巨亏47亿！4000亿智谱用一个商业公式对标Anthropic

事先声明，这不是一篇软文或广告文，只是年报解读。

智谱转新的对标目标

昨晚我参加了两场智谱首次举行的财报沟通会：

一场是面向媒体的，由智谱CEO张鹏和董秘肖磊回答；

另一场则是面向国内外分析师和券商，由智谱董事长刘德兵和董秘肖磊代表管理层回答。

两个多小时听下来，我认为，已经突破4000亿市值的智谱希望对外传递的核心就是：不做中国的OpenAI了，智谱要做“中国版Anthropic”。

而且，智谱的首份财报以一个公式作为开篇：“AGI商业价值=智能上界（上限） x token消耗规模。”

截至目前，没有哪家上市的AI公司能将全部商业逻辑简化成一个公式——8000亿美金估值的OpenAI基本在讨论安全性；Anthropic谈论负责任的规模化和算力影响；谷歌将其AI经济体系隐藏在一个价值3500亿美元的集团内部。

但是智谱，这家由清华大学支持的初创公司，作为全球首家上市的AGI模型公司，却选择了一条截然不同的道路：

智谱团队坦诚地告诉投资者自己的信念，并将未来押注于这一信念的正确性之上。

这个公式蕴含着一个明确的逻辑：模型质量（智能上界）决定定价权；定价权乘以使用Token的规模决定商业价值。

智谱在研发上投入的每一美元、每一次提价、每一位客户，都源于这一逻辑。

“智能上限”是该公司认为可以掌控的变量，而Token消耗量则是其预期会随之而来的变量。

3月31日晚，当公司成立六年后还被媒体问及与字节、阿里这些大厂之间的区别时，智谱CEO张鹏告诉我们：

“智谱在整个这个生态当中，是有自己的独特壁垒的。从技术层面来说，我们聚焦模型能力，目前阶段聚焦Coding和Agentic能力；

另一方面，凭借较早的商业化方式积累了大量生态资源，包括超过400万企业及开发者用户。

这些开发者和企业基于其模型底座、API和Token构建了强大的TAC能力，会逐渐影响更大范围的企业、开发者和用户，增强壁垒。

从竞争角度看，大厂一定会自研，但不一定在所有场景中都能做到有足够的竞争力，这是资源限制所决定的。

而且，大厂本身也是复杂的生态，不会在所有节点上都完全依赖自己，也会接入优秀的技术供应商，保证生态的新鲜血液，避免在任何时间点上失去先机。

在技术快速迭代、模型能力仍占主导地位的阶段，独立大模型厂商具备先天优势，这也是智谱能够立足的核心所在。”

展望下一步，另一场财报会上，刘德兵表示，“在未来的2~3年，智谱开放平台以及API业务会成为收入规模或利润释放的核心载体；而Agent解决方案会是获客或场景验证的重要补充。因此长期来看，两者之间并不是一个替代关系，而是智谱的重心会逐渐向标准化的能力输出倾斜。”

显然，4000亿市值的智谱，已经不再做单纯的模型厂商，也不想和MiniMax等公司一样追逐所谓AI解决方案，而是形成AI上下游的标准产品供应商，并且向Anthropic学习：如何做AI 2.0公司的商业化。

智谱的两个关键时刻与MiniMax的差异性

智谱的历史故事所有人都知道，我就不再赘述。详见智能纪元AGI前文：《智谱三年半融资83亿！预计将与MiniMax争抢全球“AI大模型第一股”》。

我第一次听说智谱AI这家公司，不是GLM模型，而是AMiner——这是张钹院士、唐杰以及清华计算机系多位人士发起的项目。

当时，张钹院士希望发扬他的“可解释性、安全的第三代人工智能”，所以希望将知识驱动与模型驱动相结合，并且要找到真正的应用场景。

“知识就是力量，我们要做知识的生产者，把知识库、知识图谱转化成财富。另外，知识库的本质还是算法与知识，要运用好这两大资源，一是知识，二是研究自动获取知识的算法，这也是我们发展的机会。”张钹当时说。

这个是智谱商业化的起点：用庞大的科研数据、知识图谱和AI技术，寻找商业化。

后来的故事大家都知道了：唐杰从智源出走，全面在智谱整合大模型团队。2023年，智谱的三大销售业务是：AMiner、数字人（黄民烈的聆心智能）、智谱AI MaaS。

