從清華實驗室到全球大模型第一股：智谱 CEO 張鵬的 10 年創業路

本文整理自「張小珺商業訪談錄」2026 年 1 月播出的單集，為智谱上市前夕的深度訪談。

2026 年 1 月 8 日，北京智谱華章科技股份有限公司在港交所敲鐘，成為全球首家以通用人工智能（AGI）基座模型為核心業務的上市公司——「全球大模型第一股」正式誕生。

上市首日，智谱以每股 116.2 港元發行，收盤報 131.5 港元，漲幅 13.17%，市值達 579 億港元。更驚人的是，上市第三個交易日（1 月 12 日），股價飆升 45%，市值突破千億港元大關。

在上市前夕，智谱 CEO 張鵬接受了一場三小時的深度訪談。他拄著拐杖出現——出差途中摔斷了跟腱。西方有句俚語「Break a leg」，意思是祝你好運。幾天後，智谱確定將搶在 Minimax 之前上市，成為全球大模型第一股。

這場訪談回顧了智谱從清華實驗室走向港交所的完整歷程，也揭示了這家「AI 六小虎」之首如何在技術理想與商業現實之間找到平衡。

為什麼台灣讀者該認識智谱？

在中國 AI 產業，有所謂的「AI 六小虎」：智谱、Minimax、月之暗面（Kimi）、百川智能、零一萬物、階躍星辰。這六家公司被視為中國大模型領域最具代表性的新創企業。

智谱是其中走得最快、也最穩的一家。它的背景極為獨特——源自清華大學計算機系的知識工程實驗室（KEG），這個實驗室由中國人工智能奠基人張鈸院士創立，培養了一整代中國 AI 頂尖人才。

智谱的核心產品是 GLM（General Language Model）系列大模型，包括開源的 ChatGLM。這些模型可用於智能客服、程式碼生成、文件分析、AI Agent 等場景。2025 年底發布的 GLM-4.7 在多項基準測試中位居國內第一，是開源大模型領域的領頭羊。

更重要的是，智谱的股東陣容堪稱中國科技界的「全明星」：阿里巴巴、騰訊、美團、小米、螞蟻集團，以及紅杉、高瓴、君聯等頂級創投，累計完成超過 12 輪融資。

起源：清華實驗室裡的「認知智能」夢想

故事要從 2016 年說起。

當時，張鵬在清華大學計算機系的知識工程實驗室工作，負責將教授和學生的研究成果轉化為可交付的系統和產品。實驗室裡討論著一個問題：上一代人工智能（電腦視覺、自然語言處理）已經遇到天花板，下一代技術是什麼？

「像 CV、像早期的 NLP，可能也就天花板就在這兒了，」張鵬回憶，「它可能也做不到我們說理想當中的通用人工智能。」

實驗室的戰略顧問是張鈸院士——中國人工智能領域的奠基人。他在 1987 年建立了中國第一個人工智能國家重點實驗室，培養了超過 90 名博士生，被稱為「清華代表隊」的締造者。

張鈸院士提出了一個關鍵概念：認知智能。

「上一代人工智能解決的是感知問題，」張鵬解釋，「機器只是一些技能，單個的技能，它不知道『為什麼』。認知智能要讓機器知道『知其所以然』——理解知識、綜合推理、得到新知識。」

