出品｜虎嗅科技組

作者｜宋思杭

編輯｜苗正卿

頭圖｜視覺中國

如果有一門生意，“每賺 1 元收入，要投入4.4 元研發(fā)費(fèi)”，它會(huì)是門好生意嗎？

全球大模型第一股智譜AI（下稱“智譜”）試圖回答這一問題。2026年3月31日，智譜公布了2025年全年業(yè)績(jī)，這也是其上市后的首份財(cái)報(bào)。

財(cái)報(bào)顯示，智譜在2025年全年實(shí)現(xiàn)總收入7.24億元人民幣，同比增長(zhǎng)131.9%；銷售成本，同比增長(zhǎng)213.3%至4.27億元。在這樣的收入和成本表現(xiàn)下，智譜的毛利同比增長(zhǎng)68.7%至2.97億元，公司全年綜合毛利率也達(dá)到了41%。而對(duì)于同樣是大模型上市企業(yè)的MiniMax而言，智譜的毛利率已經(jīng)遠(yuǎn)高于MiniMax，后者毛利率25.4%。

如果從收入構(gòu)成來拆解，41%的毛利率背后呈分化趨勢(shì)，其本地化部署業(yè)務(wù)毛利率由2024 年的66.0%下降至2025年的48.8%，而云端部署業(yè)務(wù)的毛利率由2024年的3.3%上升至2025 年的18.9%。（虎嗅注：本地化部署業(yè)務(wù)指大模型本地部署，云端部署業(yè)務(wù)指開放平臺(tái)及API）。從這一點(diǎn)來看，智譜已經(jīng)充分證明了自身的盈利空間。

但它依然陷入虧損。

受同期31.8億元研發(fā)費(fèi)影響，智譜經(jīng)調(diào)整凈虧損額達(dá)到31.82億元，虧損幅度同比增長(zhǎng)29.1%。同期虧損額相當(dāng)于智譜總收入的4.39倍，更是其毛利的10.7倍。值得注意的是，虧損主要來源于研發(fā)開支。據(jù)財(cái)報(bào)顯示，2025年智譜研發(fā)成本31.84億元，同比增長(zhǎng)44.9%；而2025年資本支出為7470萬元。

財(cái)報(bào)中解釋道，研發(fā)成本增長(zhǎng)主要源于：

（1）員工成本增加，包括擴(kuò)大研發(fā)團(tuán)隊(duì)及股份支付費(fèi)用增加；

（2）支付第三方算力供應(yīng)商的計(jì)算服務(wù)費(fèi)用，包括迭代模型及投資更先進(jìn)的模型訓(xùn)練基礎(chǔ)設(shè)施。

但值得一提的是，用于大模型訓(xùn)練的算力成本并不計(jì)入研發(fā)開支，而是以算力租賃的形式單獨(dú)計(jì)入資本支出。在智譜的語境中，前者用于大模型訓(xùn)練的算力成本指根據(jù)模型訓(xùn)練時(shí)長(zhǎng)調(diào)用算力供應(yīng)商GPU的成本，這部分靈活支出算進(jìn)研發(fā)成本中；而鎖定GPU資源，且長(zhǎng)期與某供應(yīng)商簽合同則算入資本支出。

對(duì)比MiniMax，智譜的整體規(guī)模更大。這主要是兩家公司的業(yè)務(wù)構(gòu)成和組織架構(gòu)等造成的差異。例如，智譜的人員規(guī)模是MiniMax的2倍，而這同時(shí)也造成了前者投入研發(fā)成本更高，虧損更嚴(yán)重；而后者則人效更高。

公司 智譜（02513.HK） MiniMax（00100.HK） 總收入 7.24億元 5.4億元（7903.8萬美元） 毛利率 41.0% 25.4% 經(jīng)調(diào)整凈虧損 31.82億元 17.30億元（2.51億美元） 研發(fā)投入 31.80億元 17.43億元（2.53億美元） 人員規(guī)模 883人（截至2025年中） 385人（截至2025年9月） 每賺1元收入虧損 4.4元 3.2元 市值（2026.3.31） 3092億港元 2915億港元

