Zhipu berlari kencang sambil kehilangan darah

Tanya AI · Investasi R&D Zhipu Melampaui Pendapatan, Bisakah Model Ini Bertahan?

Diproduksi oleh | Tim Teknologi HuXiu

Penulis | Song Si Hang

Editor | Miao Zhengqing

Gambar sampul | Visual China

Jika ada sebuah bisnis yang “setiap menghasilkan 1 yuan pendapatan, harus menginvestasikan 4,4 yuan biaya R&D”, apakah itu bisnis yang bagus?

Zhipu AI (selanjutnya disebut “Zhipu”), yang merupakan saham perdana model besar pertama di dunia, mencoba menjawab pertanyaan ini. Pada 31 Maret 2026, Zhipu merilis kinerja sepanjang tahun 2025, yang juga merupakan laporan keuangan pertamanya setelah resmi go public.

Laporan keuangan menunjukkan bahwa pada tahun 2025, Zhipu mencapai total pendapatan sebesar 724 juta yuan RMB, naik 131,9%; biaya penjualan, naik 213,3% menjadi 427 juta yuan. Dengan kinerja pendapatan dan biaya seperti itu, margin kotor Zhipu meningkat 68,7% year-on-year menjadi 297 juta yuan, dan margin kotor terintegrasinya juga mencapai 41% sepanjang tahun. Sementara itu, untuk MiniMax yang sama-sama merupakan perusahaan model besar yang sudah tercatat, margin laba kotornya sudah jauh lebih tinggi daripada MiniMax, yang sebesar 25,4%.

Jika dilihat dari komposisi pendapatan, di balik margin kotor 41% terdapat tren yang terbelah: margin laba kotor bisnis deployment lokal turun dari 66,0% pada 2024 menjadi 48,8% pada 2025, sementara margin laba kotor bisnis deployment cloud naik dari 3,3% pada 2024 menjadi 18,9% pada 2025. (Catatan HuXiu: bisnis deployment lokal berarti model besar dijalankan secara lokal; bisnis deployment cloud berarti platform terbuka dan API). Dari hal ini, Zhipu telah membuktikan secara cukup bahwa ruang profitnya memang ada.

Namun, perusahaan ini tetap mengalami kerugian.

Dipengaruhi oleh biaya R&D sebesar 3,18 miliar yuan pada periode yang sama, kerugian bersih setelah penyesuaian Zhipu mencapai 3,182 miliar yuan, dengan besar kerugian naik 29,1% year-on-year. Kerugian pada periode yang sama setara dengan 4,39 kali total pendapatan Zhipu, bahkan 10,7 kali margin kotornya. Perlu dicatat bahwa kerugian terutama berasal dari belanja riset dan pengembangan. Menurut laporan keuangan, biaya R&D Zhipu pada 2025 adalah 3,184 miliar yuan, naik 44,9%; sedangkan belanja modal (capital expenditure) pada 2025 sebesar 74,70 juta yuan.

Laporan keuangan menjelaskan bahwa pertumbuhan biaya R&D terutama bersumber dari:

(1) biaya karyawan meningkat, termasuk peningkatan tim R&D serta meningkatnya biaya pembayaran berbasis saham (share-based payments);

(2) biaya layanan komputasi yang dibayarkan kepada penyedia komputasi pihak ketiga, termasuk biaya untuk mengiterasi model dan berinvestasi pada infrastruktur pelatihan model yang lebih maju.

Namun perlu disebutkan bahwa biaya komputasi yang digunakan untuk pelatihan model besar tidak dimasukkan ke dalam biaya R&D, melainkan dicatat secara terpisah sebagai belanja modal dalam bentuk sewa komputasi. Dalam konteks Zhipu, biaya komputasi pada pelatihan model besar (yang berarti biaya memanggil GPU penyedia komputasi berdasarkan durasi pelatihan) adalah belanja yang fleksibel dan masuk ke biaya R&D; sementara mengunci sumber daya GPU, serta berkontrak jangka panjang dengan pemasok tertentu, dihitung sebagai belanja modal.

Dibandingkan MiniMax, skala keseluruhan Zhipu lebih besar. Ini terutama disebabkan perbedaan dalam komposisi bisnis dan struktur organisasi kedua perusahaan. Sebagai contoh, jumlah personel Zhipu adalah dua kali MiniMax, dan ini sekaligus membuat biaya R&D yang dikeluarkan Zhipu lebih tinggi, sehingga kerugiannya pun lebih berat; sedangkan yang belakangan memiliki produktivitas tenaga kerja (human efficiency / lebih efektif per orang) yang lebih tinggi.

Hal yang patut diperhatikan dalam laporan keuangan ini adalah, sama seperti MiniMax, Zhipu juga merasakan “bonus lobster”.

