Asianometry 聽後心得：把最強的模型送出去，智譜拿什麼換回來

目錄

1. 這集在講誰
2. 一個把 GPT 和 BERT 接起來的填空法
3. 一次 150 萬美元的訓練，跑完就送人
4. 同一份成績，ChatGPT 前後兩種價
5. 消費端那場仗，他們打不下去
6. 2025 年那個轉彎：先閉源的那家，開源了前沿模型
7. 錢的那一題：研發是營收的兩倍
8. 一家把產品免費送的公司，我該怎麼算它的帳
9. 它拿了第一名，這個第一名有多重
10. 可以參考的資料
11. 帶得走的一件事

將欲歙之，必固張之；將欲弱之，必固強之；將欲廢之，必固興之；將欲取之，必固與之。

—— 《老子・第三十六章》（春秋）

2026 年 11 月 2 日這集《Asianometry》側寫的是智譜（Z.ai），一家從清華大學實驗室長出來、2019 年成立、2026 年 1 月在香港上市的中國 AI 實驗室，做的是開放權重的 GLM 系列模型。影片把最硬的一題留到最後：智譜的研發支出是營收的兩倍以上，錢多半進了訓練算力，而訓出來的前沿模型免費送出去；股價上市後漲了大約十倍，影片說 6 月巔峰市值 1,700 億美元，製作當時退回約 500 億美元。共同創辦人暨執行長張鵬講的這條路要走得通，前提是它正在做的那件事能接住——營收從客戶本地部署搬到雲端介面。

這集在講誰

智譜的根長在清華大學一個叫知識工程組（KEG）的實驗室，1996 年就在了，早年做語意網與資料處理。2006 年唐杰帶的團隊做出 AMiner，一個跑在單台桌機上的學術研究情報系統，概念接近 Google 學術：用機器學習從雜亂的網頁資料裡抽出電子郵件與研究者資料，拼成一張搜得到的知識圖譜與排名。

這個實驗室有一句口號叫 P2P，Paper to Product，論文要變成產品。2015 年 AMiner 開始靠合作賺錢，對象有微軟、Elsevier、Google、ExxonMobil、IBM，實驗室拿到美金給了團隊很大鼓勵，張鵬開始想把它變成公司。卡的地方在制度：大學裡做出來的東西能不能拿去開公司，要等 2018 年中國教育部發出指引放行，智譜才在 2019 年 6 月成立，清華把 AMiner 轉過去，自己仍是較大股東之一。影片開頭那句類比我很喜歡：如果 DeepSeek 是中國的 OpenAI，那智譜算不算它的 Anthropic。

一個把 GPT 和 BERT 接起來的填空法

2020 年 GPT-3 出來，1,750 億參數。張鵬當時的判斷是範式換了：傳統的自然語言處理要把句子送進一條長管線，標出名詞動詞、拆成樹狀結構，對某些句子有用，但脆、放大不了，而 GPT-3 證明那整套都可以不要。

唐杰 2021 年 3 月那篇論文原本叫《All NLP Tasks Are Generation Tasks》，一年後重投時標題只剩 GLM。GLM 這個框架站在 GPT 和 BERT 中間：GPT 從左到右一個詞一個詞往下猜，BERT 把中間挖空、靠空格前後的上下文把它填回來，GLM 用上下文填空，但填的時候逐個詞生成。張鵬說這條路訓練過程比較穩。

團隊注意到參數過了一千億，模型開始出現沒預期到的理解力，他舉的例子是一道小學題：新生兒的頭是身長的四分之一，寶寶出生時 50 公分，頭有多長。這題沒有陷阱，有意思的是模型怎麼算——它沒有把 50 乘上四分之一，它直接除以四。張鵬把這個當成模型讀懂了題目意圖的訊號。

一次 150 萬美元的訓練，跑完就送人

2021 年 12 月，張鵬和清華 KEG 的研究團隊決定衝下一個大模型。前一年政府支持的悟道 2.0 有 1.75 兆參數，但它是稀疏的混合專家架構，一次查詢只啟動一部分參數，模型並沒有用 1.75 兆在運作。他們這次挑稠密路線，像 GPT-3 那樣每次都動用全部參數，架構簡單、輸出品質穩、部署容易，目標訂得具體：要能在單台 A100 伺服器上跑起來。