本次財(cái)報(bào)中值得注意的是，與MiniMax一樣，智譜也嘗到了龍蝦紅利。

從2026年一季度開始，智譜的業(yè)績(jī)?cè)鲩L(zhǎng)主要依賴于其在3月推出的AutoClaw，一鍵部署龍蝦。

據(jù)智譜CEO張鵬介紹，一季度智譜的API調(diào)用定價(jià)提升83%。但它也恰好踩中了需求爆發(fā)的時(shí)間點(diǎn)。彼時(shí)，龍蝦的熱度已經(jīng)持續(xù)了一個(gè)月。在漲價(jià)后半個(gè)月，智譜就開始部署龍蝦。所以，即便價(jià)格增長(zhǎng)，智譜GLM模型調(diào)用量依然增長(zhǎng)了400%。根據(jù)財(cái)報(bào)，該計(jì)劃上線兩天后，訂閱用戶即破10萬，上線20天后訂閱用戶突破40萬。

與之相對(duì)應(yīng)的，是智譜盈利能力的指標(biāo)，也就是智譜重心押注的MaaS平臺(tái)。據(jù)悉，MaaS API平臺(tái)實(shí)現(xiàn)ARR 17億元（約2.5億美金），同比提升60倍。

也就是說，智譜這份財(cái)報(bào)，其實(shí)是一方面證明了自己的盈利空間，而另一方面，虧損也未停止。

智譜的增長(zhǎng)邏輯變了，但尚未重構(gòu)

從整體收入結(jié)構(gòu)來看，這份財(cái)報(bào)里最關(guān)鍵的變量，其實(shí)不是總收入本身，而是收入來源。通過拆解收入來源中細(xì)微的變化，能夠窺探出智譜新的增長(zhǎng)邏輯，以及它的可持續(xù)性。

拆開來看，智譜的增長(zhǎng)重心已經(jīng)開始向云端傾斜，也就是MaaS。這部分業(yè)務(wù)占比26.3%，而在2024年，云端部署僅占總收入的15.5%。而在本次財(cái)報(bào)發(fā)布后，智譜也聲稱，公司的戰(zhàn)略重點(diǎn)會(huì)持續(xù)放在MaaS上。

然而，盡管從數(shù)字上看，云端部署業(yè)務(wù)占比大幅提升。但這其中的幾個(gè)變量尤為關(guān)鍵。

首先，這里面最核心的驅(qū)動(dòng)來自API。換句話說，智譜這一輪增長(zhǎng)，本質(zhì)上是調(diào)用量的增長(zhǎng)。

而在這其中，龍蝦（OpenClaw）是最直接的變量。隨著Agent開始自動(dòng)執(zhí)行任務(wù)，一次需求往往對(duì)應(yīng)多輪調(diào)用，Token消耗被成倍放大，API調(diào)用量隨之上升。

第二是MaaS的主要收入來源。財(cái)報(bào)中介紹道，十家互聯(lián)網(wǎng)公司中，已有九家互聯(lián)網(wǎng)公司接入智譜模型。

這里有一個(gè)值得注意的變化：這些互聯(lián)網(wǎng)公司基本都有自己的大模型，但他們也并非完全依賴自有模型，而是會(huì)根據(jù)不同業(yè)務(wù)調(diào)用不同模型。也就是說，短期內(nèi)即便擁有自研大模型，仍然會(huì)在特定場(chǎng)景下選擇智譜。當(dāng)然，這并不意味著，這九家互聯(lián)網(wǎng)大廠會(huì)長(zhǎng)期選擇這一戰(zhàn)略。

而這些公司的調(diào)用量基本上占據(jù)了智譜MaaS收入的半壁江山。也就是說，一旦智譜失去任意一家客戶，都會(huì)對(duì)目前的MaaS業(yè)務(wù)造成重創(chuàng)打擊。

第三，MaaS的增長(zhǎng)還來自于Token“出海”。過去一年，智譜已與多個(gè)中東國家和東南亞國家展開合作，向當(dāng)?shù)剌敵瞿Ｐ湍芰?，本質(zhì)上同樣是以Token調(diào)用的形式實(shí)現(xiàn)收入。

綜合來看，這份財(cái)報(bào)釋放出的一個(gè)明確信號(hào)是，智譜正在把增長(zhǎng)的敘事，從重本地化部署切換為賣模型，也就是賣Token。

但從結(jié)果來看，盡管智譜目前的主要收入仍依賴于本地化部署，但MaaS模式已經(jīng)呈現(xiàn)出可持續(xù)性增長(zhǎng)的趨勢(shì)。