Mulai kuartal I 2026, pertumbuhan kinerja Zhipu terutama bergantung pada AutoClaw yang diluncurkan pada bulan Maret, yaitu “deployment lobster” satu klik.

Menurut CEO Zhipu, Zhang Peng, pada kuartal I harga (pricing) panggilan API Zhipu naik 83%. Namun ia juga tepat bertemu dengan momen ledakan permintaan. Saat itu, popularitas lobster sudah bertahan selama satu bulan. Setelah kenaikan harga pada paruh bulan berikutnya, Zhipu mulai melakukan deployment lobster. Jadi meskipun terjadi kenaikan harga, volume pemanggilan model GLM Zhipu tetap tumbuh 400%. Berdasarkan laporan keuangan, dua hari setelah rencana tersebut diluncurkan, jumlah pengguna berlangganan sudah menembus 100.000; setelah 20 hari, pengguna berlangganan menembus 400.000.

Sebagai respons, yang terlihat adalah indikator kemampuan menghasilkan laba, yaitu platform MaaS yang menjadi fokus utama Zhipu. Diketahui, platform API MaaS mencapai ARR sebesar 1,7 miliar yuan (sekitar 250 juta USD), naik 60 kali year-on-year.

Artinya, laporan keuangan Zhipu ini sebenarnya membuktikan di satu sisi ruang profitnya, sementara di sisi lain, kerugian itu belum berhenti.

Logika pertumbuhan Zhipu berubah, tetapi belum direstrukturkan ulang

Jika dilihat dari struktur pendapatan secara keseluruhan, variabel paling penting dalam laporan keuangan ini sebenarnya bukanlah total pendapatan itu sendiri, melainkan sumber pendapatan. Dengan membedah perubahan-perubahan kecil dalam sumber pendapatan, kita bisa mengintip logika pertumbuhan baru Zhipu, serta keberlanjutannya.

Jika dibuka, fokus pertumbuhan Zhipu sudah mulai bergeser ke deployment cloud, yaitu MaaS. Bagian bisnis ini sebesar 26,3%, sedangkan pada 2024, deployment cloud hanya menyumbang 15,5% dari total pendapatan. Dan setelah laporan keuangan ini dipublikasikan, Zhipu juga menyatakan bahwa perusahaan akan terus memfokuskan prioritas strategis pada MaaS.

Namun meskipun secara angka proporsi deployment cloud meningkat secara signifikan, ada beberapa variabel yang sangat penting di dalamnya.

Pertama, pendorong utama berasal dari API. Dengan kata lain, pertumbuhan Zhipu pada putaran kali ini pada dasarnya adalah pertumbuhan volume panggilan.

Di antaranya, lobster (OpenClaw) adalah variabel yang paling langsung. Seiring Agent mulai mengeksekusi tugas secara otomatis, satu kebutuhan biasanya sesuai dengan banyak putaran pemanggilan. Konsumsi Token pun diperbesar berkali-kali, sehingga volume panggilan API ikut meningkat.

Kedua adalah sumber pendapatan utama MaaS. Dalam laporan keuangan disebutkan bahwa dari sepuluh perusahaan internet, sembilan di antaranya telah mengintegrasikan model Zhipu.

Ada perubahan yang perlu diperhatikan: sebagian besar perusahaan internet ini pada dasarnya memiliki model besar mereka sendiri, tetapi mereka tidak sepenuhnya bergantung pada model milik sendiri. Mereka akan memanggil model berbeda sesuai kebutuhan bisnis yang berbeda. Artinya, meskipun dalam jangka pendek mereka memiliki model besar yang dikembangkan sendiri, mereka tetap akan memilih Zhipu pada skenario tertentu. Tentu saja, ini tidak berarti bahwa sembilan raksasa internet tersebut akan memilih strategi ini dalam jangka panjang.

Dan volume panggilan dari perusahaan-perusahaan ini pada dasarnya menyumbang setengah dari pendapatan MaaS Zhipu. Artinya, jika Zhipu kehilangan salah satu saja dari klien tersebut, akan memberi pukulan besar pada bisnis MaaS yang ada saat ini.

Ketiga, pertumbuhan MaaS juga berasal dari “ekspor Token” ke luar negeri. Dalam setahun terakhir, Zhipu telah bekerja sama dengan beberapa negara Timur Tengah dan Asia Tenggara, mengekspor kemampuan model ke wilayah lokal. Pada dasarnya, ini juga menghasilkan pendapatan dalam bentuk panggilan Token.

Secara keseluruhan, sinyal yang jelas yang dirilis oleh laporan keuangan ini adalah: Zhipu sedang mengubah narasi pertumbuhan dari fokus deployment lokal menjadi menjual model, yaitu menjual Token.

