文 | 新立場(chǎng)pro

4月8日，智譜進(jìn)行了今年第三次漲價(jià)。

在2月代碼訂閱套餐價(jià)格上調(diào)30%，3月旗艦API價(jià)格上調(diào)20%后。昨日，模型聚合平臺(tái)OpenRouter數(shù)據(jù)顯示，GLM系列API價(jià)格再度上調(diào)10%，配合同日發(fā)布的旗艦開(kāi)源模型GLM-5.1，調(diào)價(jià)后其編程場(chǎng)景緩存命中Token單價(jià)，已接近Anthropic旗下Claude Sonnet 4.6的水平。截至收盤，智譜股價(jià)漲幅11.49%，報(bào)868港元，市值3872億港元。

與此同時(shí)，API年化收入（ARR）在過(guò)去12個(gè)月內(nèi)暴漲60倍至17億元人民幣，Token調(diào)用量在價(jià)格累計(jì)上調(diào)83%的背景下逆勢(shì)增長(zhǎng)400%。CEO張鵬對(duì)外的表述只有一句話：瓶頸在算力，不在客戶。

在整個(gè)中國(guó)大模型行業(yè)仍以價(jià)格戰(zhàn)換市場(chǎng)的語(yǔ)境下，這一反向操作的底層邏輯，被智譜以罕見(jiàn)的坦率寫入了首份財(cái)報(bào)，并壓縮成一個(gè)方程式：AGI商業(yè)價(jià)值 = 智能上限 × Token消耗規(guī)模。

對(duì)智譜而言，它是一套完整的戰(zhàn)略操作系統(tǒng)，規(guī)定了研發(fā)投入的優(yōu)先級(jí)、定價(jià)策略的方向，以及公司在市場(chǎng)份額與利潤(rùn)率之間如何取舍。全球范圍內(nèi)，OpenAI在安全報(bào)告里講敘事，Anthropic以“負(fù)責(zé)任擴(kuò)展”塑造品牌，谷歌把AI經(jīng)濟(jì)學(xué)深埋在集團(tuán)財(cái)報(bào)之中。從這個(gè)意義上說(shuō)，智譜是全球極少數(shù)敢于將自身全部商業(yè)邏輯公開(kāi)量化的AI公司。

“智能上限”，是智譜認(rèn)為自己能夠掌控的變量。4月8日發(fā)布的GLM-5.1在最接近真實(shí)軟件開(kāi)發(fā)場(chǎng)景的SWE-bench Pro基準(zhǔn)上首次超越Claude Opus 4.6。更引人注目的是其“長(zhǎng)程任務(wù)”能力：GLM-5.1能在單次任務(wù)中持續(xù)自主工作長(zhǎng)達(dá)8小時(shí)，自主規(guī)劃、執(zhí)行、測(cè)試，碰壁時(shí)切換策略，出錯(cuò)后自行修復(fù)，最終交付工程級(jí)成果。

“Token消耗規(guī)?！?，是智譜認(rèn)為將隨智能上限提升而放大的因變量。以O(shè)penClaw為代表的Agentic工具鏈在2026年初的爆發(fā)，驗(yàn)證了這一邏輯的短期彈性，單次復(fù)雜任務(wù)涉及數(shù)百次工具調(diào)用和數(shù)千輪內(nèi)部推理，Token消耗量是普通對(duì)話的數(shù)十至數(shù)百倍，總調(diào)用量由此呈指數(shù)而非線性增長(zhǎng)。

在紙面上，這套邏輯完美自洽。但商業(yè)世界里，方程式的優(yōu)雅從未等同于勝算。智譜需要回答的命題是：在一個(gè)轉(zhuǎn)換成本趨近于零的API市場(chǎng)里，僅憑模型的能力代差，究竟能不能建立起真正的定價(jià)權(quán)？尤其是當(dāng)技術(shù)的領(lǐng)先窗口不可避免地被壓縮時(shí)，這家公司又將如何支撐它龐大的成長(zhǎng)預(yù)期？

大模型沒(méi)有“死忠粉”

理解智譜定價(jià)權(quán)主張的正確起點(diǎn)，不是看它的模型有多強(qiáng)，而是先理解它所身處的市場(chǎng)，從結(jié)構(gòu)上就不支持傳統(tǒng)意義的定價(jià)權(quán)。