在這一基礎(chǔ)上，智譜還提出了一個(gè)新的概念：TAC（TokenArchitecture Capability，Token架構(gòu)能力）。

按照其定義，TAC由三部分構(gòu)成：智能調(diào)用量、智能質(zhì)量以及經(jīng)濟(jì)轉(zhuǎn)化效率。簡(jiǎn)單來說，就是調(diào)用了多少Token、這些調(diào)用是否有效，以及最終能否轉(zhuǎn)化為收入。

在筆者看來，在“龍蝦”事件過后，行業(yè)里對(duì)于Token逐漸形成了共識(shí)：當(dāng)大模型具備長(zhǎng)程任務(wù)執(zhí)行能力之后，調(diào)用不再是一次性的輸入輸出，而是被組織成一個(gè)持續(xù)運(yùn)行的系統(tǒng)。

那么，也就是說，一項(xiàng)任務(wù)背后，往往對(duì)應(yīng)多輪調(diào)用、工具調(diào)用甚至自我校驗(yàn)，Token不再只是被消耗，而是被“編排”，即用戶會(huì)如何組織調(diào)用大模型。

而TAC之所以在這個(gè)時(shí)間點(diǎn)被提出，也并不難理解。

過去兩年，大模型行業(yè)的競(jìng)爭(zhēng)主要圍繞參數(shù)規(guī)模、模型能力以及價(jià)格展開；但隨著價(jià)格戰(zhàn)趨于尾聲、模型能力逐漸收斂，Agent應(yīng)用體開始爆發(fā)，這些指標(biāo)已經(jīng)越來越難以解釋公司的增長(zhǎng)差異。

在這樣的背景下，智譜需要一套新的指標(biāo)體系，來回答一個(gè)更現(xiàn)實(shí)的問題：當(dāng)模型能力相差不大時(shí)，增長(zhǎng)從哪來？

智譜的“成本陷阱”

把視角從智譜拉開到整個(gè)行業(yè)，會(huì)發(fā)現(xiàn)大模型的商業(yè)模式已經(jīng)開始收斂。

除了階躍星辰之外，剩下的三家基座模型公司，核心收入都在向API調(diào)用收斂。

無論是智譜、MiniMax，還是月之暗面，都在走向用MaaS承接增長(zhǎng)的路徑。但至少對(duì)于智譜而言，這條路徑并不是一開始就存在的。

以智譜為例，其早期業(yè)務(wù)中，ToG與私有化部署占比極高，項(xiàng)目制特征明顯。直到上市前夕，大概半年前，為了讓商業(yè)模式更具持續(xù)性與規(guī)模想象空間，智譜才開始明顯向MaaS轉(zhuǎn)型，將增長(zhǎng)重心轉(zhuǎn)向云端API調(diào)用。

從結(jié)果來看，這一轉(zhuǎn)型確實(shí)帶來了變化，MaaS占比提升，Token成為核心指標(biāo)，收入結(jié)構(gòu)也開始向平臺(tái)化靠攏。

只不過，按照智譜現(xiàn)有的架構(gòu)，這種本地部署超過云端部署的結(jié)構(gòu)很難短時(shí)間內(nèi)改變。

當(dāng)前MaaS的增長(zhǎng)，還高度依賴少數(shù)大客戶。

財(cái)報(bào)顯示，智譜的API收入中，相當(dāng)一部分來自互聯(lián)網(wǎng)大廠。這些公司雖然擁有自研模型，但在具體業(yè)務(wù)中，會(huì)選擇調(diào)用外部模型能力。這種“多模型調(diào)用”的模式，確實(shí)為MaaS提供了穩(wěn)定需求。但問題在于，這并不等同于真正意義上的規(guī)?；鲩L(zhǎng)。

一方面，頭部客戶貢獻(xiàn)了主要調(diào)用量；另一方面，長(zhǎng)尾市場(chǎng)尚未被真正打開。換句話說，MaaS的平臺(tái)形態(tài)已經(jīng)出現(xiàn)，但沒有建立起平臺(tái)規(guī)模。

