上市捷报丨沙利文助力北京智谱华章科技股份有限公司成功赴港上市（2513.HK）

北京智谱华章科技股份有限公司（以下简称“智谱华章”或“公司”）于2026年1月8日成功上市，公司以每股116.2港元的价格发行3,741.95万股H股，募集资金净额约为41.7亿港元。

在本次赴港上市过程中，沙利文公司主要承担以下任务：帮助发行人准确客观地认识其在目标市场中的定位，用客观的市场数据发掘、支撑和凸显发行人的竞争优势，配合发行人、投行以及其他中介完成招股书相关部分（如概览、竞争优势与战略、行业概览、业务等重要章节）的撰写，协助发行人完成与联交所和投资者的沟通，帮助投资者快速的理解市场生态和竞争格局，辅助发行人完成联交所关于行业方面的各种问题的反馈等。

沙利文一直是助力企业赴港上市的领导者。根据LiveReport大数据，2025年1-12月，以及过去36个月的统计期间，弗若斯特沙利文分别为83家（市占率72%），180家（市占率71%）港股IPO提供了上市行业顾问服务，按数量计排名第一，拥有丰富的行业经验沉淀以及与监管机构、交易所、投融资机构以及各相关机构的沟通经验。

• 以2024年收入计，公司是中国最大的独立大语言模型厂商及第二大的大语言模型厂商；

   

• 公司于2021年发布了中国首个专有预训练大模型框架GLM框架，并于2022年开源了首个1,000亿规模的模型（GLM-130B）；

   

• 根据2025年7月进行的12项业界标准基准测试的评估结果，GLM-4.5在全球排名第三、在中国跃居第一及全球开源模型位居榜首。于首发后仅48小时内，GLM-4.5便在Hugging Face（全球最大开源模型平台）的热门榜上跃居全球榜首；

   

• AutoGLM在AgentBench （斯坦福大学《2024年AI指数》报告认证的智能体AI基准）中实现SOTA性能；

   

• CogVideoX实现了顶级性能，在全面的SuperCLUE-I2V基准测试中名列前茅；

   

• GLM-4V是中国首个开源双语多模态对话模型；

   

• GLM-4-Voice是中国首个端到端超拟人语音模型，进一步巩固了公司全面的多模态领导地位，展示了其在所有主要模态方面的开创性能力；

   

• CogView-4是首个支持汉字生成的开源文生图模型。其还在DPG-Bench基准测试综合评分中位列第一，于开源文生图模型中实现SOTA性能；

   

• GLM4-Plus（GLM-4系列的最新模型），其在多项基准测试中达到SOTA性能，且在长视频处理与细微动作理解方面显著优于可比模型。

第四次工业革命代表了一场全球范围内发生的深刻技术变革，其特点是物理、数字和生物世界的融合。与前三次工业革命（以蒸汽机、电力及计算机和互联网为动力）不同，第四次工业革命的变革速度更快、范围更广、对社会和经济的影响也更加深远。人工智能是此次工业革命最关键的驱动力和决定性因素之一，在赋能其他数字技术、实现智能化和自动化、创造新的商业模式和产业、物理与数字世界融合方面扮演了不可替代的角色。

人工智能是计算机科学的重要分支，指通过模拟和延伸人类的智能，使机器具备感知、理解、推理、学习和自主决策等能力（该等能力可让机器在无需人工干预的情况下完成复杂任务）的技术。人工智能的发展正在深刻地改变着经济增长、企业运行及人类生活。预计至2030年，人工智能将赋能全球至少20%的日常商业决策，为全球至少80%的消费者主流智能设备提供支持，创造逾20万亿美元的AI影响的经济。

算力、算法及数据是推动人工智能市场增长的关键驱动因素：

• 算力。算力是AI模型训练和推理的基础，是实现人工智能技术规模化和商业化应用的前提。随着模型越来越复杂、模型参数规模呈指数级增长，对计算资源的需求也不断上升。

   

