Zhipu біжить на повну швидкість, одночасно втрачаючи кров

Запитання до ШІ · Вкладення в розробку в Zhipu значно перевищують дохід; чи може така модель тривати?

Випуск｜Тигхсу Технолоджіс-груп

Автор｜Сун Сіхань

Редактор｜Мяо Чжэнцінуань

Обкладинка｜Візуал Чайна

Якщо існує бізнес, у якому на кожні 1 юань доходу потрібно вкладати 4,4 юаня витрат на розробку, чи буде це вигідним бізнесом?

Силивний ланцюг перших глобальних компаній із великими мовними моделями (перший у світі список), Zhipu AI (далі — «Zhipu») намагається відповісти на це запитання. 31 березня 2026 року Zhipu оприлюднила результати за весь 2025 рік — це також її перша фінансова звітність після виходу на біржу.

Звіт показує, що за весь 2025 рік Zhipu отримала загальний дохід 724 млн юанів, що на 131,9% більше, ніж торік; собівартість продажів зросла на 213,3% — до 427 млн юанів. За таких показників доходів і витрат валова маржа Zhipu в річному вимірі зросла на 68,7% — до 297 млн юанів, а загальна валова маржа за рік також досягла 41%. А для MiniMax, яка є ще однією компанією з великими моделями, валова маржа вже значно вища, ніж у MiniMax: у MiniMax вона становить 25,4%.

Якщо розкласти 41% валової маржі за складниками доходу, видно тенденцію до диференціації: маржа прибутку від локального розгортання знизилася з 66,0% у 2024 році до 48,8% у 2025 році, тоді як маржа прибутку від хмарного розгортання зросла з 3,3% у 2024 році до 18,9% у 2025 році. (Примітка HuXiu: «локальне розгортання» означає локальне розгортання великої моделі; «хмарне розгортання» означає відкриту платформу та API). З цього погляду Zhipu вже переконливо довела свій потенціал прибутковості.

Але вона все ще має збитки.

Через витрати на розробку 3,18 млрд юанів у той самий період скоригований чистий збиток Zhipu досяг 3,182 млрд юанів; розмір збитку в річному вимірі зріс на 29,1%. Збитки за цей період становили 4,39 раза від загального доходу Zhipu та 10,7 раза її валової маржі. Варто зазначити, що збитки головно походять від витрат на розробку. Згідно зі звітом, витрати Zhipu на дослідження і розробку у 2025 році становили 3,184 млрд юанів, що на 44,9% більше; тоді як капітальні витрати у 2025 році — 74,70 млн юанів.

У звіті пояснюється, що зростання витрат на розробку головним чином спричинене:

（1）зростанням витрат на співробітників, включно з розширенням команди розробки та збільшенням витрат на виплати частками;

（2）оплатою розрахункових послуг сторонніх постачальників обчислювальних потужностей, включно з витратами на ітерації моделей та інвестиції в більш передову інфраструктуру тренування моделей.

Але варто згадати: витрати на обчислювальні потужності, які використовуються для тренування великих моделей, не включаються до витрат на розробку; вони натомість окремо обліковуються як капітальні витрати у формі оренди обчислювальних потужностей. У контексті Zhipu перші — це витрати на виклик GPU постачальника обчислювальних потужностей залежно від тривалості тренування моделей; ця гнучка частина витрат зараховується до витрат на розробку. А фіксація ресурсів GPU та укладання довгострокового контракту з постачальником — це капітальні витрати.

Порівняно з MiniMax, масштаб Zhipu більший. Це насамперед зумовлено різницею в структурі бізнесу та організаційній структурі двох компаній. Наприклад, чисельність персоналу Zhipu — у 2 рази більша, ніж у MiniMax, а це водночас означає, що для першої компанії вищі витрати на розробку та серйозніші збитки; натомість у другої компанії вища ефективність персоналу.

Що особливо варто відзначити у цьому фінансовому звіті: так само як і MiniMax, Zhipu також спіймала «пільговий період на користь лобстера» (龙虾红利).

