在AI最热的这几年里，一个特殊的现象是：越靠近“技术底座”的公司，越难讲清自己值多少钱。
海外市场上，一边是OpenAI、Anthropic估值一路抬升，另一边，是全球资本市场开始对“大模型、算力、应用股”做第一轮“讲故事到看兑现”的估值模型调整——从根据预期不断上涨，到按现金流和商业模式重新定价。
在中国，以智谱、Kimi为代表的国产厂商走出了“低成本高性能”的技术路线，让市场意识到AI不必等同于“烧钱换想象”。更重要的是，它们不仅把大模型的使用门槛打下来了，也在全球市场上拿到了越来越多领先的硬指标，在权威榜单上对齐甚至反超海外头部闭源模型。
但与此同时，很多真正做“基座模型”的公司，估值反而不如一部分讲应用故事的创业公司。
尤其是随着被誉为“中国版Open AI”的智谱等基座模型厂商，以及以“多模态AI应用”见长MiniMax为代表的应用模型厂商离上市越来越近，一个迫切需要解决的问题摆在投资人面前：
“模型公司到底是什么生意，究竟应该怎么定价？”
01
中国基座大模型的几条主线：
大厂、应用厂牌与基座模型
如果把中国大模型生态拆开看，主线大致可以分成三类：大厂路线、应用创业公司、和像智谱这样的基座模型公司。
第一条是大厂路线：云、算力与一体化平台。
阿里、百度、腾讯、字节等互联网巨头，普遍选择“云+大模型+生态”的一体化路径：一端承接庞大的云业务和算力基础设施，一端把模型能力嵌入搜索、内容、办公、广告、电商等既有产品矩阵。优势显而易见——资源重、触点多、客户基础扎实。
但这种路径也有结构性约束：
一是节奏相对慢，很多技术决策要为既有业务让路；二是创新激励天然更偏短期业务KPI，而非为一次“豪赌式”的原始创新买单。回头看这轮AI周期，无论是GPT系，还是海外另一家头部闭源模型，率先做出技术范式突破的，基本都是不依附云业务的独立公司，这不是偶然。
第二条是应用创业公司。
这一类以大量AI办公、AI创作、AI陪伴工具为代表，典型做法是：先打爆一个单点产品，用用户增长和现金流反向倒逼底层模型能力迭代。
好处是：路径直观、验证速度快、离收入近。但问题在于，大部分应用，本质上是从基础模型主线上延展出的“过渡产品”。
一旦底层模型能力出现跃迁，过去建立在旧能力之上的应用，很容易被新模型“顺手解决”。用户不用迁移场景，只需要换一个入口——从某个垂直应用，迁到具备更强通用能力的“系统级助手”上即可。
过去中美市场上，已经不止一次出现这样的例子：GPT-4发布后，基于GPT-3.5的Jasper、Character AI等应用快速衰落；Sora推出后，一批文生图创业公司一夜失宠。
这些文案工具、对话陪伴产品，在新一代模型发布后很快失去竞争力，一夜之间从“热门创业”变成“功能被系统自带”。
换句话说，很多应用公司在享受“靠近现金流”的同时，对底层模型的可控性有限，承担着更高的被迭代风险。
第三条，则是最难被理解的基座模型公司。
在国内，这一类公司的特点是：
一端，要拥有原创的大模型架构，直接对标OpenAI、Anthropic这类“基础设施级玩家”，做自研通用模型、API/MaaS（Model as a Service）平台与生态；另一端，又必须真正落在中国的本土场景里，为企业、产业智能化提供可落地、可安全合规的解决方案。
这一轮AI浪潮中率先开启IPO的智谱正属于这一类。在当前中国大模型格局中，智谱是最典型、也最具代表性的基座样本之一。
如果单看融资节奏，智谱是这一轮大模型创业中被资本“选中”的那一小撮：
从天使轮开始，其资本名单里就有高瓴、启明、君联等头部VC，以及美团、阿里、腾讯、小米等互联网巨头；其后，多地国资平台在短时间内密集入股，累计融资已超过百亿元。
02
以智谱为样本：
这类公司的真实业务拼图
资本为什么持续买单？核心在于两点：技术身位和商业路径。
很多人对智谱的第一印象，是“清华系出来做的大模型”。公司成立于2019年6月，脱胎于清华大学计算机系知识工程实验室，核心管理层包括董事长刘德兵、CEO张鹏等具备计算机背景、长期深耕AI赛道的技术专家。
得益于强学术背景和技术底气，智谱选择了一条难走但必要的路——自研GLM体系，坚持全链路自主可控。