• 算法。算法是赋能人工智能模仿（甚至超越）人类智能所必需的构建模块。算法的优化与创新，直接影响人工智能的学习效率、综合能力和适应性。从早期所使用的较为简单的算法（如决策树、支持向量机等）到现如今先进的方法（如深度神经网络、基于变换器的算法架构等），算法的演进已推动多模态交互及代理式任务执行等领域实现突破。优异的算法不仅提升模型表现，也能够大幅降低对算力的依赖，从而提高人工智能应用的可行性和经济性。

   

• 数据。数据是训练和持续优化人工智能模型的基本要素。人工智能能力的提升依赖大量高质量数据的输入。通过对数据的深度挖掘与模式识别，AI模型逐步提升其感知、理解和决策任务的能力。因此，数据的规模、质量和多样性直接决定了AI系统的学习效果与智能水平。

中国人工智能市场规模由2022年的人民币937亿元增至2024年的人民币1,607亿元，自2022年至2024年的复合年增长率为31.0%；且估计于2030年，中国人工智能市场规模将进一步增至人民币9,930亿元，2024年至2030年的复合年增长率为35.5%。

资料来源：沙利文分析

人工智能正处于从狭义人工智能(Artificial Narrow Intelligence, ANI)（其仅限于特定任务）迈向通用人工智能(Artificial General Intelligence, AGI)（其指一种复杂的人工智能水平，其于所有认知任务中与人类能力相匹配甚至超越人类能力）的过渡阶段。大语言模型作为这一转变的核心，正日益成为驱动人工智能发展新时代的关键要素。凭借参数规模、语义理解、多模态融合与自我进化能力的持续跃升，大语言模型已打破了传统判别式AI应用场景割裂的侷限。其初步展现出向通用智能逼近的技术潜力。

按照大语言模型所具备的能力，其能力可分为五个等级：

• 预训练阶段。该等模型能够理解、书写和说自然语言，具备基本的语言交流能力，如文字对话等，代表了早期的语言智能形态。

   

• 对齐及推理阶段。该等模型具备多模态理解与输出能力，与人类意图对齐，并进一步发展为推理及规划。这可增强安全性，减少幻觉，并将对齐功能自文本扩展至图像、视频、音频及动作。

   

• 自主学习阶段。该等模型能够使用工具，并可通过调用外部资源（如API、标准软件或物理设备）来解决现实世界问题，能够通过自我批评、自我反省及沉思规划与执行多步骤任务，标志着AI从封闭式模型向开放式生态系统协作的转变。

   

• 自我认知阶段。该等模型独立于人类的监督运行，通过观察及解读自身行为形成自主的态度及模拟情绪。

   

• 意识智能阶段。该等模型对其内部过程及外部环境都有一定的认知，能够探索科学规律并解决哲学命题。该等模型展现出系统性思维与组织能力，可能会将其自身融入复杂的社会结构或发展自我组织系统。

以收入计，2024年中国大语言模型市场规模已达到人民币53亿元，其中企业级客户贡献人民币47亿元，企业级客户仍将是市场增长的核心驱动力，估计到2030年中国企业级大语言模型市场规模将达到人民币904亿元，2024年至2030年的复合年增长率为63.7%。

资料来源：沙利文分析

其中，以收入计，2024年中国企业级大语言模型市场规模达到人民币47亿元。其中云端部署市场规模为人民币9亿元，本地化部署市场规模为人民币38亿元。

资料来源：沙利文分析

●显着降低企业接入大语言模型的门槛与成本，推动企业对云端部署的需求

云端部署基于云以API形式提供“即开即用”的服务，企业无需关心底层模型结构、算力管理或维护问题，云端部署以按需调用、按量计费方式，大幅降低了初期投入与运营成本。例如，如果企业选择非云端部署，单个H100 GPU的成本约为25,000美元。对于需要在单一系统中配置多个GPU的企业而言，相关开支可能相当高昂，对中小型企业尤为如此。云端部署通过采用按需付费的运营支出模式，减少或消除购买GPU等大额资本支出的需求，从而避免前期大额硬件投入。云端部署通过标准化服务和分层定价机制，使得中小企业和创新团队也能以较低门槛获取高质量的大语言模型能力。云端部署的普惠化特点，有助于AI技术从大型企业专属工具转变为各类企业通用基础设施，加速了整个产业智能化的转型。

