文｜三少爷

2000 年互联网泡沫的顶峰，美光科技的股价逼近 100 美元。后来的故事所有人都知道了——泡沫破裂，美光的股价从山顶自由落体，跌到只剩零头。它再次站上那个价位，是 2024 年。24 年，一个做存储芯片的公司，用掉了整整一代人的时间才让泡沫顶部的投资者回本。

这还是踩在 " 永远缺存储 " 这条行业最稳固的需求曲线上，在 AI 浪潮把存储需求推到历史新高的前提下。

那 " 科技新贵 " 智谱呢？在万亿港元附近进了场的投资者，也躲不开同一个问题：多久能回本？我当然给不了买卖建议，但可以提供几个有用的分析视角，谨供大家思考。

AI Coding，没有永远的领先

2025 年初，智谱做了一个在事后看来无比正确的决定：押注 AI Coding。

" 从 2025 初开始，我们几乎投入全部力量攻关 Coding，历时大半年，细扣每一个代码环境的优化，终于迎来代码基座 GLM-4.5，年底的 GLM-4.7 已经成为效果最好的国产 Coding 模型。" 这段写在智谱官方公众号的话，讲清楚了智谱上市后估值一路飙升的逻辑。

在数字 AI 领域，情感陪伴、搜索和 Coding 是行业一致预期的三个杀手级场景。走到 2026 年中回头看，真正被验证的只有一个—— Coding。情感陪伴的用户黏性始终没有突破 " 尝鲜 " 阶段，搜索被谷歌和百度内嵌大模型做了，最后走通了商业闭环的只有 Coding。

从 Copilot 补全代码到 Agent 自主完成长程任务，AI Coding 每一步都在创造真实的付费需求。在大洋彼岸，Anthropic ARR 的增长曲线让所有人都意识到这是一个 " 产品做得有多好，增长就有多快 " 的赛道。于是，资本屏住了呼吸——然后下意识地问了一句 " 中国的 Anthropic 在哪 "。

今年上半年，智谱恰好站在了这个问题的最佳回答位置上。GLM-4.5 到 4.7 到 5.2 的一路攀升，把 " 国产最强 Coding 模型 " 的标签贴在了自己身上。资本市场用真金白银投了票：智谱市值一度突破万亿港元，相当一部分是押在中国 Anthropic 这个类比上。

不过，Coding 是一个进可攻、退不可守的赛道——一旦赌对了方向并保住了暂时的领先，增长曲线可以陡到 Anthropic 那样的程度；但是，追赶者只需要在下一次模型迭代中拿出更好的代码生成能力，就可以快速打破先发者的防守线。

Kimi K3 就是最近的例子，在 Artificial Analysis 的 Coding 能力评测中，K3 在代码能力上已经全面超出，撕掉了智谱花一年时间建立的 " 国产最强 Coding" 标签。

另外，即便智谱能持续冲刺，保持领先，保住中国 Anthropic 的叙事，其估值也是高得冒烟。可以做个对比，在 Coding 场景爆发与企业级客户深度渗透的双重引擎推动下，Anthropic 的年化收入从 25 年底的 90 亿美金迅猛增长到 4 月的 300 亿美元，7 月突破 600 亿美元，对应 9000 亿美金估值，PS 估值为 15 倍。智谱 26 年 Q1 ARR 为 17 亿元人民币，即便也像 Anthropic 那样三个月内翻番（10 亿美金 ARR 的传闻没有得到过官方确认），按照同样的 PS 倍率，只能支撑起几百亿港元的市值，跟曾经达到过的万亿差了一个半数量级。

当然，买股票买的从来都是未来，而不是现在。只要继续增长几十倍，不就把泡沫压实了嘛。但这在一定程度上建立在 BAT 始终拿不出一个有力的 Coding 大模型的假设之上，这个假设过于赌性坚强了。又或者，把智谱送上万亿 + 市值的不是 Coding，而是 AGI？那，这个叙事的成色到底几何呢？

AGI，落地时间非常关键

智谱要真正撑住万亿市值，要靠比 Coding 更强的叙事：AGI。不过，市场对 AGI 的分歧比 Coding 大得多—— Coding 是已经被验证的赛道，AGI 还是一个争议比共识更多的故事。

2026 年 7 月 11 日，智谱创始人唐杰发了一封题为《巨浪已来》的内部信，宣布启动 " 摸高 " 计划——未来两年战略性投入，直指 AGI 的下一个高地。唐杰在信末的措辞近乎孤注一掷：" 不登顶，就是失败。"

这种决绝本身是引爆投资者信心的最强叙事，志在 AGI 终局的长期主义精神也值得点赞。但 AGI 叙事的麻烦在于，它的定义和落地时间都没有共识。

马斯克 25 年曾经表示 AGI 将在 next year 实现（好熟悉的感觉），Anthropic 掌门人达里奥在 2026 年达沃斯论坛上表示，AGI" 可能在 2026 年或 2027 年出现 "。DeepMind 创始人、诺贝尔奖得主德米斯 · 哈萨比斯给出了一个更长的时间线：AGI 还要 5 到 8 年。而作为达里奥当年在百度的上司，吴恩达说了一句更扎心的话：" 以任何合理的定义来看，AGI 还需要几十年。"

