报告正文

公司概况：领先的AI公司，产品进入快速迭代阶段

北京智谱华章科技股份有限公司成立于2019年，是中国领先的AI公司，致力于追求通用人工智能创新。公司为机构客户及个人用户提供通用大模型服务，已为逾八千家机构客户、约80百万台设备提供支持。以2024年收入计，公司是中国最大的独立大语言模型厂商及第二大大语言模型厂商，市占率达6.6%，2022、2023、2024、2025H1公司日均token消耗量分别为5亿、21亿、0.2万亿及4.6万亿。成立至今公司大致经历以下发展阶段：

1）创业初期，产品逐步丰富（2019-2023年）：2019年公司成立后，2020年启动预训练框架通用语言模型（GLM）的开发，2021年公司发布首个百亿参数预训练大模型GLM-10B，同步推出模型即服务（MaaS）产品开发及商业化平台，2022年公司发布开源大模型GLM-130B与高性能代码模型CodeGeeX，2023年发布对话模型ChatGLM，并于3月发布开源ChatGLM-6B，发布中国首批通过监管备案的大模型产品智谱清言；

2）产品快速迭代，公司进入快速发展阶段（2024年至今）：2024年，公司产品扩张进入快车道，发布具备智能体编排协同能力的基座模型GLM-4以及GLM-4-Plus，并在智谱清言上线AI视频通话、发布视觉理解基座模型GLM-4V、发布视频生成模型CogVideoX和移动应用程序智谱清影、发布端到端情感语音生成模型GLM-4-Voice及用于自主设备操作的基座智能体模型AutoGLM、发布处理高级推理任务的反思模型GLM-Z1，2025年公司发布端到端模型GLM-Realtime以及AI Agent AutoGLM Rumination，公司最新基础模型已迭代至GLM-5。

公司治理：控股股东集团占股近1/3，多家机构参投

刘德兵博士为实际控制人，控股股东集团合计持股达30.22%。北京链湃科技、刘德兵博士、唐杰博士、李涓子博士、许斌博士、张鹏博士、珠海横琴慧惠及珠海横琴智登为一致行动人士，并为公司的控股股东集团，北京链湃、慧惠及智登因刘博士担任其各自普通合伙人而受刘博士控制。公司领航资深独立投资者包括君联相道、君联锦帆及社保中关村创新基金、美团资深独立投资者天津三快，其他投资者包括启明融乾及启明融凯等。

主营业务：围绕MaaS平台为客户提供产品，具备完善模型矩阵

公司主要围绕其MaaS平台为下游客户提供产品，其MaaS平台具有以下特点：

1）全面的模型矩阵：公司已建立全面的AI模型矩阵，在语言、多模态、智能体及代码能力方面展现出行业领先的性能；

2）丰富生态：公司利用机构客户大规模地触达其自身客户，从而以间接但高效的方式扩大对该等终端用户的影响；

3）便捷的自定义部署：公司模型可托管于云端，通过应用程序编程接口（API）存取，进行本地化部署以计算私有数据集，或预安装于端侧设备上。公司亦提供开箱即用的模板及插件库，并提供模型微调、部署及智能体开发等标准化集成工具；

4）安全性及可靠性：公司以领先的安全性能为支持，开发了安全可靠的模型产品，构建了安全可扩展的架构。

凭借公司的MaaS平台，公司形成了连接算力资源提供商、智能设备制造商、机构客户、开发者及个人客户的网络，从真实世界的模型部署中获得丰富的深度洞察，帮助公司更好地理解人们在不同应用场景中如何实际运用并受益于AI，并有针对性地优化训练策略，从而形成良性的洞察力飞轮效应。

公司模型矩阵涵盖端侧小模型、经济型模型和千亿参数的旗舰大模型等各类参数规模，能够有针对性地满足特定客户需求。公司产品提供全面的功能支持，覆盖对话、通用智能体、代码生成、图像理解、文生图/视频、语音交互等多种能力，实现对各类模型应用场景的充分覆盖。

1）语言模型：语言模型以GLM系列为核心，包括GLM-4.7、GLM-5等，并可根据部署形态提供经济型与端侧小模型选项，具备复杂语境理解与推理能力，可高质量完成知识问答、对话生成、信息抽取、总结改写、内容创作等任务；

