文 | 新立場 pro
4 月 8 日，智譜進行了今年第三次漲價。
在 2 月代碼訂閱套餐價格上調 30%，3 月旗艦 API 價格上調 20% 后。昨日，模型聚合平臺 OpenRouter 數據顯示，GLM 系列 API 價格再度上調 10%，配合同日發布的旗艦開源模型 GLM-5.1，調價后其編程場景緩存命中 Token 單價，已接近 Anthropic 旗下 Claude Sonnet 4.6 的水平。截至收盤，智譜股價漲幅 11.49%，報 868 港元，市值 3872 億港元。
與此同時，API 年化收入（ARR）在過去 12 個月內暴漲 60 倍至 17 億元人民幣，Token 調用量在價格累計上調 83% 的背景下逆勢增長 400%。CEO 張鵬對外的表述只有一句話：瓶頸在算力，不在客戶。
在整個中國大模型行業仍以價格戰換市場的語境下，這一反向操作的底層邏輯，被智譜以罕見的坦率寫入了首份財報，并壓縮成一個方程式：AGI 商業價值 = 智能上限 × Token 消耗規模。
對智譜而言，它是一套完整的戰略操作系統，規定了研發投入的優先級、定價策略的方向，以及公司在市場份額與利潤率之間如何取舍。全球范圍內，OpenAI 在安全報告里講敘事，Anthropic 以 " 負責任擴展 " 塑造品牌，谷歌把 AI 經濟學深埋在集團財報之中。從這個意義上說，智譜是全球極少數敢于將自身全部商業邏輯公開量化的 AI 公司。
" 智能上限 "，是智譜認為自己能夠掌控的變量。4 月 8 日發布的 GLM-5.1 在最接近真實軟件開發場景的 SWE-bench Pro 基準上首次超越 Claude Opus 4.6。更引人注目的是其 " 長程任務 " 能力：GLM-5.1 能在單次任務中持續自主工作長達 8 小時，自主規劃、執行、測試，碰壁時切換策略，出錯后自行修復，最終交付工程級成果。
"Token 消耗規模 "，是智譜認為將隨智能上限提升而放大的因變量。以 OpenClaw 為代表的 Agentic 工具鏈在 2026 年初的爆發，驗證了這一邏輯的短期彈性，單次復雜任務涉及數百次工具調用和數千輪內部推理，Token 消耗量是普通對話的數十至數百倍，總調用量由此呈指數而非線性增長。
在紙面上，這套邏輯完美自洽。但商業世界里，方程式的優雅從未等同于勝算。智譜需要回答的命題是：在一個轉換成本趨近于零的 API 市場里，僅憑模型的能力代差，究竟能不能建立起真正的定價權？尤其是當技術的領先窗口不可避免地被壓縮時，這家公司又將如何支撐它龐大的成長預期？
大模型沒有 " 死忠粉 "
理解智譜定價權主張的正確起點，不是看它的模型有多強，而是先理解它所身處的市場，從結構上就不支持傳統意義的定價權。
Oracle 在數據庫領域維持數十年高溢價，依賴的是數百萬行業務邏輯深度嵌入客戶系統后產生的遷移恐懼，以及切換供應商意味著多年工程周期和數億美元整合風險。這類定價權的本質，是隨使用年限遞增、幾乎不可逆的轉換成本積累。
API 經濟從結構上摧毀了這道護城河。更換一個大模型 API 供應商，技術層面通常只需修改接口端點、調整若干參數，工程師可以在一個下午完成遷移測試和驗證。這意味著，在大模型 API 市場，理論上有且只有一種持久的定價權來源，即模型能力代差本身。這是智譜方程式的底層假設，也是它在邏輯上最暴露的地方。
其核心思考便在于價格錨定了用戶對產品價值的心理預期，輕易降價等于主動摧毀這一錨點，令客戶在每次續約談判中永久占據心理優勢。智譜的反向提價，在執行邏輯上與之高度相似。
但這一類比有一個關鍵邊界，Salesforce 的定價能力，最終由 CRM 數據的深度黏性所支撐：銷售歷史、客戶關系、商機記錄隨時間積累在平臺內部，遷移成本隨使用年限增長而增加，而非減少。API 市場的結構恰好相反，技術標準化程度越高，遷移成本越趨近于零。
