Zhipu AI 营收飙升 400%，却掩盖了一场成本高得多的竞赛

Zhipu AI 报告称，其上半年营收同比增长约 400%，但这家中国大模型开发商在研发上的投入仍超过销售额的两倍。这并非一个简单的增长故事，而是一场考验：在基础设施成本和激进竞争对手蚕食收益之前，激增的模型使用量能否转化为可持续的业务。

这家总部位于北京、现以 Z.ai 品牌面向国际市场的公司，在截至 2026 年 6 月 30 日的六个月中实现营收 9.539 亿元人民币，较去年同期增长 399.7%。其开放平台和应用程序编程接口（API）业务收入达到 8.25 亿元人民币，占总营收的 86.5%。

这一转变的重要性超过了醒目的增长百分比。Zhipu 此前高度依赖为企业和公共部门客户定制并本地部署的系统。如今，它正将自己定位为云平台，开发者、软件公司和 AI agents 可以反复调用其模型。

眼下的竞争，一边是这种可扩展的 API 模式，另一边则是 Zhipu 持续为前沿模型研究融资的需求。DeepSeek、Alibaba、Moonshot AI 和 MiniMax 都让这些客户变得更难留住：它们快速发布新模型、展开价格竞争，并给予开发者更多更换供应商的理由。

Zhipu AI 400% 增长背后发生了什么变化

决定性的变化不只是营收增长，而是 Zhipu 将以项目为主的部署业务，转变为以按量计费的模型使用服务作为核心业务。

Zhipu 于 8 月 31 日发布中期业绩，涵盖 2026 年前六个月。这构成了 9 月 1 日新闻周期背后的基础事件。报告期截至 6 月 30 日，因此，后续的使用量和年化营收数据不应与已确认的上半年销售额混为一谈。

公司总营收从约 1.91 亿元人民币增至 9.539 亿元人民币。开放平台和 API 营收增长 2,735.7%，从 2,910 万元人民币增至 8.25 亿元人民币。该类别占营收的比例从一年前的 15.2% 升至 86.5%。

API 营收来自对模型的程序化访问。开发者向托管模型发送文本、代码、图像或其他输入，并根据使用量或相关服务协议付费。这种架构可以扩大规模，而无需向每个客户现场派驻工程团队。

相比之下，Zhipu 的本地部署收入下降 20.5%，至约 1.29 亿元人民币。本地部署通常会将模型及配套基础设施置于客户可控的环境中。它可以满足安全和数据驻留要求，但安装往往需要更多定制化工作，销售周期也更长。

因此，营收结构在一个报告期内发生了显著转变。2025 年，本地部署业务实现营收 5.34 亿元人民币，占全年营收的 73.7%。仅六个月后，云端访问已成为主导业务线。

这是 Zhipu 正从 AI 承包商转型为模型平台的最有力证据。这一区别将影响其增长、利润率、客户集中度，以及投资者如何评估这家公司。

Zhipu 还报告称，毛利润为 2.516 亿元人民币，同比增长 163.7%。不过，26.4% 的毛利率低于上一年数据所反映的水平。营收增长快于毛利润，原因是承接模型调用仍需要承担可观的计算成本。

中期财务业绩也显示了这轮扩张背后的投入规模。研发支出增长 33.6%，至 21.3 亿元人民币。归属于股东的亏损约为 20.7 亿元人民币，经调整净亏损则达到 19.6 亿元人民币。

这些数字构成了本文的核心张力：Zhipu 找到了快得多的销售渠道，但其成本结构尚未将这种采用率转化为能够自我融资的模型业务。

API 需求正在取代定制项目

云端使用为 Zhipu 提供了更可重复的收入来源，但这种可重复性仍需通过多个报告期来验证。

本地 AI 项目往往会带来不均衡的收入。合同金额可能很大，但收入确认取决于交付进度、测试、验收和客户预算。赢得另一位客户，可能还需要再走一遍部署流程。

API 业务则不同。平台一旦建成，数千名开发者都可以调用同一项底层服务。使用量增长可以带来更多收入，而不必为每位客户单独创建实施项目。

Zhipu 表示，截至上半年末，其平台用户已超过 740 万。公司还报告称，自 2026 年初以来，衡量其模型处理文本和代码量的 token 规模已增长逾 40 倍。

Token 是处理模型输入和输出时使用的小型单位。Token 量上升表明活动增加，但并不自动意味着经济效益改善。免费额度、折扣、降价或计算密集型工作负载，都可能在不带来相应毛利润的情况下推高使用量。