Oracle在數(shù)據(jù)庫(kù)領(lǐng)域維持?jǐn)?shù)十年高溢價(jià)，依賴的是數(shù)百萬(wàn)行業(yè)務(wù)邏輯深度嵌入客戶系統(tǒng)后產(chǎn)生的遷移恐懼，以及切換供應(yīng)商意味著多年工程周期和數(shù)億美元整合風(fēng)險(xiǎn)。這類定價(jià)權(quán)的本質(zhì)，是隨使用年限遞增、幾乎不可逆的轉(zhuǎn)換成本積累。

API經(jīng)濟(jì)從結(jié)構(gòu)上摧毀了這道護(hù)城河。更換一個(gè)大模型API供應(yīng)商，技術(shù)層面通常只需修改接口端點(diǎn)、調(diào)整若干參數(shù)，工程師可以在一個(gè)下午完成遷移測(cè)試和驗(yàn)證。這意味著，在大模型API市場(chǎng)，理論上有且只有一種持久的定價(jià)權(quán)來(lái)源，即模型能力代差本身。這是智譜方程式的底層假設(shè)，也是它在邏輯上最暴露的地方。

從價(jià)格戰(zhàn)最高降幅90%到API價(jià)格累計(jì)上調(diào)83%，智譜在單一財(cái)年內(nèi)完成了一次令市場(chǎng)困惑的定價(jià)逆轉(zhuǎn)。歷史上有一個(gè)可資參照的案例，2001年互聯(lián)網(wǎng)泡沫破滅后，Salesforce是少數(shù)堅(jiān)持訂閱定價(jià)、拒絕跟隨競(jìng)爭(zhēng)對(duì)手降價(jià)的SaaS公司之一。最終，其客戶留存率和凈收入留存率（NRR）反而高于妥協(xié)者。

其核心思考便在于價(jià)格錨定了用戶對(duì)產(chǎn)品價(jià)值的心理預(yù)期，輕易降價(jià)等于主動(dòng)摧毀這一錨點(diǎn)，令客戶在每次續(xù)約談判中永久占據(jù)心理優(yōu)勢(shì)。智譜的反向提價(jià)，在執(zhí)行邏輯上與之高度相似。

但這一類比有一個(gè)關(guān)鍵邊界，Salesforce的定價(jià)能力，最終由CRM數(shù)據(jù)的深度黏性所支撐：銷售歷史、客戶關(guān)系、商機(jī)記錄隨時(shí)間積累在平臺(tái)內(nèi)部，遷移成本隨使用年限增長(zhǎng)而增加，而非減少。API市場(chǎng)的結(jié)構(gòu)恰好相反，技術(shù)標(biāo)準(zhǔn)化程度越高，遷移成本越趨近于零。

因此，在大模型的世界里，技術(shù)護(hù)城河的保質(zhì)期，往往比初創(chuàng)公司制定一輪戰(zhàn)略規(guī)劃的時(shí)間還要短。這意味著，智譜此刻握在手里的定價(jià)權(quán)，更像是一張?bào)w驗(yàn)券，很難形成結(jié)構(gòu)性護(hù)城河。

以GLM-5.1為例，其在SWE-bench Pro上超越Claude Opus 4.6是一個(gè)標(biāo)志性節(jié)點(diǎn)，它證明了中國(guó)開(kāi)源模型的技術(shù)能力已進(jìn)入全球第一梯隊(duì)，但歷史數(shù)據(jù)表明，這類領(lǐng)先窗口的時(shí)間在持續(xù)縮短。2023年3月GPT-4發(fā)布時(shí)，其與其他模型之間的能力鴻溝被普遍認(rèn)為難以在短期內(nèi)追平。但到2024年中，Llama 3、Mistral等開(kāi)源模型已在多數(shù)主流基準(zhǔn)上逼近其水平。這一壓縮周期不足18個(gè)月。

以中國(guó)開(kāi)源生態(tài)的迭代密度，壓縮速度只會(huì)更快。DeepSeek、Qwen的迭代節(jié)奏，以及今天的GLM-5.1本身，都是這一趨勢(shì)的組成部分。這意味著，任何單一廠商基于基準(zhǔn)測(cè)試領(lǐng)先所建立的定價(jià)權(quán)，其有效窗口期可能以季度而非年度來(lái)計(jì)量。

