作者 | 李明明
编者按：他们创办的公司或已是独角兽，或刚启动种子轮，或已家喻户晓，或长期身居幕后，或正起于微末，但他们都是中国新经济的微观脉搏，是这轮产业和技术升级的微观主导者和实践者，不同行业成千成万的他们的身影汇聚，投射变革的洪流。
由财联社和《科创板日报》联合发起的 “连线创始人/CEO”栏目，主要关注创新创业型企业，以企业创始人/CEO的访谈为一手信源，让成长中的创业公司走入公众和市场视野，并发掘最新技术和产业趋势。
在刚刚过去的3月，智谱通过一系列紧锣密鼓的动作，在国内大模型“六小虎”中似乎跑出了领先身位。
先是在3月初，智谱先后官宣了与杭州、珠海以及成都等地的战略，18亿元规模融资由此收入囊中；月中，股改动态传出，为智谱的资本市场规划再添想象空间；行至月末，智谱再度发布业务动态，在中关村论坛上推出了首个Agent产品“AutoGLM沉思”，并免费向公众开放。
但更多问题随之而来：融资-改制-发新品等密集的高调动作，究竟是应对行业变局的应激反应，还是通往AGI的系统性布局？来自多地国资的大额融资款将投向哪些业务领域？B端和C端的频频发力，是否意味着预训练优先级的弱化？
带着这些问题，《科创板日报》记者与智谱CEO张鹏展开了对话，了解密集动作背后折射出的智谱在技术路径与商业模式上的战略抉择。
访谈过程中，张鹏神色轻松、语气轻快，看起来完全没有因DeepSeek的突袭而乱了阵脚。他告诉记者，AGI依然是智谱的终极目标，“但实现目标的路程长、成本高，智谱走在前面需要加大投入。”
▌Agent战略升维
基础模型的迭代和降本，让行业内外对Agent的爆发都充满了期待。在这样的背景下，智谱带着“AutoGLM沉思”（以下简称“沉思”）加入了这场混战，其在Agent领域的战略布局也随之受到了更大的关注。
《科创板日报》记者了解到，智谱很早就开始了对Agent领域的布局，甚至早于海外AI巨头OpenAI和Anthropic：智谱在行业内率先提出了Phone Use（AutoGLM），也几乎与 Anthropic在同一时间发布了Computer Use。
AutoGLM于去年10月发布，是一个在手机上可以执行长达50多步action（操作）的大模型智能体。而此次推出的“沉思”，背后依托的实际上也是AutoGLM的能力。
这种对Agent的率先布局，与智谱的AGI实现路径有关。与行业普遍将Agent视为独立赛道的做法不同，张鹏在采访中告诉《科创板日报》记者，Agent是智谱探索AGI实现中的其中一个环节。
“我们在2023年就开始了对Agent领域的投入，当时行业内还在拼基座模型。这样的安排也和我们整体的AGI实现路径有关，从L1的预训练到L2的对齐和推理、L3的工具使用包括Agent的使用，一级一级路径延续上去，才会产生本次推出的‘沉思’。”
值得一提的是，在Agent的研发过程中，智谱发现，不仅是大模型的预训练和后训练存在Scaling Law（规模定律），Agent也存在类似的定律——通过扩展训练时的Inference Compute（推理计算），Agent展现出了更强的性能。
此外，在Agent Scaling Law的基础上，智谱还进一步发现了Agent也存在能力涌现。对此，张鹏举例称，尽管智谱在训练过程中从未教给“沉思”访问某网站网，但当发送指令“收集昨天关于具身智能的相关研报”时，“沉思”能够规划出通过访问该网站解决问题的方案，并顺利操作了网站。
谈及下一代Agent的核心能力，以及AutoGLM系列未来的迭代方向是否包括多模态或者具身智能时，张鹏表示此前也曾与张钹院士对此展开探讨，“关于Agent的核心能力无非是两种，其一还是模型本身的能力，包括底层的语言、多模态和推理能力；其二即感知环境和环境智能交互能力，也就是Agent强调的沟通交流能力。这两点我认为是智能体能够在应用层面爆发、并落地产生实际效果的两个核心价值。多模态内容事实上也包括在这里。”
而随着Agent能力的不断演进，其与硬件结合的想象空间也越来越大。张鹏对《科创板日报》记者介绍，AutoGLM最早就是应用在手机端，而“沉思”则是Agent能力在PC上的迁移，除此之外，Agent在眼镜、车载以及平板等设备，甚至包括具身智能机器人，都可以成为Agent的接入点。
“但目前仍存在一些问题，比如不同类型的设备，交互方式也不一样，比如眼镜依赖语音交互，就需要引入全新的模态。所以，当前阶段，接入Agent远非简单地‘插入芯片、接入现成的SDK’那么容易，这种'即插即用'的便捷性仍是未来愿景，当下还无法实现。”
技术之外，从公司战略布局的角度而言，张鹏表示，“沉思”的上线及面向公众免费开放，并不代表公司Agent的战略有巨大的变化，只是当下公司认为Agent已经进入到一个可以有更大规模的应用和落地的阶段。“这与此前预判2025年将是Agent爆发之年的观点一致，而这也已成为行业共识。可以理解为是Agent整个研发路径、战略上的一种强调和加强。”