Namun dari hasilnya, meskipun pendapatan utama Zhipu saat ini masih bergantung pada deployment lokal, model MaaS telah menunjukkan tren pertumbuhan yang berkelanjutan.

Di atas dasar itu, Zhipu juga mengemukakan konsep baru: TAC (Token Architecture Capability, kemampuan arsitektur Token).

Menurut definisinya, TAC terdiri dari tiga bagian: panggilan cerdas (smart calling volume), kualitas cerdas (smart quality), dan efisiensi konversi ekonomi. Sederhananya, ini berarti berapa banyak Token yang dipanggil, apakah panggilan tersebut efektif, dan apakah pada akhirnya bisa dikonversi menjadi pendapatan.

Menurut penulis, setelah kejadian “lobster”, di industri mulai terbentuk konsensus tentang Token: ketika model besar memiliki kemampuan eksekusi tugas jarak jauh, pemanggilan tidak lagi sekadar input-output sekali jalan, melainkan diorganisasi menjadi sistem yang berjalan terus-menerus.

Jadi, di balik satu tugas, sering kali ada banyak putaran pemanggilan, pemanggilan tool, bahkan verifikasi mandiri. Token tidak lagi hanya “dikonsumsi”, tetapi “diorkestrasi”—yaitu pengguna akan menentukan bagaimana mereka mengorganisasi pemanggilan model besar.

Dan alasan TAC diajukan pada titik waktu ini juga tidak sulit dipahami.

Dalam dua tahun terakhir, kompetisi industri model besar terutama berputar pada ukuran parameter, kemampuan model, dan harga; tetapi ketika perang harga mendekati akhir dan kemampuan model semakin menyatu (konvergen), aplikasi berbasis Agent mulai meledak. Indikator-indikator tersebut semakin sulit menjelaskan perbedaan pertumbuhan perusahaan.

Dalam konteks seperti ini, Zhipu membutuhkan sistem metrik baru untuk menjawab pertanyaan yang lebih realistis: ketika kemampuan model tidak jauh berbeda, pertumbuhan datang dari mana?

“jebakan biaya” Zhipu

Jika mengubah perspektif dari Zhipu ke seluruh industri, akan terlihat bahwa model bisnis model besar sudah mulai konvergen.

Selain Step Function / Xingchen (Beyond Step) (selain perusahaan lainnya), ketiga perusahaan basis (foundation model) lainnya, pendapatan intinya mengarah ke panggilan API.

Baik Zhipu, MiniMax, maupun Bulan Tengah Malam (Moonless Dark Side), semuanya menuju jalur penggunaan MaaS untuk menampung pertumbuhan. Namun setidaknya bagi Zhipu, jalur ini tidak ada sejak awal.

Ambil contoh Zhipu: pada masa awal bisnisnya, porsi ToG dan deployment privat sangat tinggi, dengan karakteristik proyek yang jelas. Sampai menjelang go public, kira-kira setengah tahun sebelumnya, untuk membuat model bisnis lebih berkelanjutan dan memberi ruang imajinasi skala, Zhipu baru mulai mengubah diri secara jelas ke MaaS, mengalihkan fokus pertumbuhan ke panggilan API berbasis cloud.

Dari hasilnya, transformasi ini memang membawa perubahan: porsi MaaS meningkat, Token menjadi indikator inti, dan struktur pendapatan mulai mendekati model berbasis platform.

Namun, berdasarkan arsitektur Zhipu yang ada, struktur dengan deployment lokal lebih besar daripada deployment cloud sangat sulit diubah dalam waktu singkat.

Saat ini, pertumbuhan MaaS masih sangat bergantung pada beberapa pelanggan besar.

Laporan keuangan menunjukkan bahwa dalam pendapatan API Zhipu, sebagian besar berasal dari raksasa internet. Walaupun perusahaan-perusahaan ini memiliki model yang mereka kembangkan sendiri, dalam bisnis spesifik mereka akan memilih untuk memanggil kemampuan model dari pihak luar. Pola “pemanggilan multi-model” ini memang menyediakan permintaan yang stabil bagi MaaS. Namun masalahnya adalah, ini tidak sama dengan pertumbuhan skala yang benar-benar masif.

Di satu sisi, pelanggan teratas menyumbang sebagian besar volume panggilan; di sisi lain, pasar ekor panjang (long tail market) belum dibuka secara nyata. Dengan kata lain, bentuk platform MaaS sudah muncul, tetapi belum membangun skala platform.

Dan ini juga mengarah pada masalah yang lebih inti: biaya per Token dan struktur pendapatan.

