Zhipu: Menghasilkan 700M, rugi 3.2B? Mimpi di atas, bicara kerugian "Pola kecil"

Satu kuartal, 6 kali lipat—dalam periode ini, ini benar-benar adalah “favorit” dana mutlak, saham “bintang” model—Zhipu juga sudah menyerahkan hasilnya. Dibandingkan dengan harga saham yang melonjak setinggi ini, kinerja semester kedua tahun 2025 tampak jauh lebih tenang, tapi apakah itu benar-benar penting?

Langsung sajikan menu utama:

1. Dari sisi pendapatan: ARR bisnis API Maret sebesar 250 juta dolar, sisanya urusan kecil!

Di antara beberapa vendor model independen di dalam negeri, $Zhipu (02513.HK) termasuk murni “model big model buatan dalam negeri”. Sumber daya talenta bersandar pada kampus-kampus, dan mayoritas pelanggannya adalah pelanggan kelas to B seperti pemerintah serta BUMN.

Penerapan lokal itu berat, penyerahannya juga berat. Selama ini, kekhawatiran pasar adalah keberlanjutan kesinambungan kontrak untuk proyek-proyek deployment on-premise, sehingga sebelum meledaknya Agent, pasar tidak bersedia memberi Zhipu premi valuasi yang besar.

1）Pendapatan melambat, tetapi bisnis platform terbuka justru terangkat: Total pendapatan tahun 2025 sebesar 720 juta dolar AS, naik hampir 132% YoY. Memang tetap melonjak kencang, tetapi dibandingkan pertumbuhan 160% di tahun sebelumnya, laju pertumbuhannya sedikit melambat.

Karena kinerja paruh pertama sudah dipublikasikan, kuncinya adalah menilai semester kedua secara terpisah: pendapatan 530 juta, YoY hanya naik 99%, tren perlambatan menjadi lebih jelas.

Dan penyebab utama perlambatan itu memang terbukti—kekhawatiran pasar sebelumnya: bisnis deployment on-premise menyumbang lebih dari 80% porsi pendapatan. Ketika memasuki semester kedua 2025, pertumbuhannya melambat menjadi 57%, hanya 370 juta, dan porsi pun turun menjadi 70%.

Sebaliknya, yang benar-benar membuat pasar sangat senang adalah pertumbuhan besar YoY untuk bisnis cloud deployment seperti API interface dan platform terbuka pada semester kedua: naik 430%, mencapai 160 juta. Volume bisnis API sepanjang tahun sebesar 190 juta, tidak jauh berbeda dengan MiniMax yang 180 juta. Dan dari kemiringan pertumbuhannya, pertumbuhan Zhipu sepanjang tahun mendekati 300%, lebih “meledak” dibanding MiniMax 200%.

Ini sebenarnya juga inti alasan pasar bersedia menaikkan valuasi untuk Zhipu: API interface model dan bisnis platform terbuka memang menunjukkan performa gross margin yang kurang bagus. Itu terjadi karena “pertempuran sengit” sebelumnya antar big model menyebabkan pricing terlalu agresif, sehingga bagian bisnis ini memiliki gross margin yang lebih lemah.

Namun, begitu pendapatan model yang bersifat standar dan ringan (light delivery) tersebut diskalakan hingga besar, daya khayalannya tak terbatas. Terutama pada saat perusahaan menaikkan harga secara beruntun untuk API interface dan bisnis sejenis pada bulan Februari, dengan kenaikan 83% dalam satu kuartal; maka pentingnya gross margin sebenarnya sudah tidak terlalu menjadi fokus utama.

Pertumbuhan pendapatan adalah indikator inti untuk menguji konsumsi Token dan seberapa digemarinya model: pada paruh kedua, ketika GLM 5 belum dirilis, pertumbuhan platform terbuka sedemikian kencang jelas menunjukkan bahwa model Zhipu benar-benar “bahan bakunya ada”.

Sejak Imlek tahun ini, Zhipu melakukan iterasi cepat model secara beruntun dalam tiga gelombang:

1）Pada 11 Februari dirilis GLM-5; saat dirilis, GLM-5 menempati peringkat sumber terbuka pertama dalam Artificial intelligence—smartness index.

2）Pada 15–16 Maret, hanya dalam waktu satu bulan—menargetkan agent kepiting lobster yang sedang meledak, meluncurkan model khusus GLM-5-Turbo. Fokusnya pada tool calling, eksekusi tugas multi-langkah, pemecahan instruksi yang kompleks, kerja sama multi-agent, dan workflow Agent lainnya.