因此，在我看来，2025年中之前，智谱其实一直在寻找商业化——做过Chat产品智谱清言、MaaS开放平台、多个AutoGLM Agent智能体产品，曾在内部一度瞄准的目标公司包括DeepSeek、Kimi、字节跳动，以及MiniMax等。

如今，智谱已经找到了商业化路径，也一步一步，最终成为千亿市值的商业帝国。

我曾两次听过唐杰老师的课，受益匪浅。

所以在我看来，有两个关键时刻，形成了如今的智谱：

1、唐杰2022年底从智源出来，拉上清华计算机系顶尖教授和博士生，组建了GLM模型团队，随后在ChatGPT热潮中走到“六小虎”位置；

2、2024年DeepSeek掀起的热潮，让GLM模型团队清晰看到了“用有限算力打造顶尖大模型”的可行技术路径；再加上去年Vibe Coding、今年OpenClaw龙虾热的爆发，共同推动智谱形成了一套成熟的“技术突破 + 商业化落地”双轮驱动模式。

所以本质上来说，智谱其实在一步步检验一个很重要的商业模式：

AI不只是靠卖卡、卖云形成收入，而是要通过顶尖AI模型+可用的商业场景，也可以卖掉AI技术。

这是商汤、旷视们之前CV时代没有做到的事。

3月31日的首年业绩，是对智谱发展的一次早期检验：

• 2025年，智谱营收达到人民币7.24亿元（1.048亿美元），同比增长132%；
• 总亏损扩大至47.2亿元；
• 毛利率则从56.3%下降至41%。

该公司股价自1月份IPO发行以来飙升近六倍，市值一度突破3000亿港元，但在业绩公布前，下跌5.5%，彭博预期营收为人民币7.56亿元。

但是到了4月1日，市场很明显看到了智谱的发展潜力：智谱MaaS商业化全面爆发，MaaS API平台实现ARR约17亿元（约2.5亿美元），同比提升60倍。智谱市值则突破了4000亿大关。

你可以看上面两张图对比：

一张是智谱和MiniMax营收对比，

另一张是智谱、MiniMax和商汤三家港股AI上市公司的亏损对比。

你可以很明显得到一个结论：智谱开始有一些规模性收入，但和MiniMax有一些分叉和交集，毕竟MiniMax以AI原生产品为收入主力，开放平台和企业服务等收入占比近三分之一。

但我认为，智谱如今面临另一个结构性重要挑战：涨价。

2024年底至2025年初，席卷中国AI模型市场的行业价格战中，智谱将其旗舰模型GLM-4-Plus的价格下调了高达90%；

而去年12月，这两家急于在港股上市的智谱和MiniMax，都陷入了同样的结构性陷阱：单客单价盈利，但整体业务仍处于亏损状态，且成本支出与定价空间受行业竞争严重压制。

到了2026年初，形势发生了逆转。智谱将API价格提高了83%，CodingPlan订阅价格提高了30%。即便如此，需求仍然超过了供应。

而这种从价格战到定价权的转变，仅仅一年时间，是这份财报中最显著的信号，也是最不确定的。

张鹏表示，AI的瓶颈在于算力，而非客户数量。

短短三个月之内，智谱和MiniMax的差异已经非常显著：

MiniMax瞄准开源分发和全球消费者覆盖、走向全球，面向消费者，依靠开源软件的普及来推动销量；

而智谱希望坚守国内市场，专注于企业级市场，通过提价和制造技术稀缺性来构建定价权、促进销售；押注于质量，而非销量。

但问题是，AI公司能否仅凭AI模型质量获得持久的定价权。

我在OpenClaw龙虾上似乎体会到了一点点：只有顶尖的Model、众多Skill，才能有更强的Agent能力。

张鹏认为，OpenClaw等新应用形态的诞生，以及设备级原生智能的预期，使得未来API和Token的消耗会呈现指数级增长。“这印证了高质量token是稀缺资源，谁掌握了智能上界，谁就掌握了定价权。”

以智能上界为壁垒，以API为主要产品形态，这是Anthropic和智谱正在兑现的商业路径。

针对这个话题，分析师财报会上，肖磊提到：

从2025年3月-年底，智谱ARR实现接近10倍的增长。2026年龙虾热之前，Coding Plan有24万的用户，随后推出“龙虾套餐”，两天就增加了10多万用户，20天就实现了40万用户的增长。