公司将增长归因于更新的 GLM 模型、代码需求和基础设施扩张。其 GLM 系列在通用推理、软件开发、agents 和低成本推理等领域展开竞争。

代码业务尤其重要，因为它可以带来频繁且可衡量的调用。一款 AI 编程助手在审查代码仓库、创建文件、测试改动和修复错误时，可能会反复查询模型。这种模式可能比偶发的聊天机器人会话带来更具持续性的消耗。

公司称，其模型已从代码补全迈向 agentic engineering。该术语指的是能够规划并执行多个软件开发步骤的系统，而非仅提出一行代码建议。这一说法应被视为 Zhipu 对其产品方向的描述，而非其在各类生产环境中可靠性的独立证明。

Zhipu 还披露，8 月的年化经常性收入（ARR）为 16 亿美元，高于 7 月初的 10 亿美元。ARR 是将近期营收运行率进行年化处理的指标。它是一项前瞻性的运营指标，并非已经按照财务报告规则确认的收入。

这一区别至关重要。上半年已确认营收覆盖完整的六个月，总计 9.539 亿元人民币；8 月的 ARR 数据则是对更短时期的外推。它可以显示加速增长，但当使用量、产能、定价或促销活动发生变化时，也可能迅速波动。

据一份详细的业务结构分析，管理层表示，8 月 ARR 较 7 月初水平增长 60%。这一增速解释了投资者的兴趣，也使下一个报告期显得更加重要。

市场现在需要看到，API 客户在初期发布和激励措施结束后，是否仍会持续调用这些模型。市场也需要观察，营收增长能否在毛利率不恶化的情况下延续。

这正是为何 400% 的标题数字只是开篇。只有当使用量保持高位、客户群体走向成熟，并且每增加一单位营收所需的投入相对减少时，商业模式转型才会变得可信。

真正的对手是 Zhipu 的成本基础

Zhipu 不只是在与其他实验室竞赛，也是在与训练、托管和改进其创收模型的成本赛跑。

公司 21.3 亿元人民币的研发支出超过其上半年营收的两倍。这笔投入支持模型训练、推理能力、工程和产品开发，也解释了为何快速的营收增长尚未带来盈利。

推理是已部署模型每次响应请求时所执行的计算。供应商必须为每次调用提供处理器、内存、网络、存储和电力。更多使用量会带来更多销售额，但也会增加可变成本。

训练则带来另一重负担。前沿模型在服务客户之前需要大型计算集群。一家公司往往必须在尚不确定模型能否吸引足够付费需求之前，就投入这笔资本。

Zhipu 表示，自 2026 年初以来，其每个生成 token 的成本已降低 80%。公司还称，端到端服务性能提升了三倍，每单位训练和推理能力对应的收入增长了 14 倍。

这些指标令人鼓舞，但它们属于公司自行报告的运营数据。公开财务结果没有提供足够细节，无法复现每项计算，也无法区分工程优化与更高利用率各自带来的改善。

公司正基于中国设计的处理器扩展推理能力。其表示，平台目前运行规模约为 10 万枚国产芯片。这一策略旨在应对美国对先进半导体出口管制所造成的获取限制。

国产硬件可以降低对海外供应限制的暴露，但也可能需要大量优化，因为软件工具、网络系统和模型内核历来主要围绕 Nvidia 生态系统开发。

因此，Zhipu 必须同时解决两个问题：既要拥有足够产能以避免服务瓶颈，也必须让这些产能具备足够的经济性，从而改善毛利率。

第一个问题已在中国 AI 市场中显现。Moonshot AI 在需求超过可用产能后，于 7 月暂时停止接受新的 Kimi 订阅。一份AI 产能报告描述的这一事件表明，一款热门模型可能在数日内就变得难以在运营层面有效服务。

第二个问题则直接体现在 Zhipu 的账目中。毛利润增长远慢于营收，而经调整亏损仍高于销售额。Zhipu 的需求增加了，但尚未证明规模效应会带来有吸引力的单位经济效益。