因此，在大模型的世界里，技術護城河的保質期，往往比初創公司制定一輪戰略規劃的時間還要短。這意味著，智譜此刻握在手里的定價權，更像是一張體驗券，很難形成結構性護城河。
以 GLM-5.1 為例，其在 SWE-bench Pro 上超越 Claude Opus 4.6 是一個標志性節點，它證明了中國開源模型的技術能力已進入全球第一梯隊，但歷史數據表明，這類領先窗口的時間在持續縮短。2023 年 3 月 GPT-4 發布時，其與其他模型之間的能力鴻溝被普遍認為難以在短期內追平。但到 2024 年中，Llama 3、Mistral 等開源模型已在多數主流基準上逼近其水平。這一壓縮周期不足 18 個月。
而企業客戶在購買 API 服務時，優先級序列是什么？從智譜目前的收入結構可以得到一個反直覺的答案。2025 全年，智譜本地化部署（即企業私有化部署）收入達 5.34 億元，占總營收 73.7%，仍是絕對的收入主力。
大量客戶黏性建立在私有化部署產生的集成成本和運維依賴之上，而非純粹的 API 能力代差邏輯。尤其是其本地化部署業務長期積累的政企客戶關系，而這恰恰是傳統意義上的轉換成本邏輯，而非公式中所假設的 " 智能上限 " 邏輯。
事實上，智譜的這場冒險存在著一個堅實的支點：任務復雜度的躍升，可能從根本上改變 API 市場的定價經濟學，從而使 " 能力代差 " 從可替代變為不可替代。
GLM-5.1 所代表的 " 長程任務 " 能力，在單次任務中持續自主工作 8 小時，與此前以分鐘級交互為主的聊天模型之間，是質的差異，而非量的差異。在長程任務場景中，模型的上下文一致性、自我糾錯能力和局部最優逃逸能力之間的差距，會被時間軸放大，一個在短對話中僅有微小差異的模型，在 8 小時連續執行中可能產生結果上的斷崖分化。
這意味著，隨著 Agentic 應用場景的規模化，" 足夠好 " 與 " 最強 " 之間的功能差距，可能從不可感知變為不可接受，此時，能力代差將首次產生真正意義上的轉換成本。
但這一邏輯成立的前提，是 Agentic 場景必須足夠快速、足夠深入地成為主流商業化戰場，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前提成立，它只是在該前提下，提供了一套內部一致的戰略推論。
誰賺到了 Token 最大的流量紅利？
方程式的第二項，從來不是某家廠商單獨的戰場。在這場戰爭中，智譜的位置，比它的基準測試排名所呈現的，要復雜得多。
2026 年初，中國大模型行業的 Token 調用量出現了一次斷層式躍升。OpenRouter 數據顯示，三月初，中國大模型周調用量達到 4.69 萬億 Token，連續兩周超越美國，全球排名前五均為國產模型。驅動這一躍升的，是以 OpenClaw 為代表的 Agentic 編程工具鏈的大規模普及。
Agent 應用與傳統聊天的本質區別在于 Token 消耗邏輯，一次復雜任務涉及數百次工具調用和數千輪推理步驟，單任務消耗量是普通對話的數十至數百倍。總調用量因此由用戶規模的線性增長，切換為任務復雜度驅動的指數膨脹。對模型廠商而言，這既是收入爆發的引擎，也是算力成本急劇攀升的來源。
這一需求突變，重寫了整個行業的供需方程。僅在 2026 年 3 月的一周內，騰訊云、阿里云、百度智能云三大頭部廠商相繼發布調價公告。騰訊云混元系列部分模型漲幅甚至高達 463%，多款此前免費公測的模型同步轉入商用計費。
騰訊管理層在財報電話會上提供了一個精準的機制描述：基礎設施產能早已被預訂一空，超大規模服務商長期以低利潤率運營，當需求回升時整個行業別無選擇，只能提價。結構性的供需失衡，給了所有玩家漲價的空間，也給了智譜一個掩護，讓其主動漲價的決策，在行業整體背景下顯得更為順理成章。