“所以从我们自己的数据上来看，在价格上调的背景下，我们现在整体的tokens的消耗量，还是用户的增长都保持到快车道上。

背后的本质在于，价格因素并没有构成特别大的阻碍，而（涨价）还是一个需求结构的变化。”

总结

最后做一个总结。

我最近特别喜欢回顾上一轮旷视、商汤带来的“CV热潮”，来不断对比这一轮AI 2.0的商业化发展。

AI1.0热潮是以CV为核心，ToB、ToG业务为商业化驱动力，最后“四小龙”面临的质疑就是：造血能力不足，亏损和坏账规模较大。

但AI 2.0和如今Agent热潮下，“四小龙”变成了行业“老登”，智谱、MiniMax这些新秀脱颖而出，利用Token消耗、Coding开发者群体寻找到了商业化。

然而，遥远的美国AI却处于融资激增状态。

4月1日凌晨，OpenAI宣布完成最新一轮融资，募集资金达1220亿美元，投后估值达8520亿美元。OpenAI称，ChatGPT上线一年内，公司营收就达到了10亿美元。到2024年底，公司实现了每季度10亿美元的营收。如今，月营收已达20亿美元。

简单来说，大洋彼岸已经实现了AI巨兽，泡沫飞起，但国内AI却依然面临算力短缺，还被质疑亏损高。

当然，我对智谱、MiniMax、Kimi、阶跃星辰这些AGI基座模型初创公司保持乐观心态，他们已经从龙虾热当中获得了巨大的收入。

但下一步，“龙虾热”即将退潮，这些企业何去何从，似乎需要进一步观察——而智谱，依然想探索用顶尖闭源模型撬动新的商业力量。

以下是财报当中的预测和判断，来自刘德兵在财报会上的展望：

智谱不是一家传统意义上的软件公司，而是一个以AGI为信仰的原生智能实验室，面向2026年有三个核心判断：

第一，TAC时代很快就会到来，token是新的生产要素，一个人或组织能够调动多大规模的智能资源，用多高质量的拓垦，将想想法转化为可交付经济成果的能力，这将成为最核心的竞争力，人人都需要成为token架构师，智谱的使命就是成为提升全社会TAC的基础设施。当越来越多的人用GLM构建出超越自身单体能力的Agent系统，他们创造的增量经济价值将在每一次token调用中与我们共同分享，这是一个没有理论天花板的市场。

第二，行业范式将持续跃迁，大模型将从对话接口走向LLM OS操作系统，传统的操作系统是硬件资源的调度者，而大模型操作系统是智能的调度者，大模型正在吞噬软件，未来的计算平台将不再是APP堆叠，而是API商店与Agent协同。在LLM OS架构下，模型直接理解模糊意图，拆解长期任务，并调度全栈资源。谁的模型进入系统内核，谁就掌握了下一代计算的定义权。我们致力于将GLM打造为这一自治系统的核心引擎，实现从云端API到设备级原生智能的跨越式升级。

第三，智能输出革命：高质量Token的“全球工厂”。随着OpenClaw等应用驱动的Token消耗进入指数级增长轨道，一场智能输出革命正在发生。首先是推理中心化：凭借超大规模集群的规模效应和极致的推理优化，云端大参数基础模型的效率将进一步提升。其次是高质量Token出海：依托中国在能源、芯片与算法（协同设计）的适配能力，以及IDC运维上的全产业链优势，我们正实现从“中国制造”向“中国智能”的跨越。Token出海不是低价竞争，而是基于GLM-5等顶级智能水平的“高质量、高性价比”输出。我们要向全球提供的，是代表认知智能上限、具备极致性价比的生产要素。

今年OpenClaw的出现，大幅提升了这个浪潮的到来，全球算力紧张的背后是对智能需求的饥渴，我们已经感受到了这股浪潮的力量。

最后，智谱不是一家传统公司，也不打算成为其中之一，智谱的增长来自为用户创造真实创造的价值，把GLM嵌入到核心业务工作与生活中，实现了效率的本质提升。

我们认为，真正的护城河是对自然本质最深刻的理解，以及利用这种理解去造福社会的决心。2025年我们用4次全球开源第一，证明了这一点，2026年我们会用户规模、商业规模或全球影响力继续证明这一切。”