Починаючи з 1 кварталу 2026 року, зростання результатів Zhipu значною мірою залежало від AutoClaw, який був представлений у березні: «одним кліком» деплой лобстера.

Як розповів генеральний директор Zhipu Чжан Пэн, у 1 кварталі Zhipu підвищила тариф на виклик API на 83%. Але вона також влучила саме в той момент, коли попит вибухнув. Тоді «лобстер» мав хвилю популярності вже протягом місяця. У другій половині періоду підвищення цін Zhipu почала деплоїти лобстера. Тож навіть за зростання цін, обсяг викликів моделі GLM у Zhipu все одно зростав на 400%. Згідно зі звітом, через два дні після запуску підписники вже перевищили 100 000; через 20 днів підписників стало понад 400 000.

Відповідно, про що йдеться — це показники прибутковості Zhipu, тобто платформа MaaS, на яку робиться основний акцент. Як відомо, платформа MaaS API реалізувала ARR 1,7 млрд юанів (приблизно 250 млн дол. США), що у річному вимірі зросло в 60 разів.

Тобто цей фінансовий звіт Zhipu водночас: з одного боку — доводить її потенціал прибутковості, а з іншого — збитки не зупиняються.

Змінилася логіка зростання Zhipu, але ще не перебудовано

У загальній структурі доходів ключовою змінною в цьому звіті є не сам по собі загальний дохід, а джерела доходу. Розклавши джерела доходу та дрібні зміни в них, можна побачити нову логіку зростання Zhipu та її можливу тривалість.

Якщо розібратися, фокус зростання Zhipu вже зміщується у бік хмари, тобто MaaS. Ця частина бізнесу становить 26,3%, тоді як у 2024 році хмарне розгортання становило лише 15,5% від загального доходу. А після публікації цього фінансового звіту Zhipu також заявила, що стратегічний фокус компанії й далі залишатиметься на MaaS.

Втім, хоча з цифр видно, що частка хмарного розгортання значно зросла, є кілька змінних, які особливо критичні.

По-перше, головний драйвер звідси — API. Іншими словами, у цю хвилю зростання Zhipu суть зводиться до зростання кількості викликів.

І серед цього найбільш безпосередня змінна — лобстер (OpenClaw). Після того, як Agent починає автоматично виконувати завдання, одне замовлення часто відповідає багатьом раундам викликів. Споживання Token при цьому кратно зростає, а отже й кількість викликів API підвищується.

По-друге, це основне джерело доходу MaaS — Token. У звіті зазначено, що серед десяти інтернет-компаній дев’ять уже підключили моделі Zhipu.

Є важлива зміна: ці інтернет-компанії здебільшого мають власні великі моделі, але вони не повністю покладаються лише на власні; натомість вони викликають різні моделі залежно від різних бізнес-сценаріїв. Тобто, навіть якщо в короткостроковій перспективі вони мають власні моделі, у певних ситуаціях вони все одно обиратимуть Zhipu. Звісно, це не означає, що ці дев’ять інтернет-гігантів у довгостроковій перспективі підтримуватимуть саме таку стратегію.

А обсяги викликів цих компаній майже повністю займають половину доходу MaaS Zhipu. Тобто якщо Zhipu втратить будь-якого з цих клієнтів, це завдасть серйозного удару по поточному бізнесу MaaS.

По-третє, зростання MaaS також надходить завдяки «експорту Token за кордон». За минулий рік Zhipu співпрацювала з кількома країнами Близького Сходу та Південно-Східної Азії, поставляючи місцевим свою модельну спроможність; сутнісно це також реалізація доходу у форматі Token-викликів.

Підсумовуючи, чіткий сигнал, який випускає цей фінансовий звіт, такий: Zhipu переводить наратив зростання з акценту на локальне розгортання до продажу моделей, тобто продажу Token.

Але за результатами видно: хоча зараз основне джерело доходу Zhipu все ще залежить від локального розгортання, модель MaaS уже демонструє тенденцію до сталого зростання.

