智谱上半年营收增近四倍，称已实现10万卡级国产芯片规模化低成本推理

智谱今年收入已超去年全年。

8月31日，智谱（02513.HK）披露2026年上半年财务业绩，报告显示，2026年上半年公司实现营业收入9.54亿元，同比增长399.7%，收入规模超过去年全年；毛利2.52亿元，同比增长163.7%；归母净亏损20.7亿元，同比收窄12.1%。基本每股亏损4.67元。

截至8月末，智谱按月度收入年化计算的ARR（年度经常性收入）达16亿美元，若按周度数据年化口径则超过20亿美元。MaaS平台token调用量较年初增长超40倍，其中Coding Plan调用量增长23倍；与此同时API平均定价提升101%。

半年报显示，集团毛利率由截至2025年6月30日止六个月的50%减少至截至6月30日止六个月的26.4%，主要由于收入结构转变所致，云端部署占比急速扩大，该类业务尚在爆发初期，毛利率尚在爬坡，结构性摊薄整体毛利率。但云端业务自身毛利率已由去年同期的负数转为正数，并快速提升，报告期内，集团毛利实现逾1.6倍的增长，反映收入结构变化已形成正向毛利贡献。

盈利端同样出现拐点：开放平台及API业务毛利率由去年同期的-0.4%提升至24.6%，实现转正。上半年公司研发投入21.31亿元，期内亏损20.7亿元，同比收窄12.1%；经调整净亏损19.64亿元，亏损率显著改善。智谱方面表示，业务毛利润已初步覆盖管理及销售费用，并开始反哺研发投入。

截至公告日期，MaaS平台付费日活用户数较年初增长603%，前十大用户日均调用量较年初增长98倍；平台Token调用量较年初增长超过40倍。与此同时，API平均售价较年初提升约101%，显示收入增长并非单纯依赖价格下调换取规模。

谈技术

对于AGI的商业价值，在财报后的电话会议中，智谱董事长刘德兵提出，AGI商业价值=智能上界×Token消耗规模——智能上界决定模型可处理的任务边界与单位Token价值密度，Token消耗规模反映智能应用的广度与深度；任务边界每提升一级，对应的市场空间就放大一个量级。

刘德兵认为，大模型分为五个阶段：分别是Chat、Coding、Agent、Co-work、Autonomous AI。在他看来，这不是并列的产品线，而是一条必须按顺序跨越的阶梯，每个阶段都有明确的技术门槛：Chat交付一次性问答，Coding交付可运行代码，Agent交付完成的多步任务链，Co-work交付可被专业人士复核的专业成果，Autonomous AI交付持续自主运行的系统。

报告期内，公司的发展重心处于第二级Coding向第四级Co-work过渡的区间，已在网络安全、法律、金融、教育等领域开展场景验证，其中网络安全领域进展最快。数据显示，公司模型在CyberGym上取得84.5%的成绩，在ExploitGym上完成130项任务，均处于全球第一梯队。

刘德兵表示，上半年的核心突破，是第一次证明了模型不再只是工具，而是具备独立完成一件事的能力；收入结构的切换，本质上是模型能力提升后自然解锁的商业结果。

智谱创始人唐杰在会上系统拆解智谱的技术迭代逻辑。他表示，Scaling是通向更高智能的关键路径，但简单扩大参数规模并非Scaling的本质。智谱理解的Scaling包含四个核心维度：基座参数规模、模型有效深度、训练深度、任务环境，四个要素的边际收益随行业阶段动态变化。

2026年以来，智谱陆续推出GLM-5.0至5.3系列模型，全部基于同一基座打造，同时大幅加码后训练与任务环境建设。唐杰透露，GLM-5.3在同架构、同总参数、同激活参数的条件下，仅通过后训练升级就实现端到端任务完成率提升超50%，训练任务也从传统编程题目扩展至真实专家级完整工作流。“这验证了训练深度是当前阶段边际收益最大的变量。”

过去约11个月内，GLM系列模型完成6次迭代，智能指数从32提升至60，单任务成本稳定在0.2美元档。其中定位普惠路线的GLM-5.3Flash采用全新架构，总参数320B、激活参数18B，混合稀疏注意力与线性注意力，推理成本仅为GLM-5.2的十分之一，基准测试与实际应用表现均优于前代。

该模型以匿名身份“Ox-Alpha”登陆OpenCode与OpenRouter平台接受真实流量检验，上线首日即冲至OpenRouter调用量榜首，刷新单日Token用量纪录；6天调用总量超62万亿，带动平台整体调用量提升超20%。

谈算力

针对市场关注的算力规划问题，唐杰提出“有效算力”概念：“不能简单用有多少张卡来衡量算力能力，真正重要的是有多少算力能够稳定调度、长期运行，最终转化为模型迭代速度与可计费Token。”

