当智谱等头部大模型企业相继启动IPO进程，大模型行业正从技术狂热转向商业化深度审视。这场始于技术突破的浪潮，在2025年迎来关键转折——资本市场不再仅关注模型参数规模，而是以更严苛的尺度衡量企业的可持续商业模式与长期价值。开源与闭源的路线之争，成为检验行业成熟度的试金石。
智谱董事长刘德兵在接受专访时直言："开源与商业化并非零和博弈。"他以行业生态视角解释，短期闭源或许能带来直接收益，但长期来看，开源是培育市场的关键。当AI成为未来百年的基础设施，只有降低使用门槛才能激发产业创新活力。"我们开源后商业收入不降反升，因为技术普及减少了与客户的沟通成本。"刘德兵透露，某能源企业原本对模型效果存疑，在开源社区验证技术后，合作推进速度提升三倍。
面对行业从"参数竞赛"转向"性价比竞争"的质疑，智谱选择双线并进。一方面持续投入万亿参数大模型研发，将其作为技术锚点；另一方面推出10B级小参数模型GLM-4.1V-Thinking。"大模型像登山队，必须有人尝试登顶，才能知道技术极限在哪里。"刘德兵比喻道，"当万亿模型达到98分性能时，我们就能判断90分的小模型是否具备商用价值。"这种"锚点+优化"的策略，使智谱在保持技术领先的同时，将模型推理成本降低60%。
在应用落地层面，刘德兵承认当前进展未达公众预期。"能源、制造等领域的深度应用需要模型企业与行业专家共同攻克。"他透露，某汽车厂商与智谱合作开发的质量检测系统，通过将视觉模型与产线数据融合，使缺陷识别准确率提升至99.7%，但此类项目从需求对接到落地平均需要18个月。"龙头企业更愿意以成熟场景为切入点，逐步构建AI基础设施。"
对于AGI（通用人工智能）发展路径，刘德兵指出L3（自我学习）向L4（自我认知）跨越的关键在于模型参数的自调整能力。"现有模型像学生背公式，纠正错误仅针对当前场景。"他解释道，"真正的自学习需要模型像人类一样修正底层认知逻辑，这涉及参数数值的动态优化。"智谱研发团队正在尝试通过强化学习框架，使模型在交互中持续优化决策路径，但当前实验显示，参数调整仍存在15%的崩溃风险。
在资本市场关注点转移的背景下，刘德兵将IPO视为行业成熟的标志。"这标志着市场开始用商业逻辑重新评估技术价值。"他强调，智谱始终将技术突破与商业转化紧密结合，例如将语音识别模型的准确率提升与呼叫中心降本增效直接关联。据财务数据显示，其企业服务板块收入同比增长240%，其中60%客户来自开源社区转化。
面对"AI六小虎"格局分化，刘德兵认为这是行业自然选择的结果。"基础模型研发需要持续投入，这决定了市场最终会向具备技术定力的企业集中。"他透露，智谱每年将营收的35%投入研发，在多模态理解、自主决策等方向已布局200余项专利。对于2026年，刘德兵预测智能体技术将取得突破性进展，"当模型能自主调用工具并修正行为时，AI应用将真正进入爆发期"。