以下是分析师财报会的问答：

中金：目前算力资源是否已成为制约收入增长的核心瓶颈？如果未来算力供给进一步收紧，公司在客户优先级、定价及资源分配上会采取怎样的策略？另外，公司对中长期算力规划有何安排？

刘德兵：这个问题我们可以从短期供需情况和中长期解决路径两个层面来看。

首先，当前算力供需偏紧是行业性的共性问题，并非个别公司现象，国内外头部模型厂商普遍面临算力紧张的状况。但从另一角度看，这也反映出真实需求非常强劲。以我们自身为例，目前各大头部平台及用户提出的并发需求，大约是我们当前日均支持调用量的 1～2 倍。如果算力供给能够进一步释放，我们认为调用量和收入规模都有可观的提升空间。

第二，从短期策略来看，我们会通过多种方式缓解供给约束：一方面通过外部算力采购与内部资源调配，尽快补足关键环节供给；另一方面在资源紧张的情况下，更加聚焦高价值场景与核心客户，优先保障高质量业务的供给效率，实现更优的整体投入产出比。

同时在海外市场，我们也在探索与本地推理平台的合作，通过模型部署+收入分成的模式推进业务。这一模式既能加快我们在海外的渗透速度，也在一定程度上实现算力资源的外部化分担，缓解自身算力压力。

第三，从中长期来看，算力问题的根本解决，还是要回到模型与芯片协同优化的路径上，包括通过模型结构优化、推理效率提升，以及与国产芯片厂商在底层架构层面的适配与协同设计，持续降低单位 Token 的算力消耗，从本质上提升供给能力。这方面我们已在持续推进，预计今年会看到一些阶段性进展。

整体来看，我们认为随着模型与芯片协同程度不断加深，算力约束会逐步从硬瓶颈转化为可优化的变量。短期内算力确实是阶段性制约因素，但更重要的是它反映了需求端的快速增长。通过算力补充、资源优化以及海外合作等方式，我们有能力逐步对冲这一约束，支撑业务持续放量。谢谢。

国泰海通证券分析师：目前Agent生态相关产品的商业化处于什么阶段？收入贡献与转化效果是否已开始验证？从客户使用情况看，是否已出现高频刚需的典型应用产品？

肖磊：商业化相关问题由我来回答。

先说结论：当前阶段，我们认为 AI 相关产品线已进入从早期验证到快速放量的阶段。以本月刚推出的相关产品套餐为例，目前用户规模与调用量均处于快速指数级增长阶段。

我想特别强调，市场上有观点担忧当前调用量爆发是阶段性繁荣还是可持续增长。我们对此信心充足，因为相关产品在推出时已完成二次提价，本轮调用量加速增长，是在 Q1 较去年年底整体提价 83% 的基础上实现的。

这充分证明，当前需求本质上由模型能力驱动，而非以价换量。从全球市场看，包括GPT等头部厂商也呈现类似特征：随着模型能力持续提升、智能上限不断突破，模型在高价值场景的渗透持续加深，支撑价格与需求同步增长。

因此我们认为，以相关产品为代表的 AI 产品线增长，并非低毛利、以价换量的阶段性现象，而是高质量模型在真实场景中建立价值后的自然放量，我们对这一趋势的延续性充满信心。

第二，从商业化验证来看，目前 AI 相关产品的收入贡献在整体大盘中仍处于早期阶段，但积极信号非常明显：付费转化、面向开发者场景的使用深度均显著提升。尤其在复杂任务场景中，用户已从尝鲜式使用转向持续性依赖，调用频次和使用时长大幅攀升。

从产品场景看，公司最早在代码开发赛道卡位，从代码能力自然延伸到相关产品的用户，高频需求集中在开发效率提升、自动化流程处理等方向。除开发者及偏 C 端场景外，我们认为下半年更值得关注、空间更大的是企业级市场。

核心逻辑在于，相关产品架构支持 7×24 小时常驻式长时任务，而这类高粘性场景在企业端更为丰富，企业内部存在大量可自动化、可持续调用的业务流程，这也是公司的长期优势所在。

第三，从中长期底层逻辑看，AI 产品的普及最终将回归我们在业绩公告中提到的 “智能输出革命”：智能输出的方式正在发生本质性变革，当前已进入规模化调用、云端大参数模型发挥主导作用的时代。

