HY-MT1.5-7B教育场景应用：课件多语种转换部署实战
2026/1/10 18:45:26
智谱AI从日收入不足$5的副业项目成长为"全球大模型第一股"，其成功秘诀在于坚持与真诚。六年间，团队通过不断调整、统一品牌，凌晨4点仍回复用户问题，最终在2026年成功上市。这一历程启示我们：看似"突然"的成功背后是无数个不被看见的夜晚，上市只是通向AGI路上的加油站而非终点。对普通人而言，坚持探索自身边界，在需要时出现，才能抓住机会。
上市不是终点，甚至不是一个特别重要的节点。它只是意味着我们在通向AGI的路上又加了一次油
今天（2026年1月8日），智谱AI在香港上市了
股票代码2513.HK，开盘价120港元，市值超过500亿港元
媒体称它为全球大模型第一股，评论区一片恭喜声
但我不想写那种文章
我想聊的是那篇智谱内部工作者的心路历程，那些让我停下来想了一会儿的细节
完整文章在这个链接中：Z.ai 来时的路
凌晨4点，有人问了一个问题
GLM-4.5发布那天，他们的运营从晚上10点发推发到第二天早上8点
凌晨4点的时候，咖啡已经喝完了
他盯着屏幕，看到一个陌生的ID问：GLM支持function calling吗？
他说，那一刻他突然意识到：真的有人在认真看我们了
这个画面让我停了很久
我自己做内容的时候，当有人第一次认真评论我的内容
不是那种写得好的客套，而是真的在讨论我说的观点
那种感觉很难形容
不是被夸奖的快乐，是一种终于不只是自己在说话的释放
从日收入$5到全球大模型第一股
智谱今天市值500多亿港元
但在GLM-4.5上线前，他们全球API站点的日收入还不到$5
你没看错，就这么多
Z.ai这个产品，最初是一个Side Project
上线当天有1万人来用，但因为没有后续投入，用户数一路跌到600多
4月的时候，他们的X账号只有2000粉丝
品牌碎片化严重：中文名叫智谱，英文叫Zhipu，开源仓库叫THUDM，实验室叫THUKEG，社交媒体账号叫ChatGLM
哪也不挨着哪
这像不像我们很多人做副业的状态
想法很多，资源有限，什么都要自己干，时间永远不够用
“最笨的办法就是最有效的办法”
智谱的运营在文章里写了一句话：
不是什么高明的策略，就是最笨的办法。但有时候最笨的办法就是最有效的办法
他说的是手动把GLM和Z.ai这两个品牌一个个地送到可能关注它的人面前
没有什么增长黑客，没有什么病毒式传播
就是凌晨4点还在回复陌生人的提问
他还说了另一句话：真诚是必杀技
很多人问怎么做成这些事，他的回答是：在别人需要你的时候，你在那里就行
听起来简单，但做过就知道不简单
尤其是做副业的时候
时间被主业和生活压缩，每一个小时都要计较
你很难保证在别人需要你的时候，你在那里
但这可能就是区别所在
Side Project的逆袭？
智谱的故事很容易被写成Side Project逆袭的叙事
但如果你认真看那篇回顾，你会发现这不是什么逆袭，这是漫长的积累
2020年，他们就提出了GLM架构
2022年，成果登上ACL
2023年，ChatGLM系列发布
2024年，全球品牌收束，从碎片化走向统一
2025年，GLM-4.5/4.6/4.7相继发布，代码能力做到全球第一
2026年，上市
六年
那些突然冒出来的成功，背后都是无数个不被看见的夜晚
为什么我想写这篇文章
我自己也在做副业，做个人IP
也是摸着石头过河
什么都要自己学，什么都要自己干，还要自己想
有时候投入太多时间，主业和生活都被压缩了
我也问过自己：为什么还在做
答案是：我想看看自己的上限在哪里
做一人公司，相当于零成本创业
付出的只是时间
如果连这个都做不了，真的用钱去创业，成功率可能更低
所以当我看到智谱这个故事的时候，我最大的感受是：
原来能上市的公司，也会经历和我们普通人一样的事情
也会从2000粉丝起步，也会日收入不到$5 ，也会凌晨4点还在回复陌生人的问题
区别在于，他们没有放弃，不断调整，然后在机会来的时候抓住了
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。