更精闢的是張鈸院士畫的那個象限圖：現有的 AI 只能處理「知道自己知道」的事情，但真正的認知智能要能處理「知道自己不知道」，甚至探索「不知道自己不知道」的領域。

這個概念成為智谱的技術北極星。

第一個吃螃蟹的人：科技成果轉化的政策窗口

2018 年，中國教育部等部委聯合發布了一個意見，允許科研院所的在職人員用研究成果進行科技成果轉化。這為智谱的成立打開了一扇窗。

「開了一扇窗戶，它並不是開了一個很敞開很大的一個門，」張鵬說，「所以我們是首先吃螃蟹的人。」

但窗戶後面的路徑並不清晰——怎麼評估成果價值？怎麼分配收益？學校和創業團隊各拿多少？這些細節都要從零開始談。

談判持續了一年半。2019 年 6 月，北京智谱華章科技有限公司正式註冊成立，成為清華計算機系第一家走通科技成果轉化流程的企業。

「大家都很有意願，」張鵬回憶，「無非就是在過程當中，怎麼把東西厘清，操作的流程，之後大家不要留下遺留的問題。」

GPT-3 的震撼：張鈸院士的評價與智谱的抉擇

2020 年 5 月，OpenAI 發布了 GPT-3。這成為智谱的重要轉折點。

正好是公司成立一周年，張鵬請張鈸院士來座談。他問了一個問題：「您怎麼看 GPT-3？」

張鈸院士的評價非常高——「是深度學習比較里程碑式的一個進步」。但他也指出一個根本問題：GPT-3 仍然「不知道自己不知道」，會一本正經地胡說八道。

「給了很高的評價，說這是個很好的進步，但仍然沒有解決那個最本質的問題，」張鵬說。

這番話堅定了智谱的方向。他們開始研究 GPT 路線，並在 2021 年推出了自己的算法創新：GLM（General Language Model）。

GLM 的設計哲學是融合 BERT 和 GPT 的優勢。BERT 擅長理解（雙向填空），GPT 擅長生成（單向續寫），GLM 透過調整詞序，把兩種能力統一起來。這帶來了意外的好處：訓練更穩定、量化精度損失更小。

千萬賭注：用 1/14 的成本對標 GPT-3

2021 年底，智谱面臨一個重大決策：要不要投入數千萬人民幣，訓練一個千億參數的大模型？

當時 GPT-3 的訓練成本據估計約 2000 萬美元。對一家剛成立兩年的公司來說，這是巨大的風險。

「最後的決策是我們應該做，而且必須我們自己來做，」張鵬說。

科學家團隊的信心來自 GLM 算法的優勢。2022 年 7 月，智谱完成了 GLM-130B 的訓練——1300 億參數的雙語模型。

成本呢？算力約 400 萬人民幣，加上人工成本約 1000 萬人民幣。相比 OpenAI 的 2000 萬美元（約 1.4 億人民幣），只有十四分之一。

「這是中國人的優勢，」張鵬說，「大家會去摳細節，要效益，要收益，控成本。」

2022 年 8 月，智谱將 GLM-130B 開源。史丹佛大學的評估報告顯示，這是唯一進入評測、且排名靠前的中國模型，性能與 GPT-3 互有勝負。

融資困境：「你們能騙人錢嗎？」

然而，2022 年下半年的融資極為艱難。

「跟投資人講這事的時候，他們兴奋嗎？」訪談主持人問。

「聽不懂，」張鵬苦笑，「完全聽不懂。這是什麼東西？你們怎麼賺錢？」

他印象最深的是一個投資人在線上說：「這東西，你們能騙人錢嗎？你看這個大環境這麼差，經濟這麼差，要不你們把估值降一半，怎麼樣？」

轉機出現在 2022 年 11 月 30 日——ChatGPT 上線了。

「ChatGPT 幫了我們一個很大的忙，」張鵬說，「大家再也不用質疑這東西到底是啥。我們就告訴他，你看 ChatGPT，你懂吧？我們做的就是往這兒去的。」

春節期間，智谱團隊加班趕工，迅速推出了對標產品 ChatGLM，並開源了可以在單張消費級 GPU 上運行的 6B 版本。這成為開源社群的爆款，下載量驚人。

百團大戰：王慧文的英雄帖與智谱的淡定

2023 年，中國大模型「百團大戰」爆發。

2 月，美團聯合創始人王慧文在社交平台發布「AI 英雄帖」，宣布個人出資 5000 萬美元創辦光年之外，要做中國的 OpenAI。王小川也宣布二次創業，成立百川智能。

「特別兴奋，」張鵬回憶當時的感受，「大家都不用再去教育市場了。」

但他也有焦慮：「每次大浪過來，再往後看一點，可能就是一片狼藉。我怕的是整個市場從一個極端走向另一個極端，塌掉之後很難回來。」

對於王慧文、王小川這些成功企業家入局，張鵬並不擔心：「這個事情還沒到終局。我歡迎有實力、成功過的人一起來做這件事。」

然而，光年之外的故事只持續了 136 天。2023 年 6 月，王慧文因健康問題退出，美團以 20.65 億元收購了光年之外。

同門競爭：楊植麟與 Kimi 的崛起

2024 年，市場焦點轉向月之暗面和 Minimax。

月之暗面的創始人楊植麟是張鵬的「師弟」——本科畢業於清華計算機系，師從智谱首席科學家唐傑教授。他在 CMU 攻讀博士期間，與圖靈獎得主 Yoshua Bengio 合作，發表了影響深遠的 Transformer-XL 和 XLNet 論文。