随着模型能力持续提升、使用门槛不断降低，AI 产品将从工具形态逐步升级为通用生产力形态，覆盖更复杂、更长期的任务场景。

总结来说，当前 AI 相关产品仍处于商业化早期放量阶段，但真实需求与付费意愿已得到验证；中长期来看，无论是面向开发者的偏 C 端场景，还是企业级应用场景，均具备广阔的增长与渗透空间。

摩根大通分析师：今年以来行业整体需求持续大于供给，同时产业链元器件如内存、硬盘等大幅涨价，我们也注意到公司相关产品有明确提价动作。请问公司定价更多是基于成本加成，还是基于模型能力提升为客户创造的价值来定价？未来利润率趋势将如何体现？

肖磊：核心先讲结论：这取决于我们对 Token 经济终局的判断：Token 最终会成为无差异的标准化商品，还是走向分层结构化。

我们坚定认为，未来 AI 架构下 Token 会走向分层，因此定价并非简单的成本加成逻辑。

未来市场会自然形成两类 Token 需求：

一类是简单对话、标准化低复杂度推理问答，以及面向 C 端的基础编程任务，这类 Token 未来将走向低价甚至免费，商业模式更接近广告模式，若模式不成立则难以形成稳定商业闭环；

另一类是高复杂度、高可靠性、真正解决生产力问题的高质量 Token，对应更高的模型能力与明确的价值创造，这类头部 Token 将使底层模型公司具备持续定价权与议价能力。

因此，公司在 API、相关产品及企业服务上的定价，虽会考虑算力、存储等成本上涨因素，但核心仍是基于模型能力的市场化价值定价。我们整体战略聚焦于高质量、高智能水平的头部模型，对标的是全球头部厂商，通过持续提升模型智能上限，在高价值场景建立定价权，而非走低价走量路线。

这类高端需求对价格敏感度更低，对效果与稳定性要求更高。

第二，关于算力、存储等成本传导，成本变化确实会对定价产生一定影响，但并非简单线性对应关系。一方面，行业内普遍通过极致推理优化持续提升效率，降低单位 Token 成本，过去 2-3 年趋势十分明显；另一方面，在高价值场景下，客户更关注投入产出比，而非单一 Token 价格，这也是海外头部模型定价较高仍供不应求的原因。

因此，成本更多是底线约束，而非定价核心决定因素。

第三，中长期来看，我们对 “模型智能上限提升 — 价格上行” 的正向循环充满信心。以美国市场为例，美国软件开发者约 400 多万，年薪中位数约 13 万美元，头部模型高端订阅约每月 200 美元，单人年均模型支出约 6000 美元，占年薪约 5%，即便如此仍供不应求。

国内信息技术人员年均薪资约 3.3 万美元，按同等 5% 支出比例测算，合理年付费约 1650 美元，月均约 138 美元。而当前国内头部模型定价远未达到这一水平，提升空间显著，整体定价仍处于偏低位置。

同时，海外实践表明，头部模型用户大量重叠，核心竞争并非价格，而是模型能力边界与使用体验。未来行业将走向分化：低端 Token 走规模与成本竞争，高端高质量 Token 走能力与价值竞争。公司坚定聚焦后者，这也是我们对价格体系与商业模式保持信心的核心原因。

摩根士丹利分析师：我的问题是对刚才问题的补充：公司在提价的同时，Token 调用量与开发者规模仍在快速增长，实现量价齐升，这在行业中并不常见。请问这更多是模型能力驱动，还是生态与客户结构变化带来的？这一趋势能否持续？

肖磊：谢谢提问，大家对 Token 商业模式关注度确实很高。结论先行：当前量价齐升并非短期阶段性结果，而是模型能力提升与需求侧结构变化共同驱动的。前面我重点讲了模型智能上限的驱动，这里再从需求侧展开说明。

从需求结构看，第一，公司是国内较早卡位代码开发赛道的厂商。早期市场认为代码开发只是垂直小众市场，但如今无论海外还是国内，代码相关能力已从细分赛道升级为企业级软件市场的入口。随着模型能力提升，企业将其作为切入点，延伸至自动化脚本、数据处理、系统集成等泛开发需求，成为企业数字化与 AI 改造的核心入口，显著扩大了使用场景与调用规模。

第二，用户结构呈现明显的横向破圈趋势：从早期专业程序员，扩展到产品经理、数据分析师、BI 人员等泛开发者；随着智能体工程等新范式出现，无开发背景的普通用户也可通过自然语言完成复杂任务。模型能力降低了使用门槛，将开发能力普惠化，进一步扩大需求人群。

