“AI 浪潮汹涌，智谱全线启航。”2024 年，AI 行业在希望与困境中徘徊，智谱 AI 踏上全面出击之路。但在这一征程中，它究竟面临着怎样的挑战与机遇？其战略布局又将如何影响未来发展？让我们一同深入剖析。

2024年，眼看着就要走到年终了。这一年，对于AI行业而言，无疑是希望与痛苦交织的一年。希望的地方在于，AI又取得了一些实实在在的进展。例如以GPT 4o 为代表的实时语音AI的兴起，以及o1为代表的深度推理类LLM的问世。痛苦的地方在于，在商业化方面（尤其是C端），AI仍未能真正打开局面。可以说，这一年，每个还在坚持的AI企业，都在这两种状态间反复挣扎，OpenAI据传2023年亏损额度将达到50亿美金。而国内的大模型鼻祖智谱AI，也无疑是这种困境下的代表。起初，身为“大模型六小虎”之一的智谱AI，因其创始人张鹏等清华出身的背景，以及在大模型上最早的探索，在国内引领了AGI的发展。经过近几年的残酷历练后，存活下来的智谱AI，开始逐渐自信，采取了“全面出击”的战略，在文本、视频、语音、代码等多个方向上全线出击。在产品层面，AI搜索、AI绘画、AI视频、AutoGLM等等也都有布局；甚至在资本层面，也完成首期15亿资金的生态基金。

智谱目前的产品线

从商业层面来看，这种现象背后，折射出的是中国AI创业公司普遍面临的一个战略困境：在资本和市场的双重压力下，企业不得不在“深耕”和“广拓”之间做出选择。在算力并不充裕的情况下，整个行业是否会陷入“大而不强”的怪圈？智谱AI的转变，恰恰是这种行业普遍现象的一个缩影。

1.全线出击下的疲态

采取“全线出击”策略后，智谱AI变得比之前更好了吗？

至少从最核心的文本大模型来看，这个答案是不确定的。

要知道，在今年年初，智谱AI的 GLM-4，曾经在多项测试中直逼GPT-4，在当时被认为是最有希望追赶上后者的国产大模型之一。

可后来，情况却发生了变化。

到了今年九月份的时候，在国内外通用大模型SuperCLUE基准榜单中，智谱AI的GML-4，已经排到了第10名开外。

到了这时，智谱AI在语言大模型方面，已经泯然众人矣，失去了当初身为“佼佼者”的突出地位。

这样的情况，直到今年10月，其发布了最新的旗舰大模型——GLM-4-Plus，才得到了一定程度的扭转，重回优势地位。

除了文本模型的优势，在多模态方向上，智谱AI的表现，并没有呈现领先的姿态。

以智谱AI的“清言”视频大模型为例，就现阶段而言，其生成的部分画面模糊、粗糙，而且人物或物体的运动轨迹都较为僵硬，与可灵AI等一线视频模型相比，有着很大差距。

同样地，在语音AI方面，虽然今年智谱AI推出了类似GPT-4o那样，可以进行实时进行语音交流的端到端语音AI。

但在实际表现中，该语音大模型，虽然确实做到了“说话流畅”，但在智力水准上，却与文本大模型存在着较大差距。

同样一个问题，在询问GML-4的文本大模型时，得到了较为详尽的回答，而在实时语音状态下，回答得却很简略、敷衍。

虽然在今年10月，智谱AI通过AutoGML，在AGent技术、端侧AI这一领域打了场翻身仗，并一度引得相关概念股暴涨，比OpenAI在这一领域还快了一步。很多人声称AI操控电脑时代要来临，但这一技术要更大的应用场景是AI手机，还需要时间来落地。