但其財報隨之引出了另一個行業難點，智譜的綜合毛利率從 2024 年的 56.3% 壓縮至 2025 年的 41%。沒有自建基礎設施帶來的規模效應，輕資產模式下的算力成本隨 Token 調用量的增長線性上升。漲價，不只是定價自信的表達，也是維持商業邏輯自洽的必要動作。
這是所有中國獨立大模型公司共同面對的難題。據雷鋒網報道，去年一家頭部獨立大模型廠商曾拖欠華南某云廠商上億元的訓練費，直到后來商業化艱難跑通，才一塊一塊地把賬填平。直到今年，隨著 Agent 與多模態在真實生產場景中生根，獨立廠商們借由海外市場和 B 端落地，才稍稍從捉襟見肘的窒息感中緩過一口氣。
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，為何會走出教科書式的戰略分岔。兩家公司的起點幾乎相同：單位經濟學可盈利，但業務層面資不抵債，競爭壓力主導著支出節奏。
MiniMax 選擇開源分發與全球消費者觸達。在 OpenRouter 榜單上，MiniMax 曾連續五周霸榜，月調用量高達 6.9 萬億 Token，約為智譜 2.7 萬億 Token 的 2.6 倍。最新財報顯示，其研發增速與營收增速的差距首次收窄，平臺規模效應開始顯現。這是平臺邏輯的典型路徑：以低邊際成本換取市場覆蓋率，寄望于規模觸發網絡外部性。
智譜選擇精品邏輯，留守國內企業市場提價，將 Token 消耗鎖定在高復雜度、高可靠性的生產力場景，追求高 ARPU 而非最大調用量。企業級驗證在短期內有據可查，GLM-5 發布后，中國十大互聯網公司中已有九家深度接入 GLM，字節、阿里、騰訊均在列，智譜由此成為大廠智能化轉型的基礎設施角色之一。
商業史上，用極致規模換取網絡效應，或用極致能力賺取 B 端溢價，都曾鋪就過百億美金的坦途。但殘酷之處在于，在同一個爆發的清晨、同一班開往 AGI 的列車上，這兩種截然不同的戰略，注定無法同時成為最后的贏家。分水嶺已經顯現。
在 OpenClaw 調用量榜單上，GLM-5 曾短暫登頂，但更多時間里霸榜的是 Kimi、MiniMax、MiMo、Qwen。Kimi K2.5 曾因性價比優勢被 OpenClaw 設為官方免費主力模型，快速積累調用量；MiniMax 則憑借多模態與基座優化強勢反轉。真正需要智譜 GLM-5.1 那種 "8 小時工程級能力 " 的長程任務，只占極小比例。
AGI 浪潮真正的盛宴，屬于那些愿意在價格競爭中讓利、以模型調用量換生態覆蓋率的廠商。智譜的精品邏輯，意味著它正在系統性地錯過這一輪由普適 Agent 驅動的增量紅利。這是市場的自然篩選，也是智譜主動寫在方程式里的必然。
寫在最后
智譜方程式本身所指向的核心命題，最終仍要回到技術競爭的物理規律。唐杰在 AGI 前沿峰會上的那句話，值得被完整引用：大模型到現在更多的是在拼速度、拼時間，也許我們代碼正確了，也許我們就會在這方面走的更遠一點，但也許失敗以后就半年，半年就沒了。
在大模型賽道，能力迭代的速度已經系統性地快于競爭優勢的固化速度。GLM-5.1 今日在 SWE-bench Pro 上的成績，是一個真實的技術里程碑；六個月后，它將成為歷史注腳，而非持續的競爭護城河。這是一條所有參與者都必須正視的規律，與公司的背景和結構都無關。
智譜 AI 的第一份年度財報，以一個方程式開篇，以一系列開放性問題收尾。一家全年營收僅夠覆蓋三個月研發支出的公司，能否在技術窗口關閉之前，將能力溢價轉化為結構性護城河？能否在算力瓶頸解除之前，將供不應求的稀缺性轉化為長期客戶粘性？能否在下一輪行業價格戰到來之前，完成從 " 最強模型 " 到 " 不可替代系統 " 的躍遷？
它們的答案，將取決于方程式中的哪一項先出現變化：是 " 智能上限 " 的領先窗口在開源競爭中提前關閉，還是 "Token 消耗規模 " 在高階場景的增量，最終無法覆蓋精品定位的規模天花板。
