智谱 2026H1 业绩会 · 概念及观点比业绩更值得思考
一、AGI 商业价值公式
关键词：AGI 商业价值、智能上界、token价值密度
观点：AGI 商业价值 = 智能上界 × Token 消耗规模。智能上界决定可处理任务的类型与单位 Token 用户价值；Token 消耗规模反映智能被使用的广度与深度。但同一 Token 用于闲聊 vs 修复生产环境漏洞，经济产出相差数个数量级——Token 落在何种价值密度场景，取决于模型能打开的任务边界。任务边界每提升一级，市场空间就可能放大一个量级；智能上界决定任务边界，任务价值决定商业空间。模型每完成一次能力跃迁，客户购买内容就更接近最终经济价值与结果，收入计量单位随之改写。
二、模型能力演进五阶段阶梯
五阶段并非并列产品线，而是依次推进的阶梯：Chat → Coding → Agent → Cowork → Autonomous AI。
| 阶段 | 交付物 | 逐级技术门槛 |
|---|---|---|
| Chat | 一次性回答 | （起点） |
| Coding | 可运行代码 | Chat→Coding：结果可验证 |
| Agent | 执行完成的多步任务链 | Coding→Agent：长程规划与错误恢复 |
| Cowork | 可由专业人士复核的工作成果 | Agent→Cowork：可靠性达专业人士愿复核、无需推倒重做 |
| Autonomous AI | 持续运行的能力 | Cowork→Autonomous AI：模型能否自主判断结果是否正确 |
报告期重心：智谱重心处于 Coding 至 Cowork 之间；已在网络安全、法律、金融、教育尝试，网络安全进展最快。跨不过门槛，上一层商业模式就无法成立。
三、算力与基础设施概念
关键词：算力乘数、有效算力、国芯推国模
观点：每投入 1 元算力对应的开放平台及 API 收入（含训练侧+推理侧）即为算力乘数，其改善来自单位 Token 承载智能提高、单位任务成本下降、每元算力收入增加，形成"智能突破→Token 调用与回报→再投入算力研发→抬升智能上界"的飞轮。但衡量算力能力的核心不是拥有多少张卡，而是有效算力——已安装、能稳定调度、可长期运行，并最终转化为模型训练进度或可计费 token 的算力，即能支持多快的模型迭代与多大规模的商业化 token 供给。在算力来源上，公司推进"国芯推国模"，将国产芯片纳入主力推理算力，GLM-5.3 Flash 首次在超大规模真实流量中全面使用国产芯片集群服务，掌握自身成本曲线；实现路径上，模型与 Infra 协同优化比单纯扩张硬件来源更本质，下一阶段主要矛盾是把每单位物理算力转化为更多智能、有效 token 和商业价值。
四、SOTA与迭代范式
关键词：持续最优、帕累托最优、迭代节奏
观点：行业对 SOTA 的理解正在被改写：短期榜单领先不再最重要，真正值得关注的是谁能以更快节奏、更优成本持续将更强模型推向市场——单点冠军转瞬即逝，持续最优才是一条不断向上的轨迹。与此相应，行业越来越关注模型能否在"智能"与"成本"两个维度同时实现帕累托最优。
五、AI的治理与边界
关键词：外部独立裁量、受控开放、可审计性
观点：能力越强，越需将评估与风险判断交给外部机构独立裁量：最敏感能力实行受控开放，开源前由第三方专业团队独立评估，漏洞通过国家漏洞库完成责任披露，且这一分工不会因能力提升而改变，只会随能力上移而加强。与此同时，迈向 Autonomous AI 的门槛不完全在智能本身，更在于可靠性和可审计性——模型需在无人逐步检查的条件下工作，同时留下可复核的痕迹。