而企業(yè)客戶在購(gòu)買API服務(wù)時(shí)，優(yōu)先級(jí)序列是什么？從智譜目前的收入結(jié)構(gòu)可以得到一個(gè)反直覺(jué)的答案。2025全年，智譜本地化部署（即企業(yè)私有化部署）收入達(dá)5.34億元，占總營(yíng)收73.7%，仍是絕對(duì)的收入主力。

大量客戶黏性建立在私有化部署產(chǎn)生的集成成本和運(yùn)維依賴之上，而非純粹的API能力代差邏輯。尤其是其本地化部署業(yè)務(wù)長(zhǎng)期積累的政企客戶關(guān)系，而這恰恰是傳統(tǒng)意義上的轉(zhuǎn)換成本邏輯，而非公式中所假設(shè)的“智能上限”邏輯。

事實(shí)上，智譜的這場(chǎng)冒險(xiǎn)存在著一個(gè)堅(jiān)實(shí)的支點(diǎn)：任務(wù)復(fù)雜度的躍升，可能從根本上改變API市場(chǎng)的定價(jià)經(jīng)濟(jì)學(xué)，從而使“能力代差”從可替代變?yōu)椴豢商娲?/p>

GLM-5.1所代表的“長(zhǎng)程任務(wù)”能力，在單次任務(wù)中持續(xù)自主工作8小時(shí)，與此前以分鐘級(jí)交互為主的聊天模型之間，是質(zhì)的差異，而非量的差異。在長(zhǎng)程任務(wù)場(chǎng)景中，模型的上下文一致性、自我糾錯(cuò)能力和局部最優(yōu)逃逸能力之間的差距，會(huì)被時(shí)間軸放大，一個(gè)在短對(duì)話中僅有微小差異的模型，在8小時(shí)連續(xù)執(zhí)行中可能產(chǎn)生結(jié)果上的斷崖分化。

這意味著，隨著Agentic應(yīng)用場(chǎng)景的規(guī)?；白銐蚝谩迸c“最強(qiáng)”之間的功能差距，可能從不可感知變?yōu)椴豢山邮埽藭r(shí)，能力代差將首次產(chǎn)生真正意義上的轉(zhuǎn)換成本。

但這一邏輯成立的前提，是Agentic場(chǎng)景必須足夠快速、足夠深入地成為主流商業(yè)化戰(zhàn)場(chǎng)，而這也是智譜方程式的核心賭注。

方程式本身并不能證明這個(gè)前提成立，它只是在該前提下，提供了一套內(nèi)部一致的戰(zhàn)略推論。

誰(shuí)賺到了Token最大的流量紅利？

方程式的第二項(xiàng)，從來(lái)不是某家廠商單獨(dú)的戰(zhàn)場(chǎng)。在這場(chǎng)戰(zhàn)爭(zhēng)中，智譜的位置，比它的基準(zhǔn)測(cè)試排名所呈現(xiàn)的，要復(fù)雜得多。

2026年初，中國(guó)大模型行業(yè)的Token調(diào)用量出現(xiàn)了一次斷層式躍升。OpenRouter數(shù)據(jù)顯示，三月初，中國(guó)大模型周調(diào)用量達(dá)到4.69萬(wàn)億Token，連續(xù)兩周超越美國(guó)，全球排名前五均為國(guó)產(chǎn)模型。驅(qū)動(dòng)這一躍升的，是以O(shè)penClaw為代表的Agentic編程工具鏈的大規(guī)模普及。

Agent應(yīng)用與傳統(tǒng)聊天的本質(zhì)區(qū)別在于Token消耗邏輯，一次復(fù)雜任務(wù)涉及數(shù)百次工具調(diào)用和數(shù)千輪推理步驟，單任務(wù)消耗量是普通對(duì)話的數(shù)十至數(shù)百倍。總調(diào)用量因此由用戶規(guī)模的線性增長(zhǎng)，切換為任務(wù)復(fù)雜度驅(qū)動(dòng)的指數(shù)膨脹。對(duì)模型廠商而言，這既是收入爆發(fā)的引擎，也是算力成本急劇攀升的來(lái)源。

