HY-MT1.5-1.8B实战：车载系统实时语音翻译
2026/1/10 17:43:44
智谱AI在香港上市，成为全球首家以通用大模型为核心资产的上市公司，被称为"中国大模型第一股"。公司凭借清华背景和全栈自研的GLM系列模型，实现本地部署与云端API双轮驱动商业模式，虽面临巨额研发投入和算力成本，但其技术突破和商业化成就标志着中国大模型产业从实验室走向资本市场，开启AI商业化新阶段。
2026年1月8日，这一天注定载入中国人工智能发展史册。北京智谱华章科技股份有限公司（股票代码：02513.HK）正式在香港联合交易所主板挂牌上市，成为全球首家以通用大模型为核心资产的上市公司，也被市场誉为“中国大模型第一股”。
本次IPO以每股116.20港元发行3741.95万股H股，募资总额达43亿港元，市值更是突破七百亿港元。这不仅是一家企业的高光时刻，更是中国AI基础模型从实验室走向资本市场、从技术理想迈向商业验证的关键里程碑。
清华基因 + 全栈自研
智谱AI脱胎于清华大学计算机系知识工程实验室，由首席科学家唐杰教授领衔创立。自2019年成立以来，智谱始终坚守“让机器像人一样思考”的初心，拒绝简单跟随国外技术路线，而是坚定走全栈自研GLM架构之路。
从2021年发布百亿参数模型GLM-10B，到2022年开源千亿模型GLM-130B震惊全球，再到2025年推出的GLM-4.7引入“交织式思考”机制，在Code Arena等国际编程评测中跻身开源模型前列——智谱用一次次技术突破证明：中国团队完全有能力在AGI最核心的基座模型领域与全球巨头同台竞技。
双轮驱动：本地部署+云端API
资本市场看中的不仅是技术故事，更是可持续的商业模式。智谱的营收结构清晰呈现“双轮驱动”：本地化部署服务政企客户，而云端API则面向开发者生态。2025年上半年，前者贡献85%营收，毛利率高达59%；后者收入占比虽仅15.2%，但增长迅猛，日均Token消耗量已达4.2万亿。
尤其值得注意的是，其旗舰模型GLM-4.7发布后，MaaS平台年度经常性收入（ARR）从2000万飙升至5亿元，仅用10个月实现25倍增长。其中海外收入超2亿元，表明智谱的模型能力已真正融入全球真实业务场景，脱离“演示阶段”，进入高并发、常态化商用。
亏损背后的“技术马拉松”
当然，光环之下也有现实挑战。2025年上半年，智谱营收1.91亿元，同比增长35%，但净亏损却扩大至23.51亿元。巨额亏损主要源于两项支出：算力服务费（占成本19%）和研发投入（上半年达15.95亿元）。
这正是大模型行业的残酷真相：要跑赢AGI这场“技术马拉松”，就必须持续投入天量算力与顶尖人才。智谱过去三年研发投入累计超44亿元，支撑GLM系列每3–6个月完成一次基座迭代，高强度投入直接驱动了日均4.6万亿Token的实际调用规模。
总结
智谱的上市，标志着中国大模型产业正式从“一级市场输血”迈入“二级市场造血”的新阶段。它向世界证明：顶尖的学院派科研成果，完全可以转化为具有全球竞争力的商业资产；AGI的探索，也绝非互联网巨头的专属游戏。
更重要的是，智谱的成功上市为整个AI行业树立了标杆：技术深度、生态构建与资本耐心缺一不可。只有坚持长期主义、深耕底层创新、构建开放生态的企业，才能穿越周期，真正推动AI从工具走向智能伙伴。展望未来，随着Agent、具身智能与多模态融合的深入，大模型将不再只是“回答问题的引擎”，而将成为驱动千行百业智能化转型的核心基础设施——而智谱的上市，正是这一宏大叙事的序章。
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。