GLM与GPT类似，旨在构建通用AGI的基座大模型，也就是L0模型，它们提供的是最核心的“大脑”和“理解能力”。 GLM不仅是中国唯一的自研通用基座模型体系，放眼世界也没几个做起来的。
从早期的GLM-130B，到后来的ChatGLM3系列，再到最新一代GLM-4.5与GLM-4.6，智谱一直坚持在GLM原创架构上做原始创新，细化到预训练框架、数据管线、推理优化等方向。最新一代模型在编程能力、推理能力上，多项公开评测已经能对齐海外头部闭源模型。其中，GLM-4.6在业界公认的基准测试平台LMarena的Code Arena榜单中，与Claude、GPT-5并列全球第一。
但真正被看好的，不只是“做出模型”，而是智谱实际在卖什么业务。把智谱拆开，会发现这是一套比外界印象里“简单”得多的业务拼图。
第一块拼图，是云端的MaaS服务。
在云端，智谱正在搭建一个标准化的“模型服务层”。一端是开源GLM系列模型，为开发者提供高性价比的可自用底座；另一端，是标准API、场景化接口和Coding订阅等可复用产品线，类似于OpenAI与Anthropic的变现方式。
第二块业务拼图，是本地部署：企业级与“主权大模型”项目。
和传统IT项目不一样，智谱卖给大企业和政府的，不是一个个业务系统，而是一整套已经训练好的通用模型能力——部署方式可以是私有化，也可以是混合云，落脚点在金融、能源、制造、城市治理等对智能化要求高、对安全合规要求更高的行业。
这些项目的交付方式正在从“一次**付”往“本地化MaaS”演化。典型例子就是它和张江集团共建的“模力社区-智谱大模型MaaS平台”：园区企业不需要自己搭模型，只要上平台，就可以像用水电一样调用GLM全栈能力、做模型微调、挂接智能体，相当于给一个产业园预装了一层AI基础设施。
如若线性外推，不难发现面向海外政企的“国家大模型”亦呈现这样的趋势：智谱帮助“一带一路”沿线多个国家构建自主可控的AI基础设施：输出的是算法、模型训练能力和数据处理流程。本质上，这不再是简单的软件出口，而是在帮助对方搭建自己的“数字主权大模型”。
智谱的成绩似乎已让OpenAI有了一丝危机感。OpenAI在今年6月的一篇官方博客中提到，智谱正在加快与多个国家政府合作，包括马来西亚、新加坡等地。OpenAI称智谱为“头号竞争对手”。
第三块，是体量不大但战略意义远超收入占比的C 端产品。
C端对智谱来说，更多是模型能力验证与真实反馈的前端窗口，也是品牌与生态入口。在AI应用整体商业化承压的大背景下，智谱选择收缩国内C端的投放与扩张，把精力放在商业路径更清晰的B/G端，同时在2025年下半年抓住了coding的D端爆发机会与海外市场，并与开源影响力、开发者生态相互导流。据公开数据，智谱面向开发者的coding plan（AI编程订阅制）一经上线就受到开发者喜爱，2个月年度经常性收入（ARR）快速破亿。
这三块叠在一起，拼出了一个更接近真实的智谱：它不是“项目制AI公司”，也不是“应用公司”，而是一家真正的自研基座模型公司，智谱负责提升基座模型的能力，开源、MaaS、企业、主权大模型，都是共享其基座能力的一份子——收入结构较为简单，估值逻辑却比想象中更“平台化”。
03
云端放量与估值迁移：
基座模型的商业模式到底在定价什么？
把业务拆开之后，会发现智谱的云端业务其实在悄悄搭一个“从开源到现金流”的飞轮。
第一步，是开源模型吸引开发者。
GLM系列最新模型是9月底发布的GLM-4.6，GLM-4.6的问世将旗舰模型在性能上尽量贴近海外一线，然后智谱选择开源出来。这一步的意义，不在于直接赚钱，而在于把试用门槛打到最低——任何开发者都可以先在本地把模型跑起来，再做“要不要迁到云端”的决策。
第二步，是开发者使用自然导向API调用和订阅。
当一个团队把GLM跑进自己的工作流之后，真正的运维成本和弹性需求，会把它们推向云端API：
自己买卡训练和推理，算出来不一定比公有云更便宜；这里还有一个非常大的变量：速度。平均每两三个月就会有一个性能更强的模型新版本问世。