3）Pada 27 Maret, GLM-5.1 yang menekankan bidang pemrograman sebagai versi fine-tuning pasca-pelatihan dari GLM-5 dibuka untuk semua pengguna Coding Plan.

Pada saat peluncuran model GLM-5, diumumkan langsung kenaikan harga big model—harga langganan dan harga API naik secara keseluruhan. Di mana harga API kembali naik lagi setelah peluncuran Turbo; dalam satu kuartal, kenaikan harga API sebesar 83%.

Dalam aplikasi, karena Openclaw meledak di Tiongkok namun pihak resmi meragukan keamanan data, Zhipu mengambil kesempatan meluncurkan versi pengganti buatan dalam negeri untuk OpenClaw—AutoClaw. Instalasi mudah, deploy satu klik, disertai paket kartu bulanan dengan 39/35M tokens, serta paket monthly 99 yuan untuk 100 juta tokens.

Ledakan Agent, meningkatnya penetrasi AI di bidang IT. Sejak bulan Februari, harga saham perusahaan naik 3,5 kali lipat. Inti di balik itu adalah perubahan pada logika penetapan harga dan model bisnis:

Dengan dukungan “model kelas teratas”, perusahaan telah beralih dari deployment on-premise berbasis proyek menjadi mode API interface cloud. Dan setelah kenaikan harga, perusahaan tetap menyatakan kapasitas komputasi belum cukup, yang mencerminkan realitas bahwa permintaan sangat mendesak dan langka.

2）Kemampuan mencakup pendapatan kuartal ini terhadap investasi pelatihan model generasi sebelumnya?

Karena model basis diperbarui per tahun, model yang dihasilkan dari investasi pelatihan selama satu tahun sebenarnya hanya punya masa pemakaian selama satu tahun. Dalam kondisi seperti itu, keekonomian model—sebagian—dapat dilihat melalui pendapatan langsung dan tidak langsung yang dihasilkan oleh model pada tahun yang sama, dibandingkan dengan nilai investasi pelatihan model pada tahun sebelumnya, untuk menilai keekonomian model.

Bagi Zhipu, pengeluaran pelatihan model dan biaya bagi personel R&D terutama berada pada biaya riset dan pengembangan (proporsi sekitar 70%). HaiDunzi langsung menilai menggunakan biaya R&D untuk melihat kemampuan pendapatan menutup investasi modelnya.

R&D Zhipu tahun 2024 sebesar 2,2 miliar; pendapatan 25 tahun sebesar 720 juta; hanya menutup 33% dari R&D tahun 24. R&D 2,2 miliar (juga ditulis 32 miliar pada teks berikut), dan R&D 25 tahun 3,2 miliar, pendapatan 26 tahun harus berlipat menjadi sekitar 1,4 miliar agar terlihat tingkat pengembalian R&D tahun 25 meningkat ke 45%, yang pada dasarnya sama dengan MiniMax.

Berdasarkan panggilan telepon perusahaan yang akan mengungkapkan, bisnis API cloud perusahaan, ARR (pendapatan tahunan/annualized dari pendapatan bulanan) bulan Maret sudah mencapai 250 juta dolar AS (17,5 miliar RMB), lebih baik dari perkiraan HaiDunzi.

Hal ini sangat penting. Mengingat pada tahun 25 perusahaan benar-benar mengeluarkan 3,2 miliar RMB, sehingga meskipun di tengah kondisi supply-demand yang ketat dan pendapatan belum bisa dipenuhi karena “no immediate need release”, pendapatan tahunan sudah mampu menutup 55% dari belanja R&D tahun 25. Model setidaknya sudah berada di jalur komersial yang bergerak stabil ke arah positif.

Sebagai perbandingan, di antara perusahaan sejenis China yang telah mengumumkan ARR, rekan industri yang fokus pada model video priced tinggi seperti KeLing (Keling) ARR pada bulan Januari melewati 300 juta dolar AS. Namun karena kompetisi, panduan setahun yang diberikan perusahaan juga hanya pendapatan tahunan yang dianut pada bulan Januari.

