大模型行业的竞争已经进入下半场——当基础模型的参数竞赛逐渐触顶，商业化的落地能力成为检验一家AI公司成色的关键标尺。智谱近日交出的2026财年上半年成绩单，恰恰印证了这一趋势：营收同比增长399.7%，净亏损收窄12.1%，同时研发投入持续加大。在资本冷静、市场挑剔的当下，这份财报释放出怎样的信号？我们试图穿透数字，看看这家中国头部大模型公司正在发生怎样的深层变化。
爆发式增长的背后：收入结构完成历史性切换
财报中最引人注目的数字并非399.7%的营收增速，而是收入结构的彻底重塑。数据显示，2026财年上半年，智谱开放平台及API业务收入占比从去年同期的15.2%飙升至86.5%，同比增长超过27倍。这意味着公司已从过去依赖项目制或本地化部署的商业模式，全面转向以云端API调用为核心的标准化服务。
这个转变有多重要？它直接决定了公司的规模天花板和资本效率。本地化部署往往伴随着高交付成本、长回款周期和低边际收益，而云端API业务具备典型的软件即服务特征——边际成本趋近于零，客户粘性更强，且能够随着调用量增长形成网络效应。
值得注意的是，MaaS平台用户数已突破740万，较年初增长144%；付费日活用户增长603%，前十名用户的日均调用量增长98倍。这些数据表明，客户正在从“试用”走向“生产”，从偶发调用走向高频依赖。当企业客户把核心业务流程托付给一个大模型平台时，迁移成本会形成天然护城河。
当然，我们必须理性看待增速基数。去年同期收入规模较小，因此399.7%的同比增幅一定程度上存在低基数效应。但考虑到当前AI行业整体投融资和采购预算趋于理性，这一增速仍大幅超出市场预期，至少说明智谱的产品在真实市场中找到了付费场景。
亏损收窄12.1%：规模效应与算力效率的胜利
市场往往用亏损数字来评判一家AI公司的健康度。表面上看，归母净利润-20.71亿元仍是一笔巨大的亏损，但关键在于同比收窄12.1%，且经调整净亏损率同比收窄了3.5倍。这是一个信号：模型训练和推理的成本正在被快速摊薄。
智谱财报中披露了一个颇具洞察力的指标——算力投入产出效率：每投入1元算力对应的开放平台及API收入，较去年同期提升约14倍。这一数据直接回应了外界对“大模型是否只是烧钱游戏”的质疑。当收入增速远超算力成本增速时，规模效应开始自我强化，模型的自我造血能力逐渐显现。
研发开支21.31亿元，同比增长33.6%，这个增速低于收入增速，说明研发杠杆正在发挥作用。智谱没有选择无限投入去堆砌更大参数，而是将资源向深度训练、任务场景优化方向倾斜。这种策略调整，反映出中国AI公司正在从“追赶参数规模”切换至“追求商业化效率”的阶段。
不过也要看到，毛利率26.4%虽较去年有所改善，但相比海外主流云厂商50%以上的毛利率仍有差距。对于智谱而言，随着云端业务占比继续扩大，如何进一步提升模型推理效率、降低单位token成本，将是毛利率改善的关键。而这一切，本质上都依赖于底层AI Agent技术的成熟和工程化能力的提升。
从单任务到完整业务：AI Agent正在重塑交付逻辑
智谱在财报中提出了一个值得关注的战略方向：推动模型从完成单任务向承接完整业务进化。这背后其实是当前AI Agent技术领域最热门的范式转变——从简单的问答、生成，走向具备规划、工具调用、自我纠错能力的智能体。
传统大模型交付的是“答案”，而未来的大模型交付的是“结果”。例如，当你让AI帮你订一张机票，单任务模型只能生成一个查询指令；而Agent模型会自己打开浏览器、对比不同平台价格、完成支付、输出行程单。这一进化的难点在于稳定性和可靠性——任何一环出错都可能导致全链路失败。
智谱提到的“Fully Self Training”技术路线，就是让模型在已有环境中自我迭代进化。这意味着模型可以根据用户行为的反馈不断修正自身策略，而不是每次升级都依赖人工标注的SFT数据。这一方向如果跑通，将大幅缩短模型迭代周期，提升训练阶段的效率提升。
从商业角度看，Agent化的产品能够从“按次调用收费”升级为“按任务完成收费”，客单价和客户价值都会得到质的飞跃。这也是为什么无论是OpenAI还是国内厂商，都在强调“端到端任务交付”的原因。智谱在这个节点提出这一战略，显然是希望在下半场的Agent竞争中抢占先机。
当然，Agent场景的规模化落地还面临着幻觉率控制、多步推理的误差累计、以及企业现有IT系统的适配等问题。但我们可以看到，大模型训练技术本身也在不断反哺Agent能力的提升——长上下文理解让模型能处理更复杂的指令链，强化学习让模型在试错中学会更优的行动策略。
云端业务毛利率转正：企业服务市场的分水岭
财报中一个容易被忽略的细节是“云端业务毛利率由负转正”。毛利的正负转换往往是一家SaaS或云服务公司的生死线——它意味着每多服务一个客户，公司的边际利润为正，而非越卖越亏。
从行业环境看，企业客户对大模型的采购态度已经发生明显变化。早在两年前，很多企业采购AI产品是出于“技术秀”心态，买回去之后未必真正接入生产流程。但现在，随着企业数字化转型进入深水区，客户要求的是可量化的投入产出比——能节省多少人力、提升多少产能、降低多少错误率。这恰恰是智谱这类平台型公司的新机会。
