在人工智能大模型竞赛进入下半场的关键节点，智谱AI交出了一份亮眼的成绩单：其MaaS开放平台注册用户——即智能助手API的开发者用户——已接近700万，相较于7月初增长约200万，其中包含2.3万家企业客户。与此同时，智谱启用了超过5万块国产算力芯片，以应对日益高涨的推理需求。这一系列数据不仅折射出国产大模型在商业化落地上的加速，更揭示了AI基础设施从“拼模型”到“拼效率”的深刻转变。当模型能力逐渐趋同，谁能用更少的算力跑出更多的token，谁就能在下一轮竞争中占据主动。本文将从用户增长、商业化路径、基础设施优化、开发者生态等多个维度，拆解智谱的突围逻辑，并探讨其对整个AI行业的影响。
用户规模爆发式增长，智能助手API生态初现
智谱API用户从年初的不到300万飙升至如今的近700万，短短半年内翻了一倍多，这一增长速度在国产大模型厂商中堪称罕见。更值得关注的是，企业客户数量达到2.3万家，说明智谱的智能助手已经不仅仅停留在个人开发者尝鲜阶段，而是开始渗透到实际业务场景中。以金融、医疗、教育等行业为例，企业通过调用智谱的API，将自然语言理解、代码生成、文档分析等能力嵌入自身产品，实现降本增效。
这种爆发式增长背后，离不开大模型能力的持续迭代。GLM-5系列在推理、代码生成、多轮对话等任务上的表现，已经接近甚至在某些维度上超越了国际主流模型。同时，智谱在定价策略上采取了相对灵活的方式——既有面向小型开发者的免费额度，也有针对高并发场景的弹性计费方案。据估算，按20亿美元ARR计算，每位注册用户（包括免费用户在内）月均贡献约160元人民币，这在国内AI API市场中处于中上水平。
值得注意的是，开发者生态的繁荣并非一蹴而就。智谱从去年开始就大力投入AI工具导航类的社区建设，提供从模型调用、微调部署到应用开发的一站式文档和示例代码。这种“工具化”思维，让开发者能够快速上手，降低了使用门槛。当越来越多的开发者将智谱API集成到自己的科技产品中，网络效应便逐渐显现：用户越多，模型优化的数据就越多，模型能力就越强，从而吸引更多用户。
ARR增速惊人，商业化路径日趋清晰
智谱的年度经常性收入（ARR）今年增长了15倍，这一数字在AI创业公司中极为罕见。更值得玩味的是，在Kimi和阿里新模型相继发布后，智谱的ARR增速并未受到明显冲击。有投资人透露，智谱ARR已接近20亿美元（约合135亿元人民币），但官方否认了这一数字，接近公司的人士表示实际数字更高。
这意味着智谱的商业化并非依赖单一爆款应用，而是构建了一个多元化的收入结构。其API调用费主要来自三大场景：一是内容生成与对话（如客服、营销文案），二是代码开发与调试（ZCode等产品），三是行业定制化解决方案（如金融风控、医疗辅助诊断）。其中，代码相关场景的增长尤为迅猛——对标GitHub Copilot的ZCode上线仅1个月，用户就突破百万，这反映出开发者对“AI辅助编程”的强烈需求。
从客户付费意愿来看，企业客户的平均客单价远高于个人开发者。2.3万家企业客户中，有不少是来自金融、互联网、制造业的头部企业，它们将智谱的智能助手嵌入核心业务流程，对稳定性和响应速度要求极高。针对这类客户，智谱提供了专属的私有化部署方案和SLA保障，这也成为其高ARR的核心支撑。
不过，商业化道路并非一帆风顺。7月31日，智谱长期限售的Coding Plan在大幅涨价后重新开放购买，引发了一些中小开发者的争议。这反映出智谱在平衡“规模化”与“盈利”之间正在做艰难抉择。企业数字化转型的浪潮下，AI工具的价格弹性仍是一个需要持续观察的变量。
国产算力芯片大规模部署，Infra效率成决胜关键
智谱已经启用了超过5万块国产算力芯片，这在国内AI公司中属于第一梯队。此前市场传闻称，智谱已建成规模达1GW的国产AI算力基础设施。这一布局的意义不仅在于“自主可控”，更在于通过大规模分布式训练和推理，将算力成本降到极致。
过去，智谱被认为在Infra（基础设施）层面缺乏经验，但GLM-5带来的先发优势，让公司过去半年飞速弥补了Infra效率的短板。一位投资人指出，Infra层优化将是未来一两年AI投资的重要主题：当模型能力趋同后，谁能“用同样的卡跑出更多token”，谁的账就更好看。这种效率提升，哪怕只有1%，在万卡规模的集群中节省的电费和维护成本都是“天文数字”。
