Zhipu bertransformasi menjadi "China Anthropic": Kendali penetapan harga, efek skala, dan kecepatan transformasi menjadi tantangan utama

Ketika Zhipu merilis laporan keuangan pertama setelah上市, pasar menemukan bahwa perusahaan yang pernah diberi label “OpenAI Tiongkok” ini secara diam-diam mengubah arah strategi. Laporan keuangan menunjukkan bahwa pada tahun 2025, pendapatan perusahaan mencapai 720 juta yuan, meningkat dua kali lipat dari tahun sebelumnya, tetapi laba bersih mengalami kerugian sebesar 4,718 juta yuan, setara dengan kerugian 5 yuan untuk setiap 1 yuan yang diperoleh. Data ini mencerminkan titik balik penting dari industri model besar dari kompetisi teknologi menuju penerapan bisnis.

Perubahan struktur pendapatan mengungkapkan logika mendalam dari transformasi strategi. Proporsi pendapatan dari penempatan lokal menurun dari posisi tinggi menjadi 73,7%, sementara penempatan cloud melonjak dari 15,5% menjadi 26,3%. Meskipun margin laba kotor bisnis cloud hanya 18,9%, jauh di bawah 48,8% dari penempatan lokal, perusahaan tetap membentuk dua anak perusahaan—Beijing Zhiyuan Chengzhang Technology Co., Ltd. dan Hangzhou ZhiFu Qianhang Technology Co., Ltd.—untuk menjaga inti R&D di perusahaan induk, sementara solusi perusahaan, penempatan privat, dan bisnis pengiriman ulang lainnya secara bertahap dipindahkan ke anak perusahaan. Penyesuaian struktur ini secara esensial adalah mengalihkan mesin pertumbuhan dari penempatan aset berat ke penjualan token yang lebih ringan.

Pengeluaran R&D dan pengeluaran modal yang saling berlawanan ini mengonfirmasi pengendalian biaya yang semakin rinci. Pada tahun 2025, biaya R&D mencapai 3,18 miliar yuan, empat kali lipat dari pendapatan, dengan lebih dari 70% berasal dari biaya komputasi. Namun, pengeluaran modal turun drastis dari 460 juta yuan menjadi 74,7 juta yuan, penurunan lebih dari 80%. Perusahaan mengubah model sewa GPU menjadi pembelian kapasitas komputasi sesuai kebutuhan, meningkatkan fleksibilitas tetapi juga menimbulkan kekhawatiran biaya jangka panjang. Laporan keuangan menunjukkan kas sebesar 2,26 miliar yuan, ditambah dana IPO sebesar 4,5 miliar yuan dan pinjaman bank sebesar 5,2 miliar yuan yang belum digunakan. Dengan kecepatan pembakaran dana sekitar 300 juta yuan per bulan, cadangan dana ini masih mampu mendukung operasional selama beberapa tahun.

Di tengah industri yang umumnya terjebak dalam perang harga, Zhipu menjadi perusahaan model besar domestik pertama yang berani menaikkan harga. Pada kuartal pertama 2026, harga API dinaikkan sebesar 83%, tetapi volume panggilan malah meningkat 400%. Secara spesifik, pada bulan Februari, diskon pembelian pertama untuk paket GLM Coding Plan dibatalkan, dan harga paket naik lebih dari 30%; pada bulan Maret, model GLM-5-Turbo diluncurkan, dan harga API naik lagi 20%. Meskipun paket “Lobster” menawarkan kartu pengalaman bulanan seharga 39 yuan dengan 35 juta token, dan versi lanjutan seharga 99 yuan dengan 100 juta token, pasar tetap memberikan suara nyata—hingga Maret 2026, pengguna terdaftar melampaui 4 juta, pendapatan tahunan berulang (ARR) MaaS mencapai 1,7 miliar yuan, dan pertumbuhan dalam 12 bulan mencapai 60 kali lipat.