2）智能体模型：以推理规划 感知操作为核心架构构建通用智能体能力，GLM-Z1-Rumination进行深度推理与自主规划，AutoGLM承担对用户界面与设备进行感知和操作，使智能体能够理解目标、拆解任务、进行多步规划并执行跨应用的复杂操作，覆盖自动化办公、流程编排、客户服务、智能终端控制等场景；

3）多模态模型：具备CogView和CogVideoX等模型，CogView聚焦文生图能力，可将文本需求转化为高质量图像内容。CogVideoX专注视频生成能力，支持从文本或图像生成动态视频内容，可用于短视频创作、教育演示、产品展示等场景；

4）代码模型：以CodeGeeX为代表，面向开发者与企业研发场景提供代码生成、补全、解释、重构、测试用例生成与多语言转换等能力，旨在降低研发门槛并提升工程效率。

公司产品主要按照本地化部署与云端部署两种方式落地，各业务收费模式如下：

1）本地部署中模型托管在客户自身的基础设施内，使组织能够利用其专有或敏感数据，定制私域专属AI模型。本地化部署在性能优化和基础设施配置方面提供更大的控制权，适用于复杂或高度专业化的应用场景。公司在将大模型及相关服务交付至客户指定地点并经客户检验验收时确认收入。2025年，公司本地化部署的收入达5.34亿元，同比提升102.31%，占公司收入比重达73.72%，主要得益于公司通过持续迭代提升模型智能上限、模型通用性增强和市场需求强劲；

2）云端部署将模型托管在可扩展且可靠的云端基础设施上，适合追求敏捷性和易实施性的企业。客户无需投入昂贵的本地基础设施，即可快速且经济高效地部署AI解决方案。公司对于以订阅为基础的合同通常在合同期内按比例确认收入，对于以使用量为基础的合同，在向客户提供服务时根据客户对资源的使用情况确认收入。2025年，云端部署的收入达1.9亿元，同比增长292.66%，占收入比重达26.28%，主要得益于持续迭代显著提升了模型智能上限，提升后的模型智能表现进一步推动了模型调用量的增加。

财务分析：收入高速增长，净利润短期承压

公司收入快速增长，扣除研发投入后大幅扭亏。2025年公司实现收入7.24亿元，同比增长131.85%，主要由云端部署收入大幅提升推动。公司于2026年3月推出Claw Plan上线仅两天订阅用户即突破10万；上线20天突破40万，验证了智能体长链路任务蕴含巨大的商业空间。公司实现净亏损46.98亿元，主要受研发投入持续增加影响，公司实现经调整净亏约31.8亿元，扣除31.8亿元研发支出后基本实现全年盈亏平衡。

公司毛利率同比增长，业务拓展推动期间费用率增长。2025年公司实现销售毛利率40.96%，其中本地化部署实现毛利率48.8%，同比下降17.2个pct，主要由于为满足客户需求而投入了更多的交付资源；云端部署实现毛利率18.9%，同比提升15.6个pct，主要由于模型推理效率提升、算力规模扩张导致边际成本递减，同时价格有所提高。2025年，公司实现研发/销售/管理费用率分别为439.08%/53.96%/69.77%，分别同比-263.65/-70.07/ 27.01个pct。

行业简析：下游应用场景广，兼具市场规模与成长空间

大模型能力边界不断扩展，智能水平跨越式提升。随着算力基础设施建设不断推进、算法架构的不断革新（如MOE架构）以及模型参数的大幅增长（2023年GPT3.5仅有1750亿参数，2024年Google Gemini Pro则有1.8万亿参数），大模型的智能水平已实现跨越式提升。以从GPT-3到GPT-4为例，其律师资格考试成绩由倒数10%跃升至前10%，而GPT-4o、Claude 3.7等后续迭代更新也持续刷新了智能上限。与此同时，模型能力的边界也在不断外延：一方面，长上下文技术（如10万  token）打破了信息处理的记忆瓶颈；另一方面，Agentic AI的兴起标志着模型从“被动问答”向“主动执行”的转变——通过自主规划并调用代码解释器、浏览器等外部工具，大模型已具备在复杂环境中解决实际问题的逻辑推理与执行能力。

AI技术正经历从传统判别式AI向大语言模型的重要转变，大语言模型打开应用空间。传统判别式AI主要侧重于识别和判断类任务，例如分类、回归和目标检测，其本质是通过学习输入与标签输出之间的映射关系，帮助机器做出准确判断。大语言模型则是规模庞大的深度学习模型，在海量数据上进行预训练，并基于拥有数十亿到数千亿参数的神经网络构建，使其能够理解并生成自然语言以及其他类型的内容，从而执行广泛的任务。因此，大语言模型能够处理许多传统判别式AI方法难以应对的任务。

