智谱大模型战略失焦

寂静回声

在2024年的一个寻常冬日，国产AI再次改变了我们与技术交互的方式。
11月29日，智谱大模型在其技术开放日上上演了一幕令人瞩目的科技大戏：历史上首次！AI发出了第一个红包！
公司CEO张鹏仅仅通过三句语音指令，就让旗下的智能体AutoGLM跨越微信、支付宝等多个应用，给现场和线上的观众发了两个大红包。
这一幕背后，折射出的是 AI Agent技术的革命性突破。

当前，传统的AI助手停留在被动响应和单一场景的交互，而智谱AI的AutoGLM已经能够主动理解复杂指令，跨应用协同，并精准执行用户意图。
除了发红包这样的操作外，即使面对多个复杂操作的超长任务，例如订外卖时横跨多个APP比价，AutoGLM也能行云流水般自主执行。
然而这样的“惊喜”，只是今年智谱在AI方向上结出的众多”硕果“之一。
今年7月，智谱AI 代码生成大模型 CodeGeeX 第四代正式发布，支持代码补全、代码注释、代码修复、代码翻译等基础功能；7月末，智谱AI的视频生成模型「智谱清影」正式发布，可生成时长 6 秒，清晰度达到 1440×960的视频。
到了10月，智谱推出并开源端到端语音模型 GLM-4-Voice，与GPT-4o的语音功能一样， GLM-4-Voice可以进行实时语音对话，同时在情绪表达、多语言等方面实现突破，且可随时打断。
由此可见，今年的智谱，在代码、多模态、Agent等多个方向上，都进行了“突击”。
《中国大模型中标项目监测报告》显示，2024年1-9月份，智谱华章中标的大模型项目达到22个，中标项目披露的中标金额为2472.3万元。22个中标项目主要分布在通信、金融、能源、教科等行业，以央国企客户为主。
从大模型中标项目数量来看，智谱华章可以跟科大讯飞、百度一样，位列第一梯队。但是获得这些项目的过程中，智谱华章付出的“代价”也不小。
这样的“代价”，就是卷到极致的价格战。
今年以来，为了应对同行的价格压制，智谱AI将模型调用价格降低到行业最低水平，如GLM-4-Flash的价格仅0.06元/百万tokens；对比之下，OpenAI的GPT-4 Turbo版本为 10美元/百万tokens，差距超过千倍。在一年的时间里，智谱AI从最初的 0.5元/千tokens 降至当前价格，降幅接近1万倍。
这种激进的降价策略，导致利润空间进一步被压缩。于是，作为大模型厂商的智谱AI，要活下来，只能依靠融资。
过去几个月，智谱AI接连发布了AI生成视频模型清影(Ying)、情感语音模型GLM-4-Voice ，以及AI助理工具AutoGLM 等，这无一不是想通过追逐技术热点，来吸引市场关注的表现。

然而，在这看似全面的进展背后，也不免让人产生一种冷静的思考：在体量、资本均不及OpenAI等巨头的情况下，如此广泛的技术覆盖，是否会影响智谱在各个领域的深耕程度？
在今年的AI赛道上，身为“AI六小虎”之一的智谱，虽然布局甚广，但其在每一条战线上的表现，都相对比较“平均”，其产品方向更趋向于跟随，而鲜少有独创性的突破。

以智谱最近发布的旗舰大模型GLM-4-Plus为例，该模型定位是一种类似OpenAI 的o1那样的深度推理模型。虽然其在深度推理、长文本处理和指令遵循等方面表现突出，且能够处理更复杂的数学和逻辑问题，然而，这种“强大”并不意味着绝对的优势，反而暴露出一些潜在的矛盾。
这样的矛盾就在于，GLM-4-Plus这种“类o1”的深度推理模型，实质上与智谱本身的生态定位之间，已经发生了错位。
因为智谱的定位与OpenAI这类巨头有所不同，虽然智谱AI确实更偏向于B端市场，但B端市场并非单一结构，而是由不同层级和类型的需求构成。
对高性能深度推理的需求，主要来自科研、高技术行业或特定领域（如编程或科学计算），这些领域的规模相对有限。
智谱AI的B端客户，则聚焦于更广泛的行业应用的B端客户，包括金融、教育、能源，通信等行业，这样的企业，更需要的是性价比高、易集成且灵活的模型，而非动辄需要高算力支持的深度推理大模型。