Keberanian untuk menaikkan harga secara “melawan tren” ini berasal dari logika bisnis yang dibandingkan dengan Anthropic. Sebagai indikator pertumbuhan industri AI, Anthropic meningkatkan ARR dari 1 miliar dolar menjadi 19 miliar dolar dalam 15 bulan, dengan 80% pendapatan berasal dari API tingkat perusahaan, dan efisiensi monetisasi per pengguna delapan kali lipat dari ChatGPT. CEO Zhipu, Zhang Peng, secara langsung menyatakan dalam konferensi kinerja: “Ketika model cukup kuat, API adalah model bisnis terbaik.” Tetapi, jarak kenyataannya cukup besar: hingga April 2026, ARR Anthropic telah mencapai 30 miliar dolar, valuasi sekitar 380 miliar dolar, dengan rasio PS sekitar 12 kali; sementara nilai pasar Zhipu sekitar 350 miliar dolar Hong Kong, pendapatan 2025 sebesar 724 juta yuan, dan rasio PS mencapai 450 kali. Premium valuasi ini tidak hanya berasal dari kelangkaan target AI di pasar Hong Kong, tetapi juga mencerminkan harapan pasar terhadap narasi “Anthropic Tiongkok.”

Untuk mendukung narasi ini, Zhipu harus melewati tiga tantangan utama. Pertama adalah keberlanjutan kekuasaan penetapan harga. Meskipun kenaikan harga tidak mengurangi permintaan, laporan keuangan tidak mengungkapkan proporsi pendapatan API dari distribusi saluran, pengiriman proyek, dan kemampuan platform secara spesifik. Dalam konteks model yang diupdate rata-rata setiap 3 bulan, bagaimana menghadapi kompetisi dari Alibaba, ByteDance, yang sekaligus sebagai pelanggan dan pesaing, masih belum ada jawaban pasti. Kedua adalah terobosan efek skala. Rumus yang diajukan Zhipu—“batas atas kecerdasan × skala konsumsi token”—mengandalkan pembakaran uang untuk R&D, dan efisiensi adaptasi chip domestik terhadap Nvidia langsung mempengaruhi kurva biaya. Jika pendapatan tetap tumbuh lebih dari 130% secara komposit, dan laju pertumbuhan biaya R&D melambat, secara teori biaya R&D dapat turun ke tingkat yang wajar dalam 2-3 tahun. Terakhir adalah kecepatan transformasi. Penempatan lokal masih menyumbang 70% dari pendapatan, tetapi margin laba dari bisnis ini menurun dan beban pengiriman meningkat. Zhipu perlu segera meningkatkan proporsi API cloud agar benar-benar dapat menjalankan model “mengumpulkan biaya melalui token” yang berbasis aset ringan.

Internasionalisasi menjadi kekuatan pertumbuhan baru. Dalam setahun terakhir, Zhipu melakukan ekspansi “keluar negeri” melalui token dan menjalin kerja sama dengan negara-negara Timur Tengah dan Asia Tenggara. Layanan API tingkat perusahaan meliputi lebih dari 50 negara dan wilayah, dan proporsi pendapatan luar negeri melonjak dari 5% pada 2024 menjadi 35% pada 2026. Model ekspor lintas batas ini secara esensial adalah memperluas konsumsi token melalui lisensi teknologi, memberikan variabel tambahan dalam rumus nilai bisnis.

Saat ini, jalur kerangka agen menjadi pusat perhatian kompetisi. Zhipu, DeepSeek, Kimi, Alibaba dan lainnya semuanya berupaya mengatur standar industri untuk merebut posisi awal. Pengalaman sejarah menunjukkan bahwa setelah aplikasi berjalan di tingkat aplikasi, infrastruktur dasar baru dapat melepaskan efek skala. Bagi perusahaan model besar, saat ini tidak hanya perlu memverifikasi kemampuan model, tetapi juga membangun kebutuhan pendapatan masa depan melalui skenario aplikasi. Dan semua ini bergantung pada kemampuan teknologi dan rekayasa yang terus dipertahankan, berapa banyak investasi dana yang dibutuhkan, tetap menjadi pertanyaan inti yang harus dijawab Zhipu.