智谱的收入结构中，开放平台及API业务收入占比提升至86.5%，这一比例已经接近纯正的云计算商业模式。不过，这也意味着公司需要持续投入构建生态——包括开发者社区的维护、行业解决方案的沉淀、以及渠道伙伴的拓展。用户数从试用转向付费，再到大规模生产调用，这中间的粘性需要依靠持续的模型更新和服务稳定性来维持。
特别值得一提的还有AI编码与网络安全方向。智谱财报中称这两个领域已实现阶段性突破。在AI编码辅助领域，模型可以直接嵌入开发者的IDE环境，根据代码上下文自动补全或生成函数；在网络安全领域，AI可以用来分析威胁情报、自动生成防御策略。这些场景的共同特点是：需求明确、ROI易于衡量、客户付费意愿强，和大模型的能力边界高度契合。
可以说，云端毛利率转正不只是智谱一家公司的好消息，它对整个中国AI产业都有象征意义。它证明了大模型在中国的商业化道路是走得通的，关键不在于技术参数本身的领先，而在于能否找到足够多的垂直场景，用AI技术让客户的实际业务获得效率提升。
研发投入持续加大：底座的厚度决定未来的高度
人工智能是一场没有终点的马拉松。虽然当前资本市场对AI公司的盈利要求越来越严苛，但智谱依然选择在亏损状态下加码研发。这看似矛盾，实则深思熟虑——在行业技术迭代如此之快的阶段，削减研发投入无异于自动退出牌桌。
21.31亿元的研发支出，同比增长33.6%，主要投向GLM系列模型的迭代。从大模型全球竞争格局来看，中美之间的技术差距仍在，但已经从前几年的“代际差距”缩小为“版本差距”。智谱的GLM系列模型在中文理解、数学推理、代码生成等维度已经达到世界一流水平，这背后必然离不开持续的资金投入。
需要注意的是，研发投入的转化效率也在提升。单纯堆参数的时代已经过去，现在的竞争焦点是训练方法的创新——例如如何用更小的激活参数达到相同的智能水平，如何在合成数据中进行课程学习，以及如何减少对齐过程中的性能损失。这些技术问题直接关系到未来的模型成本结构和推理速度，也决定了AI产品能否覆盖更广的客群。
与此同时，智谱也在积极布局“AI基础设施化”。其MaaS平台不仅提供模型调用，还向开发者提供微调工具、RAG框架、Agent编排等配套服务。这种一站式的AI工具箱生态，能够降低开发者的接入门槛，帮助更多的中小企业把AI能力集成到自身产品中。当生态的飞轮转动起来之后，平台的价值就不只是模型本身，而是整个开发者生态的繁荣程度。
从财务模型上看，研发投入的回报周期正在缩短。智谱今年上半年收入9.54亿元，虽然距离覆盖研发支出还有很大差距，但增速远超研发增速。如果这种剪刀差能够延续，那么公司在未来两三年内接近盈亏平衡并不是一个遥不可及的目标。当然，这高度依赖于宏观经济的恢复和企业端IT预算的扩张速度，存在不确定性，但方向是明确的。
未来展望：从规模扩张到智能自进化
智谱财报中的“未来展望”部分透露出一个清晰的战略转向：不再追求模型参数的线性增长，而是强调“深度训练、任务场景优化”以及“Fully Self Training”。这种转向意味着，大模型的竞争已经从“大力出奇迹”的蛮力阶段，进入精细化的工程雕琢阶段。
Fully Self Training，翻译过来就是“完全自训练”。它描述的是这样一种能力：模型在部署之后，能够根据用户真实反馈自动生成训练数据，并在不依赖人工干预的情况下持续自我优化。如果这个目标能够实现，那么大模型的迭代节奏将从“年”缩短到“周”，这将彻底改变AI行业的研发范式和服务模式。
但这一技术路线的挑战同样显著：自训练容易导致模型产生自我强化偏差，甚至出现能力塌缩。如何设计可靠的验证机制，如何防止模型在错误反馈中反复循环，这些都需要工程上的创新。智谱将其写入财报的战略方向，说明公司已经准备在接下来几个版本中重点攻坚这些难题。
从商业化的角度，智谱的下一个里程碑将是“端到端任务交付”——即客户不再只购买模型能力，而是购买完整的业务结果。举例来说，一个电商客户可能需要AI来自动生成商品详情页、实时回复客服消息、自动优化广告投放策略……所有这些工作整合成一个智能化业务流。这意味着大模型厂商要从“卖水人”变成“淘金教练”，提供的价值将从工具延伸到解决方案。
不过，这种模式对服务能力的要求极高，也容易滑向低毛利的项目制泥潭。如何在标准化的API产品与个性化的任务交付之间找到平衡点，是智谱以及所有中国大模型公司需要长期面对的课题。但至少从上半年的数据来看，智谱的航线没有偏离，而效率提升的主线正在变得越来越清晰。
对于关注AI行业的观察者来说，这份财报的价值不仅在于数字本身，更在于它揭示了大模型商业化的一个可行路径：先以极低门槛的API服务吸引海量开发者，再通过持续优化的模型和工具链提升付费转化，最后以Agent和自动化的形式向更高层级的业务流程渗透。这是一条从工具到平台再到生态的典型演进路径。智谱能否走通这条路，时间会给出答案。