AutoGML能执行的8款应用

图片来源于网络

于是，在强敌环伺，自身护城河并不十分牢固的情况下，一个明显的危机，正在逐渐笼罩智谱AI，那就是：

企业越是想通过多元化来降低经营难度，反而可能加大了战略失焦的风险。

但某种程度上说，这样“大而全”的策略，也是当下大模型商业化困境的一种缩影。

在大模型商业化不明朗的当下，缺乏自我造血能力的企业，要想活下来，往往就只有依靠融资。

而要想获得大量融资，企业就只能按照投资人的预期，不断扩大战略版图，在短期内制造繁荣的市场表象。

目前，智谱AI的总估值在30亿美元左右，而OpenAI的估值则在千亿美元级别。在资源有限的情况下，其着实难以做到后者那样“广博而强大。”不过，对于核心竞争力被稀释的危机，智谱AI也不是毫无应对之策。

2.创业公司的生态奇招

智谱AI的第一个策略，看似稀松平常，但却经过了一定的构思。

这个策略，就是开源，而且是“分层开源”。

他们有选择地将模型能力开源，但在此基础上构建了一个商业化闭环：基础层开源获取开发者青睐，MaaS层则通过定制化服务实现收费。

具体来说，在今年6月的开发者大会上，智谱AI发布了自己最新的开源成果 ——GLM-4-9B，性能、功能、多模态能力，还有多语言支持，样样都能打。几乎全面超过了当时的开源王者Llama-3 8B。

此举很快吸引了大批开发者的好评，在开源社区Github上收获了5.2K的Star。

而在MaaS层面，智谱则通过开放平台加持行业垂直生态，加上阶梯折扣权益和送token，吸引了一批B端的客户。

所谓阶梯折扣权益，换言之就是模型用量越多，计费折扣越大，例如B开发者在调用智谱模型的API，获得相应的权益积分，以其最新的旗舰模型GLM-4-Plus为例，每消耗1万 Tokens可获得2积分。

按照积分的不同，智谱将B端用户分成了从V0到V3四个等级，其中V3最高可享6折优惠。

这种策略本质上是在用开源来降低获客成本，同时通过服务差异化来实现商业变现。

更深层次来看，这种策略还暗含着一个商业逻辑：在AI领域，技术优势的保持周期越来越短，与其投入大量资源来维持技术壁垒，不如将精力集中在服务能力和生态构建上。

智谱AI的开源策略，实际上是在用“非技术壁垒化”来换取更快的市场扩张和生态积累。

这样的做法，和Meta的开源策略相似，其核心在于：虽然开源了，但开多少，还是智谱自己说了算。

具体来说，在最强大的旗舰模型GLM-4-Plus方面，智谱仍然保持着闭源，但其却通过开源GLM-4-9B这样能力稍逊，却在开源生态中较有竞争力的模型，获取了开发者的青睐。

如此一来，不断涌入的开发者，丰富和完善了智谱的技术生态，但最核心的技术，仍然被智谱牢牢掌握在手中。

同时，与百川智能、零一万物等开源玩家不同的是：由于创始人张鹏清华出身的背景，智谱AI背可以背靠清华这一学术高地，持续地获得学术界的反馈和改进建议。

例如，早先智谱开源的ChatGLM3模型，就是和清华大学 KEG 实验室联合训练的结果。而其他开源玩家，虽然也在构建开发者社区，但缺乏这种学术资源的深度整合，其开源更多停留在技术层面的共享。

智谱也在收购清华系公司，收购AI情感公司聆心智能，投资无问芯穹、清程极智等AI Infra公司，已在大模型生态投资超13家企业。这样的优势，也是智谱AI在开源方面，更敢于“放手一搏”的原因。

3.商业化落子的成与败

在采取“全线出击”策略后，在智谱AI各个方向的扩张版图中，To C一直不是重点。智谱至今也没有一款类似Kimi一样，出圈的AI产品。

但To B生意也比较考验定力，很多业务落地并不会顺畅，其和某上市咨询公司共建的生态公司，其内部人员表示，在2023年商业化进程中就不如人意。

张鹏曾在一年前预言，针对开发者这类有技术需求，但不是定制化服务的大C小b客户，付费服务应该好做。

这个战略巧妙地利用了开发者群体的“路径依赖”特性。一旦开发者在日常工作中深度依赖了某个编程助手工具，就会形成极强的使用惯性，这种惯性所形成的壁垒，某种程度上比技术壁垒更难突破。