ARR MiniMax bulan Februari sebesar 150 juta dolar AS (harus mencakup sebagian pendapatan berkelanjutan yang bukan dari API). Saat ini terlihat bahwa laju pertumbuhan ARR dan nilai absolut Zhipu memiliki keunggulan yang lebih nyata. Terutama saat akselerasi pertumbuhan ARR Zhipu masih disertai kenaikan daya tawar harga (pricing power) serta kondisi kapasitas komputasi Tokens yang supply-nya tidak mencukupi sementara permintaan belum sepenuhnya dilepaskan.

2. Apakah gross margin masih berada dalam masa “pemulihan/trauma”?

Dibandingkan MiniMax yang menjalankan dua kaki—monetisasi to B dan to C—Zhipu hampir hanya fokus pada bisnis to B, dan kebanyakan deployment lokal yang dituju juga adalah pelanggan kelas pemerintah dan BUMN.

Setelah DeepSeek, model itu sendiri menjadi sangat sulit untuk menarik biaya, sehingga mulai beralih ke adaptasi lokal dan optimasi pada proses deployment on-premise. Namun cara deployment seperti ini berat pada tenaga kerja (jumlah total karyawan perusahaan naik dari 883 orang pada 1H25 menjadi mendekati 1100 orang). Ketika memasuki semester kedua, kekurangan dari investasi sumber daya dan tenaga kerja ini menjadi semakin jelas.

Gross margin semester kedua hanya 200 juta, YoY hanya 30%. Di antaranya, untuk bisnis deployment lokal—dengan pertumbuhan pendapatan 57%—gross margin hanya naik 5%.

Dan penyebabnya adalah yang HaiDunzi sebutkan di atas: bisnis deployment lokal membutuhkan investasi sumber daya yang besar. Membesarkan pendapatan tidak secara jelas diiringi oleh efek skala yang tinggi. Gross margin bisnis deployment lokal turun langsung dari hampir 60% menjadi 44%, dan gross margin bergerak turun secara stabil seiring pendapatan membesar.

Sebaliknya, meskipun bisnis API interface model tumbuh dari basis yang sangat rendah karena persaingan yang ketat, ia memiliki efek skala yang relatif lebih baik. Pada semester kedua, pendapatan naik 430%, sehingga gross margin yang semula berada di sekitar nol langsung terangkat hingga 22%.

Namun hasilnya adalah: pertumbuhan bisnis deployment lokal dengan gross margin tinggi melambat + gross margin turun; sementara bisnis dengan gross margin rendah justru melonjak dan memperbaiki gross margin. Kombinasi ini membuat gross margin pada semester kedua langsung mencetak rekor terendah baru sejak berdiri: hanya 38%, jauh di bawah ekspektasi pasar.

3. Menghasilkan pendapatan 700 juta, tapi rugi 3,2 miliar! Di depan mimpi, kerugian dikesampingkan?

Gross margin 38% tampak tidak terlalu besar tekanannya, karena belum dihitung investasi terbesar dalam model komersial startup big model—biaya pelatihan—yang berada di dalam biaya R&D.

Biasanya, pos biaya R&D nilainya adalah 3–5 kali dari pendapatan. Jadi selama masih menggunakan pelatihan untuk iterasi model dengan cepat, hampir mustahil untuk kembali untung (klik di sini untuk melihat alasannya).

Pengeluaran R&D Zhipu pada semester kedua (terutama biaya pelatihan) mendekati 1,6 miliar RMB, sementara pendapatan pada periode tersebut hanya 530 juta. Biaya R&D adalah tiga kali pendapatan.

Dengan biaya pelatihan R&D yang sangat besar seperti itu, perubahan pada pos biaya lain sudah menjadi “lebih kecil daripada yang terlihat” dibanding dampak utamanya:

Beban manajemen perusahaan 320 juta, naik 290% YoY—relatif lebih cepat. Namun sama seperti MiniMax, biaya penjualan Zhipu YoY turun 25%. Pada semester kedua hanya 180 juta (juga karena perolehan pelanggan didukung oleh kemampuan model itu sendiri, bukan mengandalkan pemasaran).

Pada akhirnya, setelah dikurangi tiga biaya, laba kotor 2H25 perusahaan menjadi rugi operasi 1,9 miliar; rasio kerugian 354%. Setelah menghapus insentif opsi saham, nilainya menjadi 1,5 miliar RMB, sedikit menyempit dibanding semester pertama yang lebih dari 1,7 miliar.