管理层的效率数据意味着，新基础设施正开始发挥更高效率。真正的财务考验将在这些技术改善反映到毛利率、运营现金需求和相对于营收更小的亏损时到来。

在使用量快速增长时，云模型供应商可以承受高额投资。但它不能假定资本会无限供应，尤其是在客户可以在多个兼容 API 之间迁移工作负载的情况下。

DeepSeek、Alibaba 与 MiniMax 让转换成本维持低位

Zhipu 的 API 转型发生在一个模型忠诚度仍然较弱、每次新发布都可能重置客户预期的市场中。

开发者很少会选择一家模型供应商后便停止评估替代方案。许多应用会根据成本、延迟、模型质量、可用性或数据要求，在不同供应商之间路由提示词。

OpenAI 和 Anthropic 在全球都面临这种行为。在中国，DeepSeek、Alibaba 的 Qwen 模型、ByteDance 的 Doubao 系列、Moonshot 的 Kimi 以及 MiniMax 进一步加剧了这一压力。

DeepSeek 为低成本推理和开放权重分发设立了一个参照点。开放权重模型允许开发者在适用许可条款下下载模型参数，随后运行或修改这些系统，而不必完全依赖原始供应商托管的端点。

阿里巴巴将 Qwen 开发与庞大的云业务结合起来。这种组合为其带来了基础设施、企业客户关系，以及多种打包 AI 服务的方式。ByteDance 则能够将模型开发与巨大的消费者分发能力相连接。

Moonshot 通过大规模发布 Kimi 来吸引对编程、智能体和长上下文工作负载感兴趣的开发者。其算力中断既证明了需求强劲，也凸显了突发采用带来的运营风险。

MiniMax 在中国已上市模型专业公司中提供了最清晰的公开财务对比。该公司表示，2026 年上半年营收增长 283.1%，至 1.166 亿美元，超过其 2025 年全年营收。

MiniMax 将增长归因于付费用户、企业客户、API 调用及其 token 订阅产品。其上半年业绩表明，Zhipu 并非唯一一家将市场对模型的兴趣转化为更快销售增长的公司。

这一比较并不能证明哪家公司拥有最好的技术或商业模式。它们的产品组合、报告货币、客户细分和会计政策各不相同。但这表明，Zhipu 周围的市场扩张速度足以支撑多个增长故事。

这使得留存比单纯的注册总量更重要。开发者可以创建账户、测试模型、用掉促销额度后离开。一个可持续的平台需要承载持续产生付费调用的生产工作负载，即便竞争对手发布新模型后也是如此。

可靠性同样重要。企业买家会评估正常运行时间、高负载下的延迟、安全控制、可审计性、地域可用性和支持服务。基准测试获胜无法弥补关键工作流中接口变慢的问题。

定价仍是另一项压力来源。中国开发者多次下调模型成本或提供折扣访问，以鼓励采用。更低的价格可以扩大整体市场，但也可能阻碍服务商将技术效率转化为更高利润率。

AI token 市场已经带来了双向变化。一些服务商在 token 定价上展开激烈竞争，而云服务运营商则提高了部分计算和存储服务的收费。

Zhipu 处于这些力量之间。其客户期待模型变得更便宜，而支撑这些模型的基础设施则可能变得更昂贵或更难获取。

结果是一个定价权有限的市场。Zhipu 近期的增长为其提供了更多使用数据、客户反馈和用于资助研发的收入。但这并未让公司获得针对下一次 DeepSeek、Qwen、Kimi 或 MiniMax 发布的永久保护。

这些数字仍无法证明什么

一个异常出色的半年期业绩，并不能证明其拥有可持续的经常性收入、强劲利润率或通往盈利的路径。

第一个不确定性在于比较基数。Zhipu 在 2025 年上半年的营收仅约为 1.91 亿元人民币。较小的起点使得 400% 的增长在数学上比成熟云服务商更容易实现。

这并不意味着增长不重要。一年内增加超过 7.6 亿元人民币的营收已相当可观。这意味着应结合绝对营收和公司的支出来评估这一百分比。

第二个不确定性在于 API 收入的质量。已披露的总额并未说明其中有多少来自长期企业工作负载、围绕新模型的短期需求、预付安排或高度集中的客户。

客户集中度可能使增长更难预测。少数大型买家可能产生巨大的 token 用量，随后在另一模型表现更好时重新谈判价格或迁移工作负载。

第三个不确定性是已确认收入与 ARR 之间的关系。Zhipu 的 8 月 ARR 表明其运行速度远快于上半年账目。差异可能反映出 6 月之后的真实加速，但读者不应将按年化计算的 8 月活动视为已经赚取的现金。

不同公司对 ARR 的定义也不同。有些公司根据合同计算该数字，另一些则将近期消耗量年化。基于使用量的业务可能在繁忙月份产生令人瞩目的运行率，但并不保证未来十二个月保持相同规模。