●云端部署的敏捷特点也推动了需求增长

在快速变化和高度竞争的行业环境下，企业越来越需要灵活、可扩展的AI能力。云端部署通过云提供标准化接口，企业可以在数小时内完成模型接入，实现从试用到部署的快速转化。“弹性供给和快速交付”模式使企业能实现快速且灵活地试错和实施解决方案。相较而言，本地化部署可能因内部基础设施建设进度而推进较缓，其可扩展性亦可能受所购硬件容量限制。

●强大且快速迭代的技术能力

领先云端大语言模型厂商通常投入大量算力、训练数据及工程资源，用于训练专有大语言模型，从而赋予其强大的泛化能力与可靠性。该等模型由专门团队持续进行微调与优化，并通过云推送更新。这种快速迭代确保了企业始终能获得最先进的人工智能能力，是多数本地化部署的大模型方案所难以实现的。

●领先市场参与者市场占有率有望进一步提升

随着云端解决方案市场的发展步入成熟阶段，领先参与者在模型性能、生态发展、客户资源及服务交付等方面的领先优势正在逐步巩固。领先参与者凭借其规模化交付能力和专业技术积累，能够构建全周期商业模式与多样化变现策略。鉴于云端解决方案的服务依赖性和高客户忠诚度，市场领先者亦更有可能留住并扩大其用户基础。随着企业日益重视模型效果稳定性、服务可靠性及持续优化，小型参与者在算力资源、产品成熟度及专有领域定制化方面面临挑战。这有可能导致市场集中度进一步提升。

●多模态融合

多模态融合正逐渐成为关键方向。企业如今不再满足于单一的文本处理和生成，而是寻求能够处理和生成视觉、听觉及运动数据的模型。例如，制造业企业需要模型能够对生产线上的图像和视频数据进行分析，以实现质量检测和故障检查。金融行业则希望通过多模态数据融合，提升风险评估的准确性和客户交互体验。未来，大语言模型将从单纯的文本处理拓展到图像识别、视频分析、3D建模等多种应用场景，形成更全面的人工智能解决方案，为企业提供更好的决策支持。

●对安全可控的人工智能能力的需求

对于拥有核心任务系统的企业，本地化部署可以减少对外部网络的依赖，并最大限度地减少因连接问题或云服务故障带来的服务中断风险。企业可以自主控制系统架构和资源分配，提高系统的可靠性和响应速度。此外，由于数据隐私一直是企业部署大语言模型的首要关注点之一，本地化部署保持数据在内部基础设施中流转，有助于满足对数据安全、隐私保护和合规的严格要求，这对于尤其是金融、医疗及政务行业的机构而言至关重要，在该等行业，数据保护、自主权及直接运营控制的重要性远超云端部署所带来的优势。

●特定行业定制化的需求

大语言模型应用场景通常呈现高度专业化特征，涉及如智能客服、法律文件审查、金融分析及医疗诊断等领域。本地化部署使企业能够利用专有数据和特定领域的知识库对模型进行私有化训练和微调。这让模型能更好地与业务工作流程保持一致，并显着提升实际应用中的性能和价值。

●开源与商业化双轮驱动模式

开源和闭源模型将呈现共同发展、并驾齐驱的态势。开源模型由于其灵活性和可及性，将有可能对企业级客户仍具有吸引力。开源模型有助于降低创新成本，使企业级客户更易于开发定制化应用。开源模型的开放性也促进了技术的快速传播和协作创新，加速了模型的采用。与此同时，闭源模型由专业的技术团队开发和维护，能够提供更稳定高效的性能表现和更完善的支持服务。未来，开源模型将在驱动技术创新和培育社区协作方面发挥重要作用，而闭源模型则将在商业应用和企业服务方面发挥引领作用。这种双轮驱动发展的模式将为企业提供更广泛的选择，满足不同行业和场景下的多样化需求。