应用入口扩展与使用人群破圈相互强化，共同推动需求容量扩张。从客户实践看，国内头部互联网公司、海外主流平台均在接入并加深使用，这类客户对效果与稳定性要求极高，其选择也印证需求核心驱动力是模型智能上限，而非价格。

在此背景下，价格上行并未抑制需求，反而与需求扩张同步发生。越往高端高质量模型延伸，场景价值与复杂度越高，价格敏感度越低、能力依赖度越强。

因此这一趋势具备可持续性：一方面模型能力持续向更复杂维度突破，新场景不断打开；另一方面企业级应用仍处早期，用户数与单用户使用深度仍有巨大提升空间。量价齐升本质上是模型从工具走向生产力基础设施过程中的自然结果。公司战略高度聚焦高质量模型能力，以代码能力为核心入口向外拓展，正是顺应这一结构性趋势。

高盛分析师问：公司强调 Token 消耗规模是商业价值核心变量，那么，在提价背景下，客户对 Token 使用量的敏感度如何？是否出现部分场景需求弹性变化？从历史经验看，提价是否阶段性压制 Token 消耗增长，还是模型能力提升足以抵消价格影响？

肖磊：从我们历史数据看，可分为 2025 年与 2026 年两个阶段。2025 年我们尚未大规模提价，但相关 API 与订阅定价已处于国内商务模型中偏高水平，即便如此，2025 年 3 月至年底收入仍实现近 10 倍增长。

2026 年春节后，公司多款模型连续提价，累计涨幅 83%。但提价后，相关产品用户与 Token 消耗仍保持高速增长：核心产品上线两天用户达 10 万，20 天突破 40 万。数据表明，提价并未构成明显阻碍，核心仍是需求结构变化。

原因主要有三点：第一，Token 分层下价格弹性显著分化。我们聚焦高复杂度、高价值、嵌入业务流程并带来效率提升的场景，客户更关注投入产出比而非单一 Token 价格，提价并未抑制此类需求。第二，核心大客户对提价并未出现调用量收缩。Token 本质是智能输出的计量单位，单位 Token 智能水平越高、质量越高，可完成的任务价值越大，价格中枢具备上移基础。第三，长期来看，Token 消耗的核心驱动力是场景解锁与人群破圈。随着代码能力向企业 IT 入口演进、智能体降低使用门槛，高价值 Token 占比提升，价格与使用量形成良性关系。

总结来看，价格上涨会对低价走量场景形成分层压制，但在高价值场景中需求对价格敏感度有限。模型能力提升带来的需求扩张效应，远大于价格因素的潜在抑制，这也是我们看好后续 Token 消耗与收入持续增长的核心原因。

中信证券分析师问：当时唐杰老师在IPO上市的时候，其实提过要回归基模，然后看咱们的文本模态其实也进展挺好，代码领域反馈良好，这一战略在行业内属于非共识选择。能否请管理层进一步解读公司战略取舍背后的思考？

刘德兵：我们认为这并非一种非此即彼的选择，未来 2-3 年公司战略核心将更倾向于标准化 API 能力持续放量。

首先，从商业模式演进看，在模型能力与客户认知不成熟阶段，行业常通过解决方案、产品化封装提升附加值与变现效率，前提是 API 规模尚未起量、单位经济模型未充分释放。随着模型能力提升与调用规模扩大，API 的单位经济性快速显现，大规模放量下盈利空间显著释放，专注提供标准化高质量模型能力即可实现高效规模化扩张。

其次，当前策略并非弱化本地化部署，而是重新定义其角色：我们将企业级智能体、本地化大模型服务作为获客与场景切入入口，通过解决具体业务问题帮助客户快速落地，再通过交叉销售与能力开放，引导客户从采购解决方案转向直接调用底层 Token 能力。

第三，从长期技术与经济趋势看，云端大模型在参数规模与推理效率上持续提升，单位算力成本下降、能力边界拓展，本地模型经济性持续承压。行业正经历智能输出变革，高质量模型能力向云端聚集并通过标准化接口输出，谁能提供稳定高质量的 Token 供给，谁就占据产业链核心位置。

因此，未来 2-3 年，开放平台与 API 业务将成为收入与利润释放的核心载体，行业解决方案则作为获客与场景验证的重要补充。二者并非替代关系，而是重心逐步向标准化能力输出倾斜。