Kerugian bersih yang disesuaikan sepanjang tahun adalah 3,2 miliar; rasio kerugian 439% (kerugian lebih dari 4 kali pendapatan). Namun ini sudah dalam kondisi penyempitan yang cepat.

Penyempitan rasio kerugian pada semester kedua bahkan lebih jelas: kerugian bersih yang disesuaikan pada semester kedua adalah 1,4 miliar RMB. Dibanding pendapatan 500 juta, rasio kerugiannya 268%.

Pandangan keseluruhan HaiDun Research: AI itu harum, Zhipu lebih harum lagi?

Sama-sama dua perusahaan model AI domestik yang terdaftar, Zhipu—yang reputasinya awalnya sedikit lebih lemah dibanding MiniMax—hanya memerlukan satu kuartal untuk benar-benar menunjukkan pukulan yang lebih bagus.

Dan menurut HaiDunzi, perbedaan inti kedua perusahaan adalah: model Zhipu memiliki intelligence index yang lebih tinggi. Dengan kata lain, dalam bidang produktivitas to B, kelangkaan (scarcity) kecerdasan adalah aset inti, sekaligus esensi kunci dalam menentukan kekuatan penetapan harga Token.

Penilaian dana terhadap model tetap lebih menekankan pada tingkat kelangkaan kecerdasan model, serta—di atas tingkat itu—volume penjualan Token dan nilai penjualan (sales revenue).

Karena perusahaan adalah perusahaan publik, pendanaan tidak perlu dikhawatirkan. Apalagi saat API terus naik biayanya seperti sekarang dan Tokens masih kekurangan pasokan (supply tidak mencukupi) terhadap permintaan, maka pendanaan semakin bukan masalah.

Lonjakan besar harga saham perusahaan setelah tahun baru juga menunjukkan bahwa penilaian pasar terhadapnya telah berubah: dari diskon model bisnis penyedia AI deployment lokal menjadi valuasi model bisnis to B yang sebanding di luar negeri seperti Claude.

Setelah harga saham melonjak 6 kali dalam satu kuartal, pertanyaan utamanya adalah ARR saat ini dan kemiringan pertumbuhan ARR. Perusahaan jelas sangat paham titik kebutuhan pasar modal. Di pembukaan conference call, disebutkan bahwa ARR 3 bulan untuk hanya satu jenis bisnis—API interface—sudah naik menjadi 250 juta dolar AS, dan kapasitas komputasi masih “supply less than demand”, sehingga langsung ludes dengan mudah.

Arahan seperti ini membuat pasar mudah membandingkan Zhipu dengan kurva pertumbuhan dan valuasi dari pesaing luar negeri: Anthropic setelah kecerdasan model melewati titik G yang “melewati tingkat smartness” lalu, pendapatan perusahaan naik dari 100 juta dolar AS ke 1 miliar dolar AS hanya dalam satu tahun. Dari 1 miliar dolar AS ke 10 miliar dolar AS lagi dalam satu tahun.

Lalu pertanyaannya: jika Zhipu menempuh kurva pertumbuhan pendapatan yang serupa, dan setelah satu tahun pendapatan mencapai 1 miliar dolar AS, apakah valuasinya masih punya ruang?

Sebagai referensi, saat Antropic pendapatan annualized 1,4 miliar dolar AS, valuasi untuk pendanaan pasar primer (primary market) adalah 61,5 miliar dolar AS.

Sementara saat ini, nilai pasar perusahaan adalah 40 miliar dolar AS. Jika berikutnya menargetkan kenaikan ke 60 miliar dolar AS, tetap dapat diukur langsung berdasarkan seberapa jauh model mampu meningkatkan kecerdasannya dan seberapa kuat kemiringan pertumbuhan ARR karena popularitasnya, melebihi yang “terlihat dari jauh”.

Setidaknya dari sudut pandang saat ini, semangat Zhipu tampaknya bahkan lebih ganas daripada MiniMax.

Artikel terkait:

《Big model mengalami kerugian besar 360%, MiniMax tetap “laku manis”?》

《Di balik valuasi setinggi gila-gilaan, MiniMax gelembung atau justru menyentuh masa depan?》

《Bedah mendalam MiniMax dan Zhipu: perang big model, intensitas komputasi, dan daya tahan pendanaan?》

**Pengungkapan risiko dan pernyataan dalam artikel ini:**Disclaimer HaiDun Research dan pengungkapan umum