AI正处于从狭义人工智能迈向通用人工智能（AGI）的过渡阶段，大语言模型作为转变的核心，正日益成为驱动人工智能发展新时代的关键要素。凭借参数规模、语义理解、多模态融合与自我进化能力的持续跃升，大语言模型已打破传统判别式AI应用场景割裂的局限，展现出向通用智能逼近的技术潜力。大语言模型的商业化涉及面向企业客户提供模型能力、工具链支持以及训练或调优服务等，同时也包括面向个人用户提供AI生成内容应用服务。通过云端部署与本地化部署等方式，大语言模型厂商帮助企业客户构建在文本生成、语义理解、逻辑推理及多模态交互等方面的智能能力。

随着模型能力的提升以及智能体框架的完善，当前企业正积极尝试AI应用，据麦肯锡数据，2025年企业使用AI的比例正快速上升，全球约88%的企业正积极尝试AI，其中79%的企业开始使用生成式AI。从企业整体层面来看，大多数公司仍处于试验或试点阶段，仅约1/3的公司已开始扩大AI项目的规模化应用。

供给侧技术进步推动算力成本结构性下降，市场空间逐渐打开，随着算力基础设施建设不断推进，底层算力硬件性能不断提升，算法结构不断优化，算力成本的降低将向应用层传导，从而降低企业和开发者使用成本，减轻部署大模型的负担，进而提升下游企业和个人用户的付费意愿。高频次、长上下文的复杂应用场景也将随着成本降低具备经济可行性，以GPT-4 level为例，2025年每百万token成本仅为2024年的1/40，而ML GPU的计算性价比平均每2.1年就增长100%。性能提升和成本下降并行发生，最终导致计算性价比呈指数级上涨，从而推动行业从技术验证期迈入爆发增长期。

在商业化进程方面，中国大语言模型的客户市场仍处于早期阶段。尽管面向消费者的应用逐渐涌现，但用户对大语言模型的付费意愿仍处于较低水平。相比之下，企业级场景是中国大语言模型市场增长的主要驱动因素。企业用户对大语言模型的部署具备明确的需求，在业务运营中采用大语言模型也表现出更高的支付能力与落地效率。因此，当前中国大语言模型的商业化重心集中于机构客户的采用，融入企业业务工作流程，以提升跨职能部门的效率与生产力。据沙利文数据，2024年中国大语言模型市场规模已达到53亿元，其中机构客户贡献47亿元，个人客户贡献6亿元，预计到2030年该市场规模将增至1011亿元，2024年至2030年的复合年增长率为63.5%。机构客户仍将是市场增长的核心驱动力，预计到2030年中国企业级大语言模型市场规模将达到904亿元，2024年至2030年的复合年增长率为63.7%。

随着大语言模型在各个应用场景的逐步渗透，中国人工智能市场规模亦有望快速提升。据沙利文数据，预计至2030年AI将赋能全球至少20%的日常商业决策，为全球80%的消费者主流智能设备提供支持，创造逾20万亿美元的经济影响，中国人工智能市场规模将进一步增至9930亿元。

“百模大战”走向收敛，模型能力仍然是最关键决定因素。全球AI竞赛已经逐渐走过了被称为“百模大战”的野蛮生长期，迈向模型能力和商业化落地的全面竞争，但模型能力本身仍然是最关键的决定因素。目前大模型主要赛道涵盖生产力、娱乐、视觉生成、音频生成和通用2B服务等领域，每个细分领域侧重点略有不同，但能够在这些领域中长期保持自然增长的产品，都是由底层模型智能持续提升驱动的，一个模型智能水平的快速提升，将带来更好的用户体验和用户的自然迁移。因此各AI公司仍然将模型能力视为最关键的变量，模型能力仍然是AI大战最关键的决定因素。2025年以来，全球大模型竞争从以年为单位的代际演进转向以季度甚至月度为周期的竞速时代，模型能力不断提升，迭代不断加速。