据悉，作为“六小虎”中第一家押注AI Agent的公司，智谱最新发布的“沉思”已经可以帮助用户实现盈利。智谱“秘密”近期开展了一项测试：运营一个专注生活科普的小红书账号，其中所有内容由“沉思”生成。3月30日，这个5000粉丝的账号迎来了第一笔商单，收入500元。
而对于未来的新应用形态，尤其是智能体的应用形态，张鹏认为，仍将会回归到模型上。“这也是我们一直所倡导的模型即场景的概念，未来很多的应用会以模型为核心，包上一个很浅的或者很薄的产品化、应用性的壳就会变成一个产品。模型能力一旦提升，产品能力就会得到提升，这是很典型的新应用范式的变化。”
▌坚持预训练大模型
可以看到，智谱目前越来越多地把重心放在大模型的应用落地上。与此同时，此前有消息称，大模型几个主要玩家中已有部分开始逐步放弃预训练模型，缩减了预训练算法团队人数，业务重心转向AI应用。由此，智谱在预训练方面的规划也成为关注焦点。
对此，张鹏回应称，作为基座模型厂商，预训练是公司一定会坚持的事情。“预训练仍然很重要，虽然现阶段其关注度不那么高，但是后面的RL（强化学习）或者各种方法也好，本质上还是依赖预训练所带来的基座模型天花板，预训练里面的问题以及待研究的点非常多。”
DeepSeek爆发之后，大模型创业企业如何调整生态位和应对策略是绕不过的话题。张鹏重申，开源是必须要做的一件事情，而DeepSeek主要对商业化市场产生影响，比如说市场可能认为开源免费的模型就可以节省投入。
“但是历史经验表明，开源并不等于完全免费，还会涉及企业后期技术人员的投入、维护成本，以及将DeepSeek做本地化部署等。当下，大家已经清醒过来，意识到开源免费并不等于真正的免费。”
但他也坦言，目前，智谱的商业策略和服务模式已经做出相应调整，模型即服务的模式会真正落地。“过往的模式所有关注点在模型本身上，但是企业或者用户如何使用好模型是大家面临最大的问题。从这一点上来说，需要双方共同打磨模型落地的方案，弥补中间的差异。”
张鹏总结，在这样的前提下，开源不开源、免费不免费，本身已经不是特别关键的问题。开源旨在加速大模型落地应用，而商业模式则会灵活调整。
据悉，智谱将于4月14日开源推理模型GLM-Z1-Air和基座模型GLM-4-Air0414，并于近期陆续上线bigmodel.cn。上述模型是智谱新推出的AI Agent“沉思”背后的模型。
▌生态扩张：从地方到全球
智谱的城市合作图谱以及融资能力，无疑也是其作为大模型“六小虎”最重要的标签这一。仅在刚刚过去的3月份，智谱就集齐了杭州、珠海、成都三地国资，总计融资额超18亿元。
对于融资的安排，张鹏告诉《科创板日报》记者，这与智谱的AGI战略息息相关。“公司判断实现AGI的路程还很长，需要大量技术探索和研究投入，而这个过程的成本是非常大的。创新探索的试错成本相对会增高，这是不可避免的。而不管智谱融了多少钱，拿了多少收益，其实都是通往AGI道路上的盘缠。”
在收益方面，张鹏透露，智谱目前也获得了较大进展。“智谱从去年开始大力推进产业化、商业化落地，目前在相关领域有一定的资源的倾斜。去年增长超100%，今年预计市场呈十倍以上增长，公司会调整模式路径，保持商业化落地速度和效益。”
融资款来自各地国资的事实，也引发了行业内外对智谱与各地政府合作实际落地的长足关注。对此，张鹏表示，在人工智能方面，各地政府都有自己的布局和未来发展的方向，许多其他地方智谱也都有接触和了解。
“比如在珠海，我们和珠海龙头企业华发集团联合搭建首个城市级GLM大模型空间——“智谱+珠海华发空间”，将智谱一系列语言、多模态等端侧模型部署到各个设备。类似的落地还有很多。”张鹏如是说。
《科创板日报》从业内人士处了解到，在城市生态方面，智谱凭借其GLM大模型自主、安全、低幻觉等特性，成为了各城市选择的重要模型厂商。
在生态扩张方面，除在不断扩大在国内的政企合作版图之外，智谱的脚步还已经迈向海外。
近日，智谱发布了出海的最新进程。在2025中关村论坛上，其与来自东盟十国及“一带一路”沿线国家的十位代表，共同见证了由智谱主导发起的“自主大模型共建联盟”的成立。该联盟旨在帮助“一带一路”国家建立自主AI，实现人工智能技术的自主可控，其中，有一部分联盟成员已经是智谱的客户，智谱在帮助其构建国家级大模型。
张鹏称，公司从2024年开始布局出海业务，但暂时还未在海外具体某一个领域或某个行业具体落地。
“目前，全球范围内，除中美之外，海外对于大模型新一轮AI技术的接受、落地、研究、应用等方面还处于非常早的阶段。所以，海外的需求还是处于大约国内两年前的状态，即希望构建自己国家AI的所有技术能力，包括基础设施。在这方面，我们是真心实意的帮助大家构建自己的自有、可控、安全的能力，这也是智谱出海一贯的策略。”张鹏如是说。
