。模型有能力完成某项工作，仅意味着它获得了进入该赛道的入场券；一家基础模型公司最终能从这块蛋糕中切走多大份额、留存多少净利润，还需要经历另一套完全不同的转化流程。能够编写代码，绝不等同于就能瓜分5000亿美元的软件研发预算；能够参与法律、金融或安全领域的协作，也不意味着这些行业的人力开支会自动转化为模型公司的营收。
这套转化流程的核心，是将原始能力封装为可交付的产品。任务频次是否够高、产出质量如何判定、怎样嵌入客户既有的业务流程、客户的付费意愿和价格锚点在哪里、交付与推理成本能否控制在合理范围内——每切换一个新场景，这些问题都需要从零开始重新解答。智谱自行披露的进展也印证了这一点：网络安全方向已进入验证期，法律等领域仍处于非常早期的探索阶段。通用能力并不会自动蜕变为收入，每个垂直行业都必须重新寻找一次产品与市场之间的契合点。
由此观之，Coding最核心的战略意义在于，智谱成功完成了一次从学术成果到规模化商业收入的质变跳跃。Agent和Co-work则为它打开了更多可供试验的任务入口。独立的基模公司最终需要证明的是：它能否持续发现第二个、第三个"Coding"级别的突破口，将能力转化为产品，再将产品转化为足以反哺下一代研发的现金流和利润。
02 SOTA的保鲜期日益缩短
面对智谱从Chat一路铺展至Autonomous AI的宏大叙事，读者极易产生认同感，因为Coding调用量的爆发和API收入的结构性变化确实让阶梯的前半段有了数据背书。再审视公司自身的定位，撇开体量与资源禀赋的差异不谈，智谱与OpenAI、Anthropic共享一个本质特征——它们首先是前沿模型研究机构，产品方向和商业模式必须跟随研究产出的节奏不断校准。
对于一家以研究为先导的前沿实验室而言，最核心的驱动力始终是模型能力的代际跃升。Coding调用量伴随模型版本升级呈陡峭曲线攀升，上半年8.25亿元的API收入和24.6%的毛利率又表明模型调用已初步跑通了商业闭环。但当下一轮性能更强或成本更低的模型面世后，现有的客户群和调用量是否会继续留在智谱生态内，这才是下一阶段必须直面的课题。
偏偏今年的模型迭代速度快得近乎失控，几乎每隔一两个月就有一批新模型刷新各项基准。
2月登场的是GLM-5和MiniMax M2.5；4月紧接着是Kimi K2.6与DeepSeek V4；6月轮到MiniMax M3和GLM-5.2；7月又迎来Kimi K3及升级版DeepSeek-V4-Flash；到了8月末和9月初，Qwen3.8与GLM-5.3系列仍在持续追赶。一款模型刚刚崭露头角，身后数月的追兵便已迫近，留给它抢占客户心智、打磨产品体验、将调用量转化为稳定收入的时间窗口正在急剧收窄。
追赶之所以能做到如此密集，与这些机构以研究为内核的组织基因密不可分。部分核心成果会以学术论文或技术白皮书的形式公之于众，国内多家企业还会将源代码和模型权重一并开源；OpenAI和Anthropic虽未像国内同行那样持续开放旗舰模型的完整权重，同样会通过论文渠道披露相当比例的研究细节。
而智谱自家的GLM-5便是最直观的例证——其技术报告中白纸黑字写明，GLM-5采用了DeepSeek Sparse Attention机制；这并非外部观察者基于架构相似度所做的猜测，而是智谱官方的明确陈述。
在创新经济学的语境下，这种效应被称为"知识外溢"。率先取得突破的机构将研究发现公开后，其他实验室的后续训练同样会从中获益；全行业的进步速率因此加快，但先行者却极难长期独享该项突破所衍生的超额回报。我丝毫不怀疑在Coding之外还会有新的规模化付费场景涌现；但新一代模型追上之后，这些场景是否仍在使用GLM系列，才是智谱真正需要面对的生存命题。