2022 年 1 月開訓，一路撞上硬體隨機故障、梯度爆炸、記憶體用量失控。5 月在 96 台 A100 伺服器上啟動最後一次成功的訓練，7 月跑完。算力成本 400 萬人民幣（約 60 萬美元），全部成本 1,000 萬人民幣（約 150 萬美元）。

熬過這些之後，他們把模型開源了。張鵬給的理由很乾：閉源在那個時間點也賺不到錢，而且他們想分享，ChatGPT 之前的空氣就是這樣。

同一份成績，ChatGPT 前後兩種價

2022 年 11 月，史丹佛大學發了一份評測報告，涵蓋 12 家供應商的 30 個知名模型，GLM-130B 是裡面唯一的中國模型，張鵬為這件事驕傲。報告也說它打不過閉源模型，但承認開放模型走到了這一步。

同一段時間張鵬在深圳募資兼談客戶合約，投資人對「我們訓了一個像 GPT-3 的模型」沒什麼反應，其中一位拿經濟不好當理由，直接要求把估值砍半。11 月 30 日 ChatGPT 上線，這件事翻面。模型沒有變，評測結果沒有變，變的是外面的人願意為它付多少。

2022 年 12 月底唐杰辦了一場線上講座，題目是從千億參數模型到 ChatGPT 的反思，上千個清華校友來聽，問資料、問應用、問機器人。公司內部整個農曆年沒放假，趕自己的聊天產品，同時把一個小一號的 ChatGLM-6B 開源出去，讓當時在用 ChatGPT 的中文使用者能伸手摸到一個實際存在的模型。

消費端那場仗，他們打不下去

2023 年中國的模型數量爆開。年初除了智譜只有四五家做到 GPT-3 等級——百度、華為、字節跳動、阿里巴巴的達摩院——而且全都落後 GPT-3.5 一代；接下來幾個月新模型一窩蜂發表，後來被叫做百模大戰，9 月一份券商調查數到 130 多個，還沒算產業垂直版本。那一年成立的公司包括百川智能、李開復的零一萬物、月之暗面（共同創辦人暨執行長楊植麟是唐杰在清華的學生），還有梁文鋒 7 月成立的 DeepSeek，11 月就交出第一個寫程式用的模型。

智譜的消費端產品智譜清言 2023 年 8 月上線，是最早一批，卻沒跑起來。百度文心一言、字節豆包背後有既成通路，豆包後來做到估計 3.24 億月活；清言的高點沒破過 1,100 萬月活。

智譜買過用戶，可是中國消費者對聊天機器人的付費功能不太願意掏錢。影片講得直白：一群學者，性格上不適合在消費端那個八角籠裡打石頭仗。

於是重心壓回企業，壓在 2021 年就提出的「模型即服務」上，雲端介面或本地部署讓客戶挑。張鵬解釋企業端也殺價，但比消費端少，因為客戶要的是能用的東西，看到報價低得離譜會起疑。影片同時提醒這套東西聞起來像上一代 AI 四小龍的系統整合商模式，曠視、商湯當年就是這樣做的，做得不上不下，也傷了投資人對後來掛著「AI 突破」的新創的胃口。

2025 年那個轉彎：先閉源的那家，開源了前沿模型

2025 年開頭兩件事砸下來。先是美國把智譜列入實體清單，理由推測與中國軍方的往來有關，後果是它取得美國來源的軟體工具與產品受限。一週後 DeepSeek R1 引爆市場，一堆人重新想輝達的股價值多少，另一堆人去查什麼叫傑文斯悖論。

R1 改了智譜的方向。張鵬回憶在那之前，大家懷疑混合專家架構到不到得了 GPT-4 等級，DeepSeek 把路走出來了，智譜於是去研究那個模型、做自己的改動，2025 年 7 月 28 日推出第一個混合專家模型 GLM-4.5，而且第一次把前沿模型的權重開出來。

這個反轉我會記下來：2024 年 1 月的 GLM-4 是閉源的，2,000 億參數，名字去掉 Chat 表示它是通用智慧，帶著 Python、網頁瀏覽、生圖這些代理能力，只給開發者客戶走介面用，當時評估約為 GPT-4 的九成，中文任務與對齊更強。一年半後，智譜把最強的模型開出去。

4.5 剛發時大多數人的反應是「哦，又一個中國開源模型」，但品質讓好幾個觀察者意外，48 小時內它上到 Hugging Face 排行第一，接著連美國公司都把它接進自己的產品。張鵬從這裡學到一件事：新模型不需要大型發布會了。之後 GLM-4.6、4.7 都只用一則社群貼文發出去，外界對程式能力的評價不錯，理由多半連著一句「以這個價錢來說」。