中国大语言模型市场竞争激烈，独立大语言模型提供商具备自身优势。中国大语言模型市场的参与者可分为独立提供商和非独立提供商，独立提供商从业务开展初期便具备大语言模型技术原生、大语言模型产品原生以及大语言模型商业模式原生等特点，而非独立提供商通常为涉足AI领域的科技巨头。与非独立提供商相比，独立提供商面临着截然不同的竞争动态。非独立提供商依托其既有的多元化业务线，积累了庞大的用户群体，这有利于其大语言模型产品的推广。然而，若科技巨头所经营的业务线与客户自身业务存在直接竞争关系，企业客户可能不愿选择其提供的大语言模型产品。此外，部分行业的企业客户对进入或可能进入某些科技巨头的影响范围持高度谨慎态度，更倾向于采用独立大语言模型提供商的AI解决方案。

公司优势：智能水平全球顶尖，领跑开源生态

2026年2月，公司发布全新旗舰模型GLM-5，在Coding与Agent能力上取得开源SOTA表现，在真实编程场景的使用体感逼近Claude Opus 4.5，擅长复杂系统工程与长程Agent任务：

1）参数规模扩展：从355B（激活32B）扩展至744B（激活40B），预训练数据从23T提升至28.5T，显著提升了模型的通用智能水平；

2）异步强化学习：构建全新的“Slime”框架，支持更大模型规模及更复杂的强化学习任务，提升强化学习后训练流程效率；提出异步智能体强化学习算法，使模型能够持续从长程交互中学习，充分激发预训练模型的潜力；

3）稀疏注意力机制：首次集成DeepSeek Sparse Attention，在维持长文本效果无损的同时，大幅降低模型部署成本，提升Token Efficiency。

GLM-5在编程能力上实现了对Claude Opus 4.5的对齐，在业内公认的主流基准测试中取得开源模型SOTA分数。在SWE-bench-Verified和Terminal Bench 2.0中分别获得77.8和56.2的开源模型SOTA分数，性能超过Gemini 3 Pro。在内部Claude Code评估集合中，GLM-5在前端、后端、长程任务等编程开发任务上显著超越GLM-4.7（平均增幅超20%），能够以极少的人工干预自主完成Agentic长程规划与执行、后端重构和深度调试等系统工程任务。

GLM-5在Agent能力上实现开源SOTA，在多个评测基准中取得开源第一。在BrowseComp（联网检索与信息理解）、MCP-Atlas（工具调用和多步骤任务执行）和τ²-Bench（复杂多工具场景下的规划和执行）均取得最佳表现。在衡量模型经营能力的Vending Bench 2中，GLM-5获得开源模型第一的表现，展现了出色的长期规划和资源管理能力。

公司基于开源合作、计算基础设施以及多元化行业合作伙伴关系培育了完备的成长生态：

1）开发者：公司广泛开源了自身的模型，截至2025H1，公司的开源模型在全球开发者社区下载超4500万次，同时基于模型创建的开源项目已超1000个。开发者可借此通过模型微调及增量模型训练定制开源模型，使模型满足其特定需求；

2）基础设施：公司致力于实现广泛的算力兼容性，例如基于云的大规模集群、异构高性能服务器及边缘嵌入式加速器，以便模型可以轻松部署在各种算力基础设施上。截至2025H1，公司的模型与全球40多个主要芯片平台兼容。当前GLM-5已完成与华为昇腾、摩尔线程、寒武纪、昆仑芯、海光等国产算力平台的深度推理适配；

3）商业伙伴：凭借公司强大的基座模型、顶级的算力兼容性和全面的开发工具，公司的商业合作伙伴能够迅速将AI能力扩展至多个行业。公司客户包括企业、公共部门实体及个人用户，2022、2023、2024、2025H1，来自五大客户的收入分别占公司总收入的55.4%、61.5%、45.5%及40.0%，来自最大客户的收入分别占总收入的15.4%、14.7%、19.0%及11.0%。

自GLM-4.5发布起至2025年12月，公司在OpenRouter上的token消耗量持续位居全球前十及中国前三，并在GLM-5测试版发布时提升至全球第一。这种稳定表现凸显了GLM的竞争力与市场认可度。2025年9月，根据检索增强生成（RAG）领域的LLM幻觉排行榜，GLM-4.5的幻觉率为全球第二低、中国最低。以2024年收入计，公司是中国最大的独立大语言模型厂商，也是中国第二大大语言模型厂商。在当前国内头部厂商中，多数公司仍难以在同一MaaS平台上同时覆盖语言、代码、图像、视频、音频等全模态能力。公司具备全模态MaaS能力，也是唯一一家将MaaS平台同时用于GUI智能体、手机/网站应用及计算机应用产品的厂商。