如果说，进入高端推理模型的竞争，只是智谱AI在“scaling Law 失效”威胁下，一种展示核心技术实力的必要手段，那么在多模态方向上的布局，则反映了其更深层次的“定位迷失”。
智谱AI在2024年发布的多模态语音助手功能，特别是其基于GLM系列的“智谱清言”系统，通过融合实时语音、视频通话和多模态理解技术，试图在C端应用领域拓展新的场景。

然而，与科大讯飞的“星火”大模型和字节跳动的“豆包”语音AI相比，智谱AI的表现呈现出一些耐人寻味的矛盾。
科大讯飞已深耕语音领域多年，其语音识别、翻译和场景化应用（如会议记录、智能客服）不仅成熟，而且在实际场景中有良好的落地率。字节的“豆包”则依托强大的内容生态，具有将语音AI应用到社交、娱乐和短视频生成等消费级场景中的潜力。

在生态布局均不如人的情况下，智谱AI的多模态语音助手，却仍未能体现亮眼的差异，其视频通话功能虽然支持低延迟，更自然的交互，但智力水平的表现，却与文本状态下有着很大差距。与字节的“豆包”、讯飞的”星火都犯了同样的通病。
除此之外，智谱AI在2024年的文生视频领域也展现了雄心，通过其最新发布的CogVideoX v1.5模型和开放平台“清影”，提供了从文本生成视频（T2V）到多模态整合的一系列功能。其技术亮点包括支持5到10秒的高清视频生成、4K分辨率、多通道输出（一次性生成多个视频）等。

然而，平心而论，与字节、快手等大厂的文生视频大模型相比，“清影”的表现还是太嫩了点。
虽然其主打免费、高清，甚至还在后期加入了AI音效的选项，但从效果上看，其生成的视频不仅古怪、扭曲，并且还有一些很明显的运动错误。
例如，在输入提示词：“一片广阔的海滩上，一个人形机器人和一只猫在一起散步”后，清影生成的视频里，出现了两个机器人，而非一个，同时它们还像螃蟹一样，用一种横着走路的奇怪方式在移动。
更诡异的则是画面中的猫，走着走着，头就变成了尾巴，仿佛器官发生了换位。

上述提到的种种“博而不精”的现象，反映出的更深层次的问题在于，智谱AI似乎在B端与C端两个方向上出现了摇摆的情况。
以视频生成为例，字节跳动通过其强大的内容生态，将MagicVideo-V2紧密结合到TikTok和抖音等平台，实现了技术与商业的双向赋能。同样地，快手也可将视频生成嵌入自身的短视频平台。
短视频赛道，是天然离C端最近，也最具亲和力的一条赛道。
而现在的智谱AI，从生态布局来看，其整体战略更偏向于B端市场，服务的客户包括金融、教育、能源和制造业，这些合作大多集中在需要高技术支持和私有化部署的场景中，如工业流程优化、客户服务智能化等。
但今年智谱AI的多线布局的策略，似乎表明了其既希望拓展ToB市场，又想在C端打造多模态互动的超级应用，形成一种“两头抓”的战略。
在总体资源不及OpenAI，也不及BAT等巨头的情况下，这一策略的结果最终导致了其资源分散，难以在一个方向上形成突出的竞争优势。

智谱AI却被迫“多线进军”，背后折射出了一个深层次的现实：在中国的AI创新生态与投资环境中，“快”往往比“深”更受青睐。
这并非简单的企业选择问题，而是整个创新生态的产物。
智谱AI等国产大模型厂商普遍“追热点”困境，本质上是一个“囚徒困境”：每家企业都知道深耕细作的重要性，但在激烈的市场竞争和资本压力下，不得不选择更激进的策略。