●大语言模型价值链的完善和生态构建

中国企业人工智能市场的快速发展离不开成熟价值链的支撑，从上游的数据采集与标注和算力资源基础设施，到中游的模型开发和算法优化，再到下游的特定行业应用和商业化。该生态系统正呈现出更加协同的趋势，价值链上日益紧密的合作伙伴关係将推动市场的可持续发展。

●通用底座与垂直生态并存

市场将形成通用底座与垂直生态并存的格局。通用模型（通常由科技巨头提供）将作为数字基础设施，为通用语义理解和生成提供标准化服务。同时，垂直领域将涌现出更多针对特定行业的模型和解决方案。例如，在医疗行业，大语言模型将与医疗影像、电子健康档案等数据结合，形成医疗垂直生态。在金融行业，大语言模型将专注于风险分析、投资决策等场景，构建金融生态。这种通用底座与垂直生态并存的格局将为企业提供更灵活的选择，既能利用通用模型的广泛能力，又能利用垂直解决方案的深度功能，推动市场朝着更加多元化和专业化的方向发展。

以2024年收入计，公司是中国最大的独立大语言模型厂商及第二大的大语言模型厂商。

资料来源：沙利文分析

●技术壁垒

领先厂商依託自主研发的大语言模型预训练框架，构建起具备广度与深度的综合多层次模型组合，该组合形成了涵盖从轻量化端侧模型到千亿参数旗舰模型的完整矩阵，支持文本生成、图像理解、代码生成、多模态交互、检索增强生成及视频合成等多种应用场景。该等覆盖多维任务能力的模型架构不仅满足了客户日益多样化的需求，也在迭代发展中不断提升模型的综合能力与训练效率。此外，领先企业还能基于客户实际反馈快速实现模型的定制化优化，在不断累积的场景数据和行业需求中反向强化底层技术演进，构建起训练成本低、模型性能强及应用适配性高的正反馈循环体系。从底层框架、模型设计到应用反馈的系统性协同能力，极大提高了新进入者複制与超越的技术难度，构成中国大语言模型市场的核心技术进入壁垒。

●灵活的商业模式及交付策略

企业客户在行业属性、数据敏感性、算力基础设施和预算规模等方面差异显着。因此，厂商能够提供灵活且可定制化的商业模式以及多样化的交付策略的能力，已成为决定其客户覆盖广度与市场渗透能力的关键要素。领先的大语言模型厂商通常提供按需调用、订阅付费及一次性部署选择等多种商业模式，以满足从中小企业到大型企业的多层次客户需求。

●生态建设能力

构建大规模且深度整合的生态体系已成为领先厂商打造可持续竞争力的重要壁垒。头部企业已建立涵盖开发者社区、硬件伙伴、行业客户及公共领域用户的综合性生态网络，不仅扩大了模型能力的应用范围，提升了部署效率，也显着提高了新进入者的门槛。在开发者生态方面，部分厂商率先推行开源策略，通过模型持续迭代与构建活跃社区，积累了庞大的开发者基础，扩大了模型技术的触达面。上游方面，领先厂商与主流算力芯片厂商开展紧密协作，实现了多硬件平台的高效适配，优化了模型推理与训练性能。下游则通过与金融、医疗、政务及制造业等行业的独立软件厂商和重点客户的合作，共同开发智能化解决方案，推动实际应用的落地。这种贯通开源社区、软硬协同及行业应用的“多向拓展和闭环反馈”生态模式，不仅加快了技术优化与产品迭代，也实现了资源、能力与客户的深度融合，构筑起难以複制的独特生态壁垒。

●人才壁垒

中国大语言模型市场对人才的需求旺盛，尤其是具备深厚技术背景和丰富经验的专家。行业领先参与者已吸引了顶尖人才并构建了强大的技术团队，而新进入者在获取专业技能人才方面面临激烈竞争。