对于纯粹通过API接口调用模型的用户而言，更换供应商的摩擦成本通常并不算高。Cursor和GitHub Copilot等主流开发工具已支持同时接入多家模型提供商，底层的推理调用可以依据能力表现、价格波动和服务稳定性灵活切换。智谱若想将本轮领先所积累的营收牢牢锁定，除模型本身的硬实力外，还必须让用户在其日常工作流中越陷越深，同时将使用成本持续压低。
当前的中期报告尚未给出这方面的答案。报告披露了API总收入、调用规模和毛利率，但未提供Coding收入的细分口径，缺少客户留存率和续约率的量化数据，更无法观测到跨越一轮模型代际更新后调用量是否仍然维持。在这些关键数据缺席的情况下，市场倾向于将当下的模型表现和调用增速做简单的线性外推。
财报发布前，彭博汇总的一致预期将上半年收入定在13.55亿元，高盛的预测更为激进，给出了18亿元；而实际落地的数字仅为9.54亿元，分别低于前者约30%和后者近一半。如此悬殊的预期落差至少揭示了一件事：市场尚未建立起一套可靠的定价方法论，将模型能力和调用增速准确折算为可持续的收入；同时也警示我们，不宜沿着同一条斜率将这些指标机械地向后延伸。
上半年合计2.52亿元的总毛利，仅能覆盖21.31亿元研发投入中的一小截。在接下来的几份财报中，我将重点追踪三件事：是否出现了第二个达到规模化门槛的付费场景；模型经历一代更替后，存量客户是否仍在、调用量是否延续增长态势、API毛利率能否进一步抬升。唯有这些指标呈现出连续的正面改善，智谱才具备依靠上一代模型赚取的利润去持续孵化下一代模型的财务底气。
坦率地说，我对智谱的前景依然持乐观态度。
9月1日收盘价为1179港元，对应的总市值约为5490亿港元。若简单地将上半年9.54亿元收入进行年化，市销率（PS）将超过200倍。这个数字乍看触目惊心，但实际上参考意义有限。智谱目前尚无正向利润，市盈率（PE）无从适用；而API收入恰好在7月和8月出现了明显的加速度，上半年的均值已经滞后于公司当前的实际运营节奏。
在此情境下，用P/ARR（市值除以年化经常性收入）替代基于半年均值的PS更具分析价值。智谱所提及的16亿美元ARR，是将8月单月的MaaS（即开放平台及API业务）收入乘以12得出的年化运行速率；P/ARR则是以公司总市值去除这一数字。它并非已经锁定的全年合同金额，但相比取六个月平均值，更能反映公司此刻的真实经营脉冲。
截至8月，智谱API业务的ARR已达16亿美元，较7月初的10亿美元增长了60%；管理层设定的年末目标为24亿美元。以当前市值计，智谱对应的P/ARR约为44倍；若年末目标如期达成，该倍数将回落至约29倍。作为参照，Anthropic在今年5月融资时的估值为9650亿美元，年化收入超过470亿美元，对应约20倍P/ARR——可以作为一把粗糙的量尺，但需注意私募投后估值与港股公开市场总市值在口径上并不完全可比。
此外，公司Token总调用量较年初膨胀了超40倍，API的平均单价同步提升了101%，API毛利率亦从-0.4%拉升至24.6%——这轮增长显然不是以牺牲价格为代价换取的。反向推算一下：假设年末24亿美元目标顺利兑现，2027年ARR再实现75%至100%的增长，达到42亿至48亿美元，按现有股本结构、7.8港元兑1美元的汇率以及20倍P/ARR的估值中枢计算，对应的理论股价区间约为1400至1600港元。即便估值倍数从目前的44倍大幅压缩至20倍，只要收入端的增速能够如期落地，上行空间依然可观。
声明：本文仅供学习与探讨之用，不构成任何形式的投资建议。
感谢点赞、在看与转发，你们的支持是我持续输出的最大动力！