IDEA接入智谱GLM-4.7及其配置
2026/1/12 17:24:26
智谱AI作为中国"全球大模型第一股"，由清华大学知识工程实验室转化而来，凭借GLM系列模型的技术优势，获得多元资本支持。公司采用MaaS模式，本地化部署与云端部署双轮驱动，呈现高增长态势。其"清华基因+全栈自研+广泛B端落地"的商业模式受到资本市场青睐，但同时也面临AI产业重资产军备竞赛的风险。
2026年1月，智谱正式在港交所挂牌，“全球大模型第一股”、“第一家被美国列入实体清单的中国大模型企业”是这家公司最被提及的标签。
（图片来源：智谱官网）
· 技术孵化与资本护航
智谱AI成立于2019年，由清华大学知识工程实验室（KEG）技术成果转化而来。智谱自研的GLM预训练框架采用自回归填空设计，形成差异化优势。其最新产品GLM-4.7在多项主流公开基准测试中取得开源模型中的领先表现，特别是在编码能力和复杂任务规划上表现突出。根据斯坦福大学报告，其GLM-4-9B模型在顶级模型中实现了最低的幻觉率之一（1.3%）。
智谱的资本版图兼具“明星创投+产业巨头+地方国资”的多元特征，是其核心资源与战略优势的重要组成部分。
融资历程与估值演进：自成立至上市前，公司完成了多轮密集融资，累计融资额估计超过160亿元人民币。至2025年5月最后一轮融资后，公司投后估值约为244亿元人民币。这一持续的资本输血为公司高强度研发和算力投入提供了保障。
多元化的股东阵营：
· 头部财务投资机构：包括红杉中国、高瓴资本、君联资本、启明创投等顶级VC/PE，提供了专业的资本和市场资源。
· 互联网与科技产业资本：美团、阿里巴巴、腾讯、小米、蚂蚁集团、金山等巨头不仅是财务投资者，更是潜在的战略协同者，为智谱的技术落地和生态构建打开了通道。
· 国家与地方资本：上市前引入了北京市人工智能产业投资基金及成都、杭州、珠海等地国资。在IPO阶段，公司进一步引入了由国资、险资、公募及私募基金组成的11家基石投资者，认购了近七成新股，体现了国家战略资本对核心AI企业的支持。
· 商业模式与上市表现
智谱采用MaaS（模型即服务）模式，收入结构呈现双轮驱动：
· 本地化部署业务：面向政企客户，提供私有化运行和定制服务，客单价高（2024年单客户年费超200万元），毛利率稳定（2025年上半年为59%），是当前收入主力（占比约85%）。
· 云端部署业务：通过API调用服务企业和开发者，扩展性强，是公司长期战略重点。其GLM系列模型在全球大模型平台OpenRouter上调用量居全球前10，付费API收入超过所有国产模型之和。
公司财务呈现“高增长、高投入、高亏损”，其研发投入强度极高，研发人员占比达74%，算力成本是主要支出。机构预计，2025-2027年公司收入将保持高速增长。
智谱在港股上市，认购阶段市场反应极为热烈，香港公开发售部分获得了约1159.5倍的超额认购，显示零售投资者热情高涨；国际发售部分也获得超额认购，显示机构投资者的认可。
以上市首日收盘价计算，公司上市首日市值达到约579亿港元。
资本市场对稀缺性AI技术龙头的追捧，智谱自身的“清华基因+全栈自研+广泛B端落地”模式被广大投资者看好。强劲的上市表现也为公司后续的融资活动和品牌形象奠定了积极基础。
· 成功经验与未来风险
智谱AI凭借顶尖的学术基因、全栈自研的技术实力、深厚的资本联盟以及成功的上市融资，已在中国大模型市场建立起全方位的竞争优势。其技术驱动+B/G端先行的路径，也许可以给当下的具身智能和人形机器人企业一些借鉴。
AI大模型的迭代进化远远超过以往任何一个行业生态，训练芯片的基建投入让AI产业走上了重资产军备竞赛的路径，路线的迭代又随时可能将基建的优势骤然归零，这也是华尔街资本始终惧怕Aides泡沫的底层逻辑。智谱首日上市的股价波折，也体现出资本市场对智谱未来成长的观望。
作为“全球大模型第一股”，智谱未来的表现，不仅关乎自身发展，也将为中国乃至全球AI技术公司的价值评估提供重要参照。
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。