这时候，用按token计费的API调用最新模型，或者直接买一个像GLM-Coding Plan这样的订阅，就成了确保技术一直处于前沿、兼顾经济效益的选择。
API和订阅对于基座模型厂商的好处在于：一旦用进企业工作流，与业务产生耦合，就会自然形成经常性收入，自然产生粘性。
目前，智谱已是中国最大的独立大模型厂商，按token付费的大模型使用量在今年下半年GLM-4.5模型发布后呈10倍速增长，超200万企业及应用开发者的日均调用量已超过万亿Token。
第三步，是标准化产品提升可预测性。
在裸API之上，智谱往上叠了几层标准化产品：针对程序员的Coding套餐、面向各行业的场景化API包，以及给企业用来搭建智能体的Agent平台。它们的共同点是：离具体业务问题更近，也更标准化，容易按年、按席位去签订合同——这意味着，云端收入里可预测的那一部分，会随着标准化产品越来越多而不断提高。
其中，面向程序员的GLM-Coding Plan以“强能力+高性价比”为卖点，上线两个月付费开发者就超过15万。北美与欧洲市场的头部玩家——云平台Vercel、AI编码工具Windsurf、大模型推理芯片公司Cerebras——都已经公开宣布接入GLM模型，把智谱变成自己产品里的隐形底座。
据悉，海外收入成为今年智谱MaaS业务中增速最快的亮眼板块。在全球软件定价体系里，同样的技术能力，在海外往往能拿到更高的单价、更强的支付意愿，而且以美元计价的收入天然对冲本币波动。对任何一家把模型已经做到极低成本的中国大模型公司而言，能把云端能力卖到海外、融入全球开发者生态，直接决定了海外开发者和企业用户是否能构成“第二曲线”。
有了上面的飞轮逻辑，再看“基座模型的商业模式对估值意味着什么”，就不再停留在抽象层面。
短期看，这类公司在财务结构上往往表现为：云端MaaS和订阅业务撑起相当一部分收入，是估值弹性所在；项目与本地部署增速快、毛利高，是收入与现金流的“压舱石”。
中长期看，关键取决于云端/MaaS占比能否持续抬升，API调用、Coding订阅、海外开发者和企业付费能否持续成为可以被放大的杠杆——估值锚点不再只是收入，而是开发者规模、API调用量、ARR、生态嵌入度等因素。这个的背后，蕴藏着需要长期处于国内第一梯队甚至是全球第一梯队的基座模型能力。
对资本而言，用传统的科技公司框架去看智谱，会天然低估它的长期杠杆；但把它简单类比为一家纯粹的SaaS公司，也会忽略其MaaS生态的泛化和规模效应。
把视角再拉远一点，智谱的估值逻辑，背后其实是一个更大的时代命题。
04
从“星门计划”看，
中国为什么需要国产大模型公司？
2025年，美国启动5000亿美元级的星门计划（Stargate），把超大规模AI算力直接纳入国家级基础设施建设。这件事传递出的信号很直接：AI不再只是某个行业的技术升级，而是国家数字主权的一部分。
在这样的框架下，OpenAI这类公司，也不再只是“卖API的技术公司”，而是美国智能体系对外的载体，就像当年的GPS、TCP/IP、主流芯片架构、移动操作系统一样——既服务商业，也服务国家战略。
对中国来说，问题其实非常朴素：
如果未来十年所有关键行业、关键系统的底层智能能力，都通过别国API调用，我们能接受吗？
答案几乎不言自明。
这意味着，独立的基础模型公司，不是市场“可选项”，而是“战略必要性”——区别只在于，它们是停留在科研-项目层面的小体量玩家，还是长成连接开发者生态、产业生态和主权需求的关键节点。
在这个问题上，智谱已经给出了一个足够有代表性的样本。一方面，它是中国极少数自研通用基座模型体系，并在Coding等关键能力上对齐海外一线模型的公司；另一方面，它不仅把自己的模型能力嵌入全球开发者和企业工作流，还通过主权大模型等形态，延伸到产业和国家级基础设施；再加上API、云端订阅、海外收入这条“第二曲线”，让它有机会在技术公司和平台公司之间，完成一次估值框架的迁移。尤其是，这个被誉为“中国版OpenAI”的公司，在模型能力几乎对齐全球主流性能后，当前市值仅约OpenAI百分之一不到，留下了极有想象力的估值空间。
接下来智谱要做的，是用时间和执行，把“基座模型公司”的强项，变现为更优现金流的好生意。
精彩评论