智谱的做法是：将国产芯片的异构计算能力与自研的调度系统深度结合。不同于英伟达CUDA生态的成熟，国产芯片在驱动、算子库、通信库等方面仍有差距。智谱通过自研的大模型训练框架，针对不同芯片的架构特点进行算子优化，同时采用混合精度训练、梯度压缩、异步流水线等最新科技手段，将芯片利用率提升到接近国际主流水平。
这一趋势也直接影响了人才市场。Infra方向的工程师薪资在过去一年飙升，尤其是熟悉国产芯片底层优化的人才更为稀缺。智谱通过内部培养和外部引进，组建了一支数百人的Infra团队，其核心成员来自头部互联网公司和芯片厂商。
智谱GLM-5先发优势，模型能力与基础设施双轮驱动
在模型层面，GLM-5是智谱的核心武器。相比上一代，GLM-5在长文本理解、多轮对话、代码生成等任务上实现了显著提升，尤其在中文场景下展现出对复杂语义的精准把握。这种先发优势，让智谱在2024年上半年吸引了大量从其他平台迁移过来的开发者。
然而，模型能力的“护城河”正在被侵蚀。随着Meta Llama、阿里千问、百度文心等开源或闭源模型的快速迭代，模型之间的差距正在缩小。智谱的应对策略是“模型+Infra”双轮驱动：一方面持续迭代GLM-5的能力，另一方面通过Infra优化降低推理成本，从而在价格上保持竞争力。
具体来说，智谱在推理阶段采用了动态批处理、KV缓存压缩、模型量化等技术，使得单次API调用的成本比去年下降了约40%。对于高频调用场景（如智能客服、实时翻译），成本优势尤为明显。这种“以算力换性能”的思路，与许多云厂商的AI基础设施策略不谋而合。
此外，智谱还推出了AI画图等视觉生成能力，将文本理解和图像生成融合在一起。例如，用户可以通过自然语言描述生成产品设计图，或者将文档中的表格自动转化为图表。这种多模态能力，进一步拓展了智能助手在不同场景下的应用边界。
从API到开发者工具：ZCode如何撬动百万开发者
ZCode是智谱对标GitHub Copilot的代码生成产品，上线仅1个月用户突破百万。这一速度远超预期，说明开发者对AI辅助编程的需求非常旺盛。ZCode的核心优势在于：它深度理解中文编程语境，支持Python、Java、JavaScript、C++等主流语言，且能根据上下文生成完整的函数或模块，而不仅仅是代码补全。
与Copilot相比，ZCode的定价更具灵活性——既有按Token计费的API模式，也有按月订阅的桌面端产品。对于个人开发者，免费额度足够日常使用；对于企业团队，则可以购买高并发套餐。更重要的是，ZCode与智谱的AI工具导航生态深度打通，开发者可以在同一个平台上完成从代码生成、测试、调试到部署的全流程。
ZCode的爆发式增长，也带动了智谱整体API的调用量。许多开发者原本只是来试用ZCode，结果发现智谱的文本生成、翻译、摘要等API同样好用，于是开始全面迁移。这种“以点带面”的获客策略，比单纯打广告效率高得多。
当然，ZCode也面临挑战。一方面，文生图等创意工具与代码生成属于不同领域，如何将两者有机结合，形成协同效应，是智谱需要思考的问题。另一方面，随着百度文心一言、阿里通义千问等竞品也推出代码能力，竞争将更加激烈。但智谱凭借先发优势和Infra效率，在国产大模型厂商中仍占据有利位置。
未来展望：AI基础设施投资的新范式
从智谱的案例中，可以清晰看到AI基础设施投资正在发生范式转移。过去，投资人关注的是模型参数量、评测榜单分数；现在，更多人开始关注“每token成本”、“算力利用率”、“模型服务SLA”等工程指标。这种转变意味着，AI行业正在从“实验室创新”走向“规模化工程”。
对于创业者而言，这意味着单纯训练一个更强的模型已经不够，必须同时具备底层基础设施优化能力。而对于云服务商和芯片厂商，这意味着机会窗口正在打开——谁能提供更高效的AI计算方案，谁就能在千亿级市场中分得一杯羹。
智谱的下一步，很可能是将Infra能力对外输出，通过AI工具导航和AI工具箱等平台，让更多企业能够像使用水电一样使用AI算力。届时，智能助手将从“锦上添花”的工具，变成“雪中送炭”的基础设施。
回顾整个AI发展史，每一次基础设施的升级都会催生一批新应用。智谱的5万块国产芯片，或许就是这个新时代的“算力基石”。而我们每个人，都正在见证这一轮最新科技浪潮如何重塑整个产业格局。