這一需求突變，重寫了整個(gè)行業(yè)的供需方程。僅在2026年3月的一周內(nèi)，騰訊云、阿里云、百度智能云三大頭部廠商相繼發(fā)布調(diào)價(jià)公告。騰訊云混元系列部分模型漲幅甚至高達(dá)463%，多款此前免費(fèi)公測(cè)的模型同步轉(zhuǎn)入商用計(jì)費(fèi)。

騰訊管理層在財(cái)報(bào)電話會(huì)上提供了一個(gè)精準(zhǔn)的機(jī)制描述：基礎(chǔ)設(shè)施產(chǎn)能早已被預(yù)訂一空，超大規(guī)模服務(wù)商長(zhǎng)期以低利潤(rùn)率運(yùn)營(yíng)，當(dāng)需求回升時(shí)整個(gè)行業(yè)別無(wú)選擇，只能提價(jià)。結(jié)構(gòu)性的供需失衡，給了所有玩家漲價(jià)的空間，也給了智譜一個(gè)掩護(hù)，讓其主動(dòng)漲價(jià)的決策，在行業(yè)整體背景下顯得更為順理成章。

但其財(cái)報(bào)隨之引出了另一個(gè)行業(yè)難點(diǎn)，智譜的綜合毛利率從2024年的56.3%壓縮至2025年的41%。沒(méi)有自建基礎(chǔ)設(shè)施帶來(lái)的規(guī)模效應(yīng)，輕資產(chǎn)模式下的算力成本隨Token調(diào)用量的增長(zhǎng)線性上升。漲價(jià)，不只是定價(jià)自信的表達(dá)，也是維持商業(yè)邏輯自洽的必要?jiǎng)幼鳌?/strong>

這是所有中國(guó)獨(dú)立大模型公司共同面對(duì)的難題。據(jù)雷鋒網(wǎng)報(bào)道，去年一家頭部獨(dú)立大模型廠商曾拖欠華南某云廠商上億元的訓(xùn)練費(fèi)，直到后來(lái)商業(yè)化艱難跑通，才一塊一塊地把賬填平。直到今年，隨著Agent與多模態(tài)在真實(shí)生產(chǎn)場(chǎng)景中生根，獨(dú)立廠商們借由海外市場(chǎng)和B端落地，才稍稍從捉襟見(jiàn)肘的窒息感中緩過(guò)一口氣。

理解了這種底層的資源焦慮，才能看清智譜與同期赴港上市的MiniMax，為何會(huì)走出教科書式的戰(zhàn)略分岔。兩家公司的起點(diǎn)幾乎相同：?jiǎn)挝唤?jīng)濟(jì)學(xué)可盈利，但業(yè)務(wù)層面資不抵債，競(jìng)爭(zhēng)壓力主導(dǎo)著支出節(jié)奏。

MiniMax選擇開(kāi)源分發(fā)與全球消費(fèi)者觸達(dá)。在OpenRouter榜單上，MiniMax曾連續(xù)五周霸榜，月調(diào)用量高達(dá)6.9萬(wàn)億Token，約為智譜2.7萬(wàn)億Token的2.6倍。最新財(cái)報(bào)顯示，其研發(fā)增速與營(yíng)收增速的差距首次收窄，平臺(tái)規(guī)模效應(yīng)開(kāi)始顯現(xiàn)。這是平臺(tái)邏輯的典型路徑：以低邊際成本換取市場(chǎng)覆蓋率，寄望于規(guī)模觸發(fā)網(wǎng)絡(luò)外部性。

智譜選擇精品邏輯，留守國(guó)內(nèi)企業(yè)市場(chǎng)提價(jià)，將Token消耗鎖定在高復(fù)雜度、高可靠性的生產(chǎn)力場(chǎng)景，追求高ARPU而非最大調(diào)用量。企業(yè)級(jí)驗(yàn)證在短期內(nèi)有據(jù)可查，GLM-5發(fā)布后，中國(guó)十大互聯(lián)網(wǎng)公司中已有九家深度接入GLM，字節(jié)、阿里、騰訊均在列，智譜由此成為大廠智能化轉(zhuǎn)型的基礎(chǔ)設(shè)施角色之一。