四位大佬给出四种时间表，一方面说明屁股决定脑袋，从不同的动机出发，大佬们可以给 AGI 设定不一样的门槛，另一方面也说明，AGI 叙事支撑大模型公司估值的风险在于，估值高低在很大程度上取决于哪一种声音背后的力量掌握话语权。

且不管 AGI 何时落地吧，它要真正支撑起大模型公司的估值，最终还是要进入千行百业，在医疗、金融、制造、教育这些领域里长出真实的商业价值。这时候，应该追问的是，第二个 Coding 场景在哪里？

或许再也找不到了。在数字 AI 领域，Coding 之所以成为目前唯一一个真正跑通了 AI 商业化的场景（Anthropic 刚刚实现了单季盈利），是因为它恰好集齐了三个条件：丰富的长程数据可供训练、明确的判断标准支撑基于奖励的强化学习（RLVR）、巨大的商业价值。值得一提的是第三个条件，人们之所以认可 Coding 的商业价值，一方面是 AI 时代所有软件都值得重做一遍，遗留代码改造和新功能开发都有着巨大的需求，另一方面，被替代的程序员群体不仅收入高而且人数庞大，被替代的程序员越多，AI Coding 在降本和增加运营弹性上的效果就越大。面向各类程序员人力成本高企的企业用户，智谱们比黄教主更有底气喊出那句话：The more you buy,the more you save!

放眼望去，没有第二个 Coding 场景了。而且，AGI 要进入制造业、农业、保险业、物流业等各种行业的前提是这些行业要先完成数字化转型，可数字化这个拖了不少年的欠账，也不是那么容易就还清的。

推理基础设施，甚至比模型更关键

Coding 有追兵，AGI 有拦路虎，智谱的价值支撑到底在哪里？这个问题的答案正在逐渐清晰：当头部模型公司能力拉不开差距时，长期竞争力已经不在模型上，而在谁能以更低时延、更多 Token 实现更稳的服务上。对用户，这代表着模型服务能力，对智谱自己，这代表着 Token 生意的毛利。

为了提升服务能力和毛利，智谱最近在 Infra 领域动作频频：建立 1GW 全国产芯片的数据中心，收购算力软件公司中科加禾，评估与国内芯片公司合作开发定制 AI 芯片。

第一个动作针对算力供给。过去智谱与所有大模型公司一样，靠云厂商和第三方服务商获取 GPU 资源。好处是前期投入轻，问题是芯片供应、集群排期、服务价格和扩容速度始终在外部平台手里。1GW 数据中心投运，自建数据中心解决的是 " 稳定的算力资源从哪里来 " ——连算力都不在自己控制范围内，吞吐和时延的优化就没有地基。

第二个动作针对推理能力释放。有了算力，不等于算力能被充分用起来。国产芯片不是插进服务器就能直接承接原本跑在英伟达上的模型，不同厂商的芯片架构、编程环境、算子库各不相同。中科加禾的核心价值就在这里——它的团队曾参与龙芯、寒武纪、华为昇腾等国产芯片的编译器研发，通过虚拟指令集、编译器和 Runtime 为不同硬件提供统一的软件接口。其 SigInfer 推理引擎在测试中可将推理时延最高降低 74 倍、吞吐率提升 3 倍。没有这层软件栈，国产芯片即使摆在那里也跑不了大模型。

第三个动作瞄准的是极致推理效率。当算力供给稳定、推理能力释放充分之后，决定服务指标能不能继续优化的，是芯片架构能不能反过来适配模型负载。智谱正在评估的自研芯片方向指向一个清晰的逻辑：当模型结构和推理负载可以被精确预测时，定制芯片的效率不是通用芯片能比的。

智谱的三层部署志在加强 Infra 优化，改善模型厂商提供服务的四个核心指标：成本、吞吐、时延和稳定性。在各位选手模型能力交替领先的事实下，只要保持不掉队，Infra 就是比模型本身更能决定未来自由现金流的关键，因为大模型跟所有传统软件不同——传统软件增加一个用户的边际成本趋近于零，大模型每次调用都消耗真实的算力和电力。智谱 2025 年收入增长 131.9%，成本增长 213.3%，收入曲线和成本曲线平行上升——不解耦这两条曲线，规模越大亏损越深。

而解耦的办法不只是堆卡。真正的杠杆在系统工程——从编译器层的算子融合、KV Cache 调度，到网络层的 PD 分离拓扑重构，逐层压低每次推理的芯片和带宽消耗。成本、吞吐、时延和稳定性这四个维度的工程能力，才是决定谁能把规模和利润做大的分水岭。

写在最后

前几年有个段子，跟谁有仇就劝他去创业。如今这个段子可以改一改，改成跟谁有仇就劝他去炒科技股。都跟赌博差不太多的。

就拿智谱的万亿市值是被低估了还是被高估了的问题来说，在这里给出的三个要素—— Coding 的领先身位能保持多久，AGI 的叙事能撑起多大估值，Infra 的地基能托起多高的天花板——也不过是从诸多视角里选择了三个，管中窥豹，片面之辞，万万形成不了投资建议。