錢的那一題：研發是營收的兩倍

營收年增約 100% 到 150%，基期低，2026 年 1 月掛牌，股價隨後漲了大約十倍，6 月市值巔峰 1,700 億美元，比小米或比亞迪都大，超過阿里巴巴的一半。影片說這個價太高，製作當時已退回約 500 億美元；7 月它向機構投資人增發募資，影片判斷不會是最後一次。

支出那邊的難題影片講得直接：研發花的錢超過營收兩倍，大頭是算力，而算出來的東西送人。

影片的收尾就是一個問號——這種高度稀釋的模式能撐多久。

另外，影片 9 月那段同時給了兩個數字：半年營收成長 400% 到 1.4 億美元，以及 ARR 約 16 億美元。這兩個差了十倍以上，影片沒交代口徑差在哪，我也不知道，所以兩個都記下來、標明出處，在搞清楚之前不拿它們做推論。

影片也提到營收模式正從本地部署搬向雲端介面，理由是後者被認為放得大。

一家把產品免費送的公司，我該怎麼算它的帳

看到「開源」「免費送」，估值那套工具會突然沒地方放。我的處理方式是把開源的帳記在通路支出那一欄：智譜花算力訓模型、把權重送出去，換到的是排行榜名次、美國公司把它接進產品、開發者習慣它的介面；這些要變成錢得靠下游——雲端介面的用量、企業合約的續約。

所以我看這類公司會先問營收結構走到哪：本地部署一次一單，雲端介面是用量堆起來的，影片說智譜正在換，換得順不順就是整個故事的主要變數。

第二個問題是時間。研發支出是營收兩倍以上的公司，今天的價格買的是未來某一刻商業模式切換成功。我自己會把失效條件先寫下來：雲端介面營收佔比兩年沒動、或研發對營收的比例沒收斂，那就是故事沒有發生。我做過的反向錯誤是先看股價再去找理由，那次找到的理由寫得漂亮，後來證明是錯的。

它拿了第一名，這個第一名有多重

「某個模型登上排行榜第一」這種新聞我以前會當成大事，這集讓我把它往下壓了一層：排行榜第一是注意力，而「連美國公司都開始在產品裡提供它」講的是替換成本——有人把產品蓋在它上面，要換掉得改程式、重測、重訓團隊。

我讀新聞的順序因此改了：先找有沒有人把它裝進去，再去看分數。

2022 年那份史丹佛評測是同一個道理，上榜讓智譜被看見，卻沒讓投資人改價，直到 ChatGPT 讓所有人親手摸到這東西能幹什麼。

被當零件用也有代價。實體清單那一下砸中的就是零件這一層：你用誰的工具、誰能用你的工具，變成政治問題。

可以參考的資料

• 《Asianometry》2026 年 11 月 2 日影片，智譜（Z.ai）公司側寫；早期沿革多半取自張鵬在張小珺中文播客裡的訪談
• 史丹佛大學 2022 年 11 月那份涵蓋 12 家供應商、30 個模型的評測報告，可以自己核對 GLM-130B 的位置與結論措辭
• 智譜在香港交易所的上市文件與定期揭露，研發支出、營收結構與本地部署對雲端介面的比重要回到這裡看

帶得走的一件事

免費送出去的東西，帳要記在你想換回來的那一欄；送了什麼，就配一句「我想換回什麼、我怎麼知道換到了」。智譜把訓好的前沿模型送出去，換到了名次、生態與被別人裝進產品，而這些還沒變成足以覆蓋研發支出的收入。送出去是一個做得到、也看得到的動作，換回來是另一件要單獨驗的事，兩件事中間那段空白，就是智譜現在的風險所在。

我試過的一個做法：拿一張紙，列出你最近三個月免費給出去的三樣東西——幫同事做掉的那份報表、分享給社團的筆記、答應幫朋友搬的那次家。每一樣寫兩行，第一行寫你想換回來的是什麼（交情、以後有人幫你、被看見），第二行寫你會用什麼跡象判斷換到了。第二行寫不出來的那一樣，我會把它當成純送禮，然後自己決定要不要繼續送。

Markdown 原文

本文為投資方法論的教育性分享，不構成任何個股買賣建議、不提供目標價、不針對當期標的。投資有風險，任何決策請自行判斷或諮詢合格的專業人士。