На цій основі Zhipu також висунула нове поняття: TAC (Token Architecture Capability, «можливість архітектури Token»).

За її визначенням TAC складається з трьох частин: інтелектуального обсягу викликів, інтелектуальної якості та економічної ефективності конверсії. Простими словами: скільки Token було викликано, чи були ці виклики ефективними, і чи можуть вони зрештою бути конвертовані в дохід.

На думку автора, після події «лобстера» в галузі поступово сформувалося розуміння: коли великі моделі набувають спроможності виконувати довгі завдання, виклики перестають бути одноразовим введенням-виведенням і натомість перетворюються на систему, яка працює безперервно.

Отже, зазвичай одна задача стоїть за багатьма раундами викликів, викликами інструментів і навіть самоперевірками; Token більше не просто «споживається», а «компонується» (тобто користувач організовує, як саме викликати велику модель).

І те, чому TAC було запропоновано саме в цей момент, теж не складно зрозуміти.

Протягом двох останніх років конкуренція в індустрії великих моделей здебільшого крутилася навколо розміру параметрів, можливостей моделей і цін; але коли цінова війна наближалася до завершення, а можливості моделей почали сходитися, вибухати почали Agent-додатки. Ці індикатори дедалі гірше пояснювали різницю в темпах зростання компаній.

На такому тлі Zhipu потрібна нова система показників, щоб відповісти на більш реалістичне питання: коли різниця в можливостях моделей невелика, звідки береться зростання?

«Костова пастка» Zhipu

Якщо відвести погляд від Zhipu до всієї галузі, стане зрозуміло, що бізнес-модель великих моделей починає збігатися.

Крім Stepwise Star (阶跃星辰), інші три компанії базових моделей мають ключовий дохід, який теж усе більше зосереджується на викликах API.

Незалежно від того, чи це Zhipu, MiniMax або Dark Side of the Moon (月之暗面), усі рухаються шляхом, де зростання підхоплює MaaS. Але щонайменше для Zhipu ця траєкторія спочатку не існувала.

Наприклад, у ранньому бізнесі Zhipu частка ToG (повна/проєктна інтеграція) та приватного розгортання була дуже високою, проєктний характер був очевидним. Лише приблизно за пів року до виходу на біржу, щоб бізнес-модель мала більше сталості та простору для масштабних уявлень, Zhipu почала чітко переходити до MaaS, змістивши фокус зростання на хмарні API-виклики.

З результатів видно, що цей перехід справді дав зміни: частка MaaS зросла, Token став ключовим показником, а структура доходів почала більше наближатися до платформної.

Проте, згідно з наявною архітектурою Zhipu, структура, де локальне розгортання переважає хмарне, важко змінити за короткий час.

Зараз зростання MaaS також дуже високо залежить від кількох великих клієнтів.

З фінзвітності видно, що у доходах Zhipu від API значна частина надходить від інтернет-гігантів. Ці компанії, хоча й мають власні моделі, у конкретних бізнес-сценаріях обирають викликати зовнішні модельні можливості. Така «мульти-модельна» схема справді забезпечує MaaS стабільний попит. Але проблема в тому, що це не рівнозначно справжньому масштабованому зростанню.

З одного боку, головні клієнти формують основний обсяг викликів; з іншого — ринок «довгого хвоста» ще не відкритий по-справжньому. Іншими словами, платформний формат MaaS уже з’явився, але масштаб платформи не побудований.

І це також підводить до іншої, більш базової проблеми: структура витрат і доходів на одиницю Token.

З фінзвітності видно, що у 2025 році Zhipu за весь рік зазнала збитків 4,718 млрд юанів, що на 59,5% більше. Серед них витрати на розробку — 3,18 млрд юанів (на 44,9% більше); капітальні витрати — 74,70 млн юанів (у річному вимірі падіння приблизно на 83,8%). Перші — це витрати на тренування моделей і витрати на персонал; другі — це витрати, що надходять з оренди обчислювальних потужностей тощо. У 2025 році Zhipu скоригувала спосіб закупівлі обчислювальних потужностей: замість того, щоб бути більш-менш фіксованою орендою обчислювальних потужностей, вона перейшла до поєднання оренди обчислювальних потужностей і закупівлі послуг, тому капітальні витрати суттєво зменшилися.