「志麟非常聰明，研究積累非常深，」張鵬評價，「我覺得他應該能成。」

他們的產品 Kimi 以超長上下文聞名——最初支持 20 萬字輸入，後來擴展到 200 萬字，遠超 GPT-4 的能力。

但張鵬也觀察到不同的路線選擇。楊植麟專注 C 端產品，而 Minimax 創始人閆俊杰（也是清華系）則「非常明白自己想要什麼」，專注消費娛樂和情緒價值。

「清華的人有個特質，」張鵬說，「大家都比較理性。在一起聊得很開心，那在商言商碰到了，該怎麼樣就怎麼樣，各自有一套規則。」

為什麼選擇 2B 而非 2C？

智谱與月之暗面、豆包（字節跳動）走了不同的路——專注 2B 企業服務，而非 2C 消費市場。

原因是張鵬對中美市場差異的判斷：「美國 ChatGPT 可以每月收 20 美金訂閱費，大把的人給它交。但在中國不可能。」

他分析，除非能像 OpenAI 一樣搶到巨大的首發市場優勢，否則很難避免陷入「倒貼、引流、補貼、讓用戶薅羊毛」的惡性循環。

智谱也推出了 C 端產品「智谱清言」，但定位為效率工具而非娛樂應用。「我們的用戶曲線很有意思，」張鵬說，「使用高峰跟上班和學習時間重疊。早上八點到中午十二點，下午一點到五六點。晚上很少，只有八九點有個小高峰——家長輔導孩子作業。」

這驗證了他們的判斷：中國 C 端用戶的付費意願確實較低，2B 市場的確定性更高。

中國 SaaS 為何起不來？AI 會改變嗎？

訪談中，張鵬分享了一個精闢的觀察：為什麼中國的 SaaS 產業始終沒有起來？

「有人跟我講，用同樣的錢，你買訂閱一個月花十萬塊，我可以用十萬塊買十個人一個月，幫我把這活幹了，完了就全是我的。」

這是人力成本的結構性差異。在美國，僱人比訂閱軟體貴；在中國，反過來。

AI 時代會改變這個局面嗎？張鵬認為會有變化，但不會劇變：「AI Coding 讓開發成本降低，定制化會更普及。但 AI 工具的使用成本仍然不低，訓練成本、推理成本都有剛性要求。」

DeepSeek 的開源衝擊

2025 年 1 月，另一家中國公司 DeepSeek 以開源策略震撼全球。他們發布的 DeepSeek-R1 模型，能力與 OpenAI 的 o1 相當，但訓練成本據稱只有 560 萬美元。

DeepSeek 的創始人梁文鋒來自量化交易領域，公司背後是管理數百億資產的幻方量化。他的開源策略直接導致英偉達股價單日暴跌 17%，市值蒸發近 6000 億美元。

張鵬在訪談中提到，DeepSeek 的開源對智谱的商業化帶來了挑戰：「很多客戶腦子裡面，就把開源和免費畫等號了。他們會問，你開源都不要錢了，你為什麼還要收我錢？」

但他堅持，開源與商業化應該區分：「商業化客戶需要的是產品、工具和服務，而不僅僅是模型本身。」

結語：從「聽不懂」到全球第一股

從 2016 年在清華實驗室討論「下一代人工智能」，到 2026 年港交所敲鐘，智谱走了整整十年。

這十年間，張鵬經歷了投資人的「聽不懂」、融資的艱難、百團大戰的喧囂、同門競爭的壓力。但他始終堅持一個信念：探索 AGI。

「智谱其實不是單純說我們就是想成立一個公司去掙錢，」張鵬在訪談中說，「本願還是在於我們要去探索 AGI 到底是什麼。」

一百年後，如果智谱會出現在人工智能的歷史書上，他希望它被這樣描述：

「智谱是 AGI 歷史上的一個先行者，就開路的人。」

我的觀察

智谱的故事對台灣科技產業有幾個值得思考的啟示：

第一，學術與產業的橋樑。智谱的成功很大程度上來自清華 KEG 實驗室的「P2P」（Paper to Product）傳統——研究成果必須轉化為實際產品。台灣的頂尖大學有優秀的研究能力，但產學轉化的機制和文化仍有改進空間。

第二，資源有限時的策略選擇。智谱用十四分之一的成本訓練出對標 GPT-3 的模型，靠的是算法優化和工程效率。這提醒我們，不是每場競賽都要靠「暴力美學」，找到適合自己的打法更重要。

第三，對市場差異的清醒認知。張鵬很早就判斷中國的 C 端付費意願不如美國，因此選擇 2B 路線。這種對本地市場的深刻理解，比盲目複製矽谷模式更務實。

當然，智谱的故事還沒結束。上市只是新的起點，面對 OpenAI、DeepSeek、以及一眾競爭者的挑戰，這家「全球大模型第一股」還需要證明自己的長期價值。

相關資訊：

• 智谱港股代碼：02513.HK
• 發行價：116.2 港元
• 上市首日收盤：131.5 港元（+13.17%）
• 1/12 盤中最高：230.6 港元，市值突破 1000 億港元