商業(yè)史上，用極致規(guī)模換取網(wǎng)絡(luò)效應(yīng)，或用極致能力賺取B端溢價(jià)，都曾鋪就過(guò)百億美金的坦途。但殘酷之處在于，在同一個(gè)爆發(fā)的清晨、同一班開(kāi)往AGI的列車上，這兩種截然不同的戰(zhàn)略，注定無(wú)法同時(shí)成為最后的贏家。分水嶺已經(jīng)顯現(xiàn)。

在OpenClaw調(diào)用量榜單上，GLM-5曾短暫登頂，但更多時(shí)間里霸榜的是Kimi、MiniMax、MiMo、Qwen。Kimi K2.5曾因性價(jià)比優(yōu)勢(shì)被OpenClaw設(shè)為官方免費(fèi)主力模型，快速積累調(diào)用量；MiniMax則憑借多模態(tài)與基座優(yōu)化強(qiáng)勢(shì)反轉(zhuǎn)。真正需要智譜GLM-5.1那種“8小時(shí)工程級(jí)能力”的長(zhǎng)程任務(wù)，只占極小比例。

根本原因在于，Agent工具鏈的調(diào)用量分布，遵循類似于互聯(lián)網(wǎng)流量的冪律結(jié)構(gòu)，絕大多數(shù)調(diào)用來(lái)自輕量級(jí)、高頻的日常自動(dòng)化請(qǐng)求，工程級(jí)的長(zhǎng)程任務(wù)只占極小比例。這恰好是智譜的弱勢(shì)場(chǎng)景，高定價(jià)在規(guī)模競(jìng)爭(zhēng)中構(gòu)成結(jié)構(gòu)性阻力，而精品定位的用戶群體，其調(diào)用量天花板遠(yuǎn)低于大眾化工具的日活規(guī)模。

AGI浪潮真正的盛宴，屬于那些愿意在價(jià)格競(jìng)爭(zhēng)中讓利、以模型調(diào)用量換生態(tài)覆蓋率的廠商。智譜的精品邏輯，意味著它正在系統(tǒng)性地錯(cuò)過(guò)這一輪由普適Agent驅(qū)動(dòng)的增量紅利。這是市場(chǎng)的自然篩選，也是智譜主動(dòng)寫在方程式里的必然。

智譜方程式本身所指向的核心命題，最終仍要回到技術(shù)競(jìng)爭(zhēng)的物理規(guī)律。唐杰在AGI前沿峰會(huì)上的那句話，值得被完整引用：大模型到現(xiàn)在更多的是在拼速度、拼時(shí)間，也許我們代碼正確了，也許我們就會(huì)在這方面走的更遠(yuǎn)一點(diǎn)，但也許失敗以后就半年，半年就沒(méi)了。

在大模型賽道，能力迭代的速度已經(jīng)系統(tǒng)性地快于競(jìng)爭(zhēng)優(yōu)勢(shì)的固化速度。GLM-5.1今日在SWE-bench Pro上的成績(jī)，是一個(gè)真實(shí)的技術(shù)里程碑；六個(gè)月后，它將成為歷史注腳，而非持續(xù)的競(jìng)爭(zhēng)護(hù)城河。這是一條所有參與者都必須正視的規(guī)律，與公司的背景和結(jié)構(gòu)都無(wú)關(guān)。

智譜AI的第一份年度財(cái)報(bào)，以一個(gè)方程式開(kāi)篇，以一系列開(kāi)放性問(wèn)題收尾。一家全年?duì)I收僅夠覆蓋三個(gè)月研發(fā)支出的公司，能否在技術(shù)窗口關(guān)閉之前，將能力溢價(jià)轉(zhuǎn)化為結(jié)構(gòu)性護(hù)城河？能否在算力瓶頸解除之前，將供不應(yīng)求的稀缺性轉(zhuǎn)化為長(zhǎng)期客戶粘性？能否在下一輪行業(yè)價(jià)格戰(zhàn)到來(lái)之前，完成從“最強(qiáng)模型”到“不可替代系統(tǒng)”的躍遷？

它們的答案，將取決于方程式中的哪一項(xiàng)先出現(xiàn)變化：是“智能上限”的領(lǐng)先窗口在開(kāi)源競(jìng)爭(zhēng)中提前關(guān)閉，還是“Token消耗規(guī)?！痹诟唠A場(chǎng)景的增量，最終無(wú)法覆蓋精品定位的規(guī)模天花板。