Laporan keuangan menunjukkan bahwa pada 2025, Zhipu mengalami kerugian total 4,718 miliar yuan, naik 59,5%; di antaranya pengeluaran R&D sebesar 3,18 miliar yuan, naik 44,9%; belanja modal 74,70 juta yuan, turun sekitar 83,8% year-on-year. Yang pertama mencakup biaya pelatihan model dan biaya karyawan, sedangkan yang kedua berasal dari biaya seperti sewa komputasi. Pada 2025, Zhipu menyesuaikan cara pengadaan komputasi: dari yang sebelumnya relatif tetap untuk sewa komputasi, menjadi kombinasi antara sewa komputasi dan pengadaan layanan. Maka belanja modal pun turun secara signifikan.

Lalu, jika pertumbuhan MaaS digabungkan dengan dua set data di atas, dapat diamati rantai logika yang sangat langsung:

Agar perusahaan bisa mendorong pertumbuhan MaaS, ia harus bergantung pada kemampuan model; sementara peningkatan kemampuan model membutuhkan peningkatan berkelanjutan pada investasi R&D. Namun masalahnya adalah biaya R&D dan biaya komputasi tidak akan turun secara alami hanya karena skala panggilan meningkat.

Dengan kata lain, prasyarat pertumbuhan pendapatan itu sendiri sedang mendorong peningkatan biaya.

Hal ini juga membuat perusahaan model besar terjebak dalam semacam dilema struktural: untuk memperoleh lebih banyak panggilan, mereka harus terus meningkatkan kemampuan model; tetapi untuk meningkatkan kemampuan model, mereka harus terus menambah investasi.

Akibatnya, situasinya seperti sekarang: semakin cepat pertumbuhan, semakin besar tekanan biaya.

Dari perspektif ini, masalahnya tidak lagi hanya pada satu perusahaan seperti Zhipu, melainkan keterbatasan bersama yang sedang dihadapi oleh seluruh industri model besar.

Selama masalah ini belum diselesaikan, MaaS bisa membawa pertumbuhan, tetapi sulit menghasilkan profit.

Mengapa Zhipu ingin menargetkan untuk menjadi setara dengan Anthropic?

Pada konferensi telepon rilis kinerja tahunan Zhipu malam 31 Maret, CEO Zhipu, Zhang Peng, sebelum memaparkan kinerja, secara khusus menyebut perusahaan unicorn AI Amerika, Anthropic. Perusahaan itu ARR naik dari 1 miliar USD pada akhir 2024 menjadi 9 miliar USD pada akhir 2025.

Sebenarnya, hampir semua perusahaan model besar papan atas berusaha mengikuti jejak di Amerika.

Di antaranya, Moonless Dark Side menargetkan OpenAI, menempuh jalur “kemampuan model + produk + langganan”. Sedangkan Zhipu dan MiniMax berupaya mendekati model Anthropic, yaitu menekankan kemampuan foundation model, menghasilkan “inference compute” melalui API, lalu membangun ekosistem developer.

Namun apa pun jalur yang dipilih, pada dasarnya semuanya adalah menjadikan model sebagai infrastruktur dasar, lalu mewujudkan pendapatan berskala melalui pemanggilan.

Saat ini, jalur ini di Amerika sudah terverifikasi secara awal. Baik OpenAI maupun Anthropic bisa membuktikan bahwa ketika kemampuan model cukup kuat, ekosistem developer dapat membentuk umpan balik positif. Tetapi masalahnya, di Tiongkok, jalur ini sulit untuk ditiru.

Pertama, perbedaan sistem harga.

Di pasar Amerika, pelanggan perusahaan dan developer lebih bersedia membayar kemampuan; kemampuan model bisa diterjemahkan menjadi premi (premium). Namun di Tiongkok, harga sejak awal langsung ditekan dengan cepat. Setelah dua tahun perang harga, Token baru perlahan berkembang menjadi “sumber daya dasar”.

Kedua, perbedaan struktur permintaan.

Ekosistem model besar di Amerika lebih bergantung pada permintaan long-tail developer; sedangkan di Tiongkok, pemanggilan lebih banyak terpusat pada pelanggan teratas, seperti raksasa internet dan pelanggan pemerintah/swasta (政企). Dalam struktur seperti ini, MaaS lebih mirip pembelian terkonsentrasi, bukan didorong oleh ekosistem developer.

Ketiga, perbedaan biaya dan ketersediaan. Suplai komputasi, struktur chip, dan lingkungan biaya keseluruhan membuat biaya perusahaan model dalam negeri lebih sulit turun seiring dengan skala.

Dari sudut pandang ini, kesulitan Zhipu menjadi lebih mudah dipahami.

Jika meninjau kembali jalur perkembangan internet dan cloud computing, profit pada lapisan infrastruktur biasanya dibangun setelah lapisan aplikasi meledak.

Demikian juga, ini berarti pada tahap saat ini, baik Zhipu maupun perusahaan model besar lainnya perlu menunggu skenario aplikasi yang teruji secara berkelanjutan. Setelah itu, barulah kemungkinan efek skala bisa muncul.