而這還指向了另一個(gè)更核心的問題，即單位Token的成本與收入結(jié)構(gòu)。

財(cái)報(bào)顯示，2025年智譜全年虧損47.18億元，同比增長(zhǎng)59.5%；其中研發(fā)開支達(dá)31.8億元，同比增長(zhǎng)44.9%；資本開支7470萬元，同比下降約83.8%。前者是指模型訓(xùn)練成本和員工成本，后者來自算力租賃等成本，而2025年智譜調(diào)整了算力采購方式，將曾經(jīng)較為固定的算力租賃，變?yōu)樗懔ψ赓U和服務(wù)采購相結(jié)合的模式，因此資本開支大幅下降。

那么，再把MaaS增長(zhǎng)和這兩組數(shù)據(jù)結(jié)合起來，可以觀察到一條非常直接的邏輯鏈：

公司若想帶動(dòng)MaaS增長(zhǎng)，就必須依賴模型能力；而模型能力的提升，要依賴持續(xù)加大研發(fā)投入。但問題是研發(fā)與算力成本，并不會(huì)隨著調(diào)用規(guī)模的擴(kuò)大而自然下降。

換句話說，收入增長(zhǎng)的前提，本身就在推高成本。

這也讓大模型公司都陷入一種結(jié)構(gòu)性困境：為了獲得更多調(diào)用，需要持續(xù)提升模型能力；而為了提升模型能力，又必須不斷加大投入。

這就造成了如今，增長(zhǎng)越快，成本壓力越大的局面。

從這個(gè)角度看，問題已經(jīng)不只是智譜一家公司，而是整個(gè)大模型行業(yè)正在面對(duì)的共同約束。

而在這個(gè)問題沒有被解決之前，MaaS能夠帶來增長(zhǎng)，但很難帶來利潤(rùn)。

智譜為何想對(duì)標(biāo)Anthropic？

在3月31日晚智譜年度業(yè)績(jī)發(fā)布電話會(huì)中，智譜CEO張鵬在匯報(bào)業(yè)績(jī)前還特意提到了美國AI獨(dú)角獸公司Anthropic，該公司ARR從2024年底10億美金，到2025年底90億美金。

實(shí)際上，幾乎所有頭部大模型公司，都在試圖對(duì)標(biāo)美國路徑。

其中，月之暗面把目光瞄準(zhǔn)OpenAI，走“模型能力+產(chǎn)品+訂閱”的路線；而智譜、MiniMax，試圖靠近Anthropic模式，即強(qiáng)調(diào)基座模型能力，通過API輸出推理算力，構(gòu)建開發(fā)者生態(tài)。

但無論路徑選擇如何，本質(zhì)上都是將模型作為基礎(chǔ)設(shè)施，通過調(diào)用來實(shí)現(xiàn)規(guī)?；杖搿?/p>

目前，這條路徑在美國已經(jīng)被初步驗(yàn)證。無論是OpenAI，還是Anthropic，都可以證明模型能力足夠強(qiáng)時(shí)，開發(fā)者生態(tài)可以形成正反饋。但問題在于，這條路徑在中國，很難被復(fù)制。

首先，是價(jià)格體系的差異。

在美國市場(chǎng)，企業(yè)客戶與開發(fā)者更愿意為能力付費(fèi)，模型能力可以轉(zhuǎn)化為溢價(jià)；但在中國，價(jià)格從一開始就被迅速壓低。兩年的價(jià)格戰(zhàn)之后，Token才逐漸演變?yōu)椤盎A(chǔ)資源”。

其次，是需求結(jié)構(gòu)的差異。

美國的大模型生態(tài)，更依賴開發(fā)者長(zhǎng)尾需求；而在中國，調(diào)用更多集中在頭部客戶，比如互聯(lián)網(wǎng)大廠與政企客戶。這種結(jié)構(gòu)下，MaaS更接近于集中采購”，而不是靠開發(fā)者生態(tài)驅(qū)動(dòng)。

第三，是成本與供給的差異。算力供給、芯片結(jié)構(gòu)以及整體成本環(huán)境，使得國內(nèi)模型公司的成本更難隨著規(guī)模下降。

從這個(gè)角度看智譜的困境就更容易理解了。

回看互聯(lián)網(wǎng)與云計(jì)算的發(fā)展路徑，基礎(chǔ)設(shè)施層的盈利，往往建立在應(yīng)用層爆發(fā)之后。

同理，這也意味著，在當(dāng)下階段，無論是智譜，還是其他大模型公司，都需要等待應(yīng)用場(chǎng)景被持續(xù)驗(yàn)證后，才有可能出現(xiàn)規(guī)模效應(yīng)。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4847054.html?f=wyxwapp