以业界当红的AI代码应用Cursor为例，虽然其没有达到那种高级 / 首席工程师所能达到的水平，但就用户体验来说，Cursor确实让开发者产生了某种“粘性”。

当 Cursor 推出月费模式时，硅谷的开发者们并没有犹豫，反而是兴奋地掏出信用卡。

外媒最新消息，Cursor宣布获得 A 轮 6000 万的融资，其母公司Anysphere 估值达到 25 亿美元，而 Cursor 的订阅收入显著增长，ARR（年化收入） 已接近 5000 万美元。

为什么开发者愿意为Cursor付费？因为在他们的世界里，效率就是生产力。一个能让编码过程更顺畅、更智能的工具，哪怕只能带来10%的效率提升，对他们来说都是值得投资的。

Cursor 从一开始就精准地抓住了这个商业逻辑。他们不是在卖一个软件，而是在卖一种效率的可能性。

而智谱AI推出的免费AI编程助手CodeGeeX，实际上也沿用了类似的逻辑。

通过代码的生成和补全、注释生成、代码翻译等功能，CodeGeeX实现了能够根据自然语言注释生成代码，以及实现多种编程语言之间的互译，包括Python、Go、Java、JavaScript等。

由于这样的便捷性，加之其对个人用户完全免费，目前CodeGeeX的个人用户数量已经超过100万。

这样的积累，实际上帮助智谱AI在市场建立了一个独特的切入点：当开发者在个人工作中习惯使用智谱AI的工具后，自然而然会在企业采购决策中，倾向于选择智谱AI的解决方案。

这是一种典型的“自下而上”的市场渗透策略，比传统的“自上而下”的企业级销售更具可持续性。

这样的战略，与之前提到的开源战略相结合，揭示了智谱的“技术圈养”逻辑。所以这也是智谱在纯粹C端产品上并没有太重视的原因，这些产品的用户、数据、能力等反馈回大模型的路径较长，有些也存在隔断。

CodeGeeX后续实施收费后，市场情况会怎样，能不能成为智谱一个新的营收支点，还不得而知。确定的是，大模型能力输出与产品化营收，智谱都在在努力探索中，尽管由于资源限制，其在很多方向上覆盖的火力并不是最强。结语

回望2024年的AI产业，我们看到的是一个充满矛盾的景象：技术进步与商业化困境并存，创新激情与现实压力交织。

在这样的背景下，智谱AI选择了一条看似冒险实则明智的道路：当技术创新的半衰期越来越短，建立护城河的方式或许需要从“技术壁垒”转向“生态壁垒”。

截至本篇文章完稿时，智谱AI又推出了升级版的视频生成大模型——“新清影”，为其多元化的产品版图再添一砖。

展望未来，AI企业的成功也许不在于成为某个细分领域的“独角兽”，而在于能否构建起一个有机的技术生态系统。

与互联网时代一个个互为孤岛，甚至彼此间互相争抢用户的APP不同，AI技术的发展，现在已经呈现出一种独特的“网络效应”：不同技术方向的突破，会产生意外的协同。在这个系统中，每一个技术突破都不是孤立的，而是能够通过技术迁移和交叉应用，产生倍增效应。

但这并不意味着“全面布局”就一定优于“垂直深耕”。关键在于企业如何在这两种策略间找到平衡点。

从OpenAI的强敌Anthropic最新的实践来看，这种“平衡”可能的形式是：以核心能力为锚，进行有节奏的能力扩展。

从商业角度看，这个问题的答案可能不在技术层面，而在于企业对自身资源和市场定位的准确认知。