唐杰介绍，公司算力资源来源多元化，覆盖自有集群、算力租赁与服务采购，用途则贯穿预训练、中训练、后训练与生产推理，今年上半年最大的结构性突破，是推理侧不再依赖海外高端GPU作为唯一规模化路径。通过收购基础设施公司、自研推理引擎与全栈算法优化，公司已实现10万卡级国产芯片的规模化低成本推理。

GLM-5.3 Flash正是首款在超大规模真实流量中全面采用国产芯片集群提供服务的模型，62万亿Token的调用峰值完全由国产算力承载，验证了国产芯片的稳定性与经济性。数据显示，经自研引擎优化后，相同国产硬件上的端到端服务性能提升3倍，单位Token推理成本较年初下降80%。

唐杰透露，智谱已引入“基础设施Agent”，由模型自主修正国产芯片上的推理优化，算子开发周期缩短一半，“模型优化系统、系统承载模型”的正向闭环首次跑通，这也是公司算力乘数大幅提升的核心支撑。

针对Coding能力的价值与迁移路径，唐杰表示，Coding不仅是高增长产品线，更是AGI能力跃迁的关键技术卡点。代码任务具备可自动验证、反馈闭环清晰的特点，能够规模化锤炼模型的长程规划、工具调用、错误恢复与自我修正能力，这些底层能力具备极强的跨场景迁移性。

唐杰表示，公司选择迁移场景遵循三大标准：任务智力门槛、可验证性、经济价值密度。目前网络安全是验证最清晰的领域，法律、金融、教育等方向仍处于早期探索阶段。

出海方面，唐杰透露，智谱自2025年启动出海业务，早期以主权大模型本地化项目为主，当前已转向API服务输出。GLM系列模型在“智能-成本”的帕累托最优上实现精准卡位，目前正积极推进与海外CSP平台的合作，计划通过开源模型本地托管、收入分成等模式拓展市场，预计1-2个月内公布具体进展。

谈下阶段方向

面向下一阶段，刘德兵提出四大核心战略方向，围绕“让模型承载完整业务流程”的目标持续推进：第一，从长程任务向自治系统演进。当前模型已能处理数小时级工程任务，下一步将向数天级完整交互演进，核心突破长周期目标一致性、多Agent分工协作、错误自动修复与过程可审计性，推动模型从辅助工作走向承担完整业务流程。

第二，Scaling持续推进，下一代基座已启动。Scaling仍是通向更高智能的主路径，但内涵从单一参数规模转向四要素组合。GLM-5.3验证了训练深度的价值，下一阶段增长将回归基座规模。下一代基座模型训练已正式启动，方向包括更大的有效参数规模、更长的原生上下文、原生多模态统一建模。第三，实现Fully Self Training（完全自训练）。推动训练系统的递归式自我改进：数据层面通过模型对弈生成合成数据，突破人类标注上限；环境层面由智能体自动生成与验证任务环境；基础设施层面由模型自主优化推理系统。最终形成模型参与自身改进的闭环，实现自进化。第四，能力与治理同步升级。模型能力越强，越需要外部独立评估。公司坚持开源开放与安全治理同步，通过权限控制、过程监督、第三方风险评估、漏洞披露等机制，实现高敏感能力的受控开放。

唐杰认为，下一代模型将同步优化推理架构，通过新技术用更小的激活参数实现更深的推理，控制推理延迟与成本；并将伦理与社会治理能力内嵌到模型设计中，“下一代模型我们已经提前启动推理优化，有信心推出第一天就能让大家满量用上，不会做一个大而无用的模型。”

针对市场热议的模型层商品化风险，刘德兵回应称，单点SOTA确实无法形成长期定价权，但公司通过四大维度构建持续壁垒：一是更快的模型迭代速度；二是从静态题库转向真实长程任务完成率；三是切入高价值任务，客户付费逻辑从Token转向任务结果；四是深度嵌入客户工作流，形成迁移成本。上半年API均价提升101%同时调用量高增，验证了用户为能力付费的意愿。

针对“侧重后训练、参数规模克制”的质疑，唐杰回应称，这是主动的战略选择。当前国内高质量训练数据约30-50万亿Token，依据ScalingLaw，盲目扩参的边际收益有限。智谱的策略是“把每个基座的能量放大到最大”，例如年初训练的7450亿参数基座，通过三代后训练迭代充分释放价值；同时同步推进推理优化，确保模型低成本可用，支撑大规模商业化。

刘德兵认为，“先有能力，再有生意”是智谱始终遵循的底层逻辑，收入的每一次快速增长都发生在模型能力提升、新任务场景解锁之后。上半年收入结构的反转与量价齐升，已经验证这一逻辑；接下来公司将继续推进技术迭代与场景拓展，在更大用户规模、商业规模与全球影响力层面持续验证AGI的商业价值。

截至8月31日收盘，智谱收涨9.63%，报收1195港元。