第四个不确定性是盈利能力。26.4% 的毛利率为研发、销售、管理和持续基础设施开发留下的空间有限。Zhipu 的经调整净亏损超过其营收的两倍。

尽管部分指标显示亏损有所收窄，但公司仍依赖外部融资来维持当前的研发计划。核心问题并不是是否存在亏损。前沿模型开发商通常投入巨大。问题在于，当 API 使用规模扩大时，亏损占营收的比例是否会下降。

第五个不确定性涉及资本密集度。管理层将开放平台描述为可扩展业务，但提供模型调用需要实体基础设施。增长可能要求在客户收入到来之前新增芯片和数据中心容量。

如果以一致方式衡量并能够持续，token 成本降低 80% 将有所帮助。然而，当更新的模型使用更多计算资源、客户要求更长上下文，或竞争性定价将效率收益转移给用户时，这一效果可能被抵消。

第六个不确定性是模型领先地位。质量排名变化迅速，没有任何基准测试能覆盖所有生产工作负载。在受控测试中表现良好的编程智能体，在面对私有代码库、不熟悉的系统或不完整指令时，仍可能犯下代价高昂的错误。

有关 Zhipu 业绩的独立报道同样强调了这种双重性：营收快速增长，但公司仍承担大量研发成本和亏损。报道的亏损数据表明，现在就将这种商业模式转型描述为已经完成仍为时过早。

对于企业买家而言，这种不确定性支持一种务实的应对方式：应使用自身任务评估模型质量，追踪总体推理成本，并在可行情况下保持关键工作流的可迁移性。

对于开发者而言，重点不在于选择一个永久赢家，而在于理解快速竞争既能改进模型、降低成本，也会提高定价、容量或产品突然变化的风险。

400% 飙升后值得关注的三个信号

下一阶段将由收入质量、利润率变化，以及 Zhipu 在竞争对手发布新模型后留住工作负载的能力决定。

第一个信号是 Zhipu 下一次披露的已确认 API 收入。投资者应将其与上半年报告的 8.25 亿元人民币进行比较，而非仅依赖 8 月 ARR。

强劲的下半年业绩将表明，这一转型在最初飙升后仍在持续。环比放缓则可能意味着夏季使用量年化捕捉到的是暂时性爆发、受限于容量的时期，或一轮产品发布周期。

这部分收入的构成同样重要。计量式云使用量持续增长将强化平台叙事。若重新依赖本地部署，则说明定制化项目对签下大型合同仍然重要。

第二个信号是毛利率。如果毛利润开始至少与销售额同样快速地增长，营收增长将更具说服力。

利润率改善将表明，利用率、模型优化和国内基础设施正在降低每一笔付费工作负载的成本。利润率持平或下降则说明竞争和算力需求正在吞噬这些收益。

研发支出也应在同一背景下评估。Zhipu 不需要停止投资，但营收最终必须比费用基础增长得更快。否则，该平台仍只是将资本转化为补贴式模型使用量的机制。

第三个信号是下一次主要竞争对手发布后客户的行为。DeepSeek、Qwen、Kimi 和 MiniMax 都已表明，单次模型发布就能迅速吸引开发者。

即便竞争对手发布更强的基准成绩或更低价格，Zhipu 仍需证明现有生产客户会继续使用 GLM 服务。这些发布后 token 使用量保持稳定，将支持这样一种观点：可靠性、工具和集成能够创造有意义的留存。

使用量突然变化则会削弱这一观点。它将表明模型 API 仍然可以相互替代，收入跟随的是短暂的产品周期，而不是持久的平台关系。

这些信号的意义不止于中国。Zhipu 正在检验，一家前沿模型公司能否借助低成本访问、开放模型和国内计算基础设施，建立起规模庞大的托管业务。

其上半年报告提供了可信的需求证据，但并未终结有关经济性的讨论。

这 400% 的增长标志着真实的商业模式变化，而不只是一个宣传里程碑。然而，Zhipu 的亏损、研发账单和拥挤的竞争格局也表明，这种变化仍然代价高昂。

开发者和企业买家应关注，当头条热度消退后会发生什么。已确认的 API 收入能否追上公布的运行率？随着 token 用量增长，毛利率会否改善？下一轮模型周期后，客户是否仍会留下？

这些答案将揭示，Zhipu 是建立了一个经常性云平台，还是进入了同一场资本密集型竞赛的更快版本。公司已经建立了势头。其下一份业绩必须表明，这种势头能够经受竞争，并为其底层基础设施提供资金支持。