Тоді, якщо поєднати зростання MaaS із цими двома наборами даних «згори й знизу», можна побачити дуже пряму логічну ланку:

Щоб підштовхнути зростання MaaS, компанії необхідно спиратися на можливості моделей; а підвищення можливостей моделей залежить від постійного збільшення інвестицій у дослідження і розробку. Але проблема в тому, що витрати на розробку та на обчислювальні потужності не зменшуються природно зі збільшенням масштабу викликів.

Інакше кажучи, самі передумови зростання доходу вже штовхають витрати вгору.

Це заводить компанії великих моделей у структурну пастку: щоб отримувати більше викликів, треба постійно підвищувати можливості моделі; а щоб підвищувати можливості моделі, доводиться постійно збільшувати вкладення.

Ось так і виникла ситуація, коли чим швидше зростання, тим більшим стає тиск на витрати.

З цього погляду проблема вже не лише в одній компанії Zhipu; це спільне обмеження, з яким стикається вся індустрія великих моделей.

І поки це питання не буде вирішено, MaaS може приносити зростання, але важко приносити прибуток.

Чому Zhipu хоче рівнятися на Anthropic?

У телефонній розмові з представленням річних результатів увечері 31 березня CEO Zhipu Чжан Пэн перед звітом також особливо згадав американську AI-єдинорога-компанію Anthropic: її ARR зріс з 1 млрд дол. США наприкінці 2024 року до 9 млрд дол. США наприкінці 2025 року.

Фактично майже всі провідні компанії великих моделей намагаються рівнятися на американський шлях.

Зокрема, Dark Side of the Moon зосереджується на OpenAI і обирає маршрут «можливості моделі + продукти + підписка»; тоді як Zhipu та MiniMax прагнуть наблизитися до моделі Anthropic: підкреслюють можливості базової моделі, виводять інференсні обчислювальні потужності через API та будують екосистему для розробників.

Однак незалежно від обраного шляху, сутність одна: моделі розглядаються як базова інфраструктура, а масштабований дохід досягається через виклики.

Наразі цей шлях у США вже був попередньо підтверджений. Як OpenAI, так і Anthropic можуть довести, що коли можливості моделі достатньо сильні, екосистема розробників здатна створювати позитивний зворотний зв’язок. Проблема в тому, що в Китаї цей шлях важко відтворити.

По-перше, різниця в ціновій системі.

На американському ринку корпоративні клієнти та розробники більш охоче платять за можливості, а можливості моделі можуть конвертуватися у премію; але в Китаї ціни з самого початку швидко знижуються. Після двох років цінової війни Token поступово перетворився на «базовий ресурс».

По-друге, різниця в структурі попиту.

Екосистема великих моделей у США більше спирається на довгий хвіст потреб розробників; тоді як у Китаї більшість викликів зосереджена на великих клієнтах — наприклад, інтернет-гігантах і урядово-корпоративних замовниках. За такої структури MaaS більше схожий на централізовану закупівлю, а не на зростання, яке стимулюється екосистемою розробників.

По-третє, різниця у витратах і пропозиції. Поставка обчислювальних потужностей, структура чипів і загальне середовище витрат роблять витрати вітчизняних модельних компаній важче знижувати зі збільшенням масштабу.

З цього погляду складнощі Zhipu стають зрозумілішими.

Повертаючись до траєкторії розвитку інтернету та хмарних обчислень, прибутковість на рівні інфраструктури зазвичай формується після вибуху на рівні застосувань.

Так само це означає, що на поточному етапі, незалежно від того, Zhipu це чи інші компанії великих моделей, потрібно чекати, доки прикладні сценарії будуть стабільно підтверджені, перш ніж можна буде отримати ефект масштабу.