出品｜虎嗅科技組

作者｜宋思杭

編輯｜苗正卿

頭圖｜大會現場拍攝

大會開場的前15分鐘，張鵬遲遲沒有上臺演講。他在等兩個重大的簽約儀式。

兩個半月前，這家大模型明星公司提交了上市輔導備案。兩個半月后的今天，7月2日上午，智譜CEO張鵬身著白色襯衫出現在張江科學城這座極具標志性的地標建筑中，而他今天出現在這里的最重要原因，就是宣布戰略融資。

這已經是智譜今年的第五次融資了。這一次，也是國資入局。（虎嗅注：其余四次分別在3月和4月完成，分別獲得由成都、珠海、杭州、北京投資。）

事實上時隔一段時間，智譜都會向外界交一份成績單。但與以往不同的是，今天的這張成績單是首次在上海這座城市呈現。

在張鵬上臺前，現場還進行了兩大重要簽約，其中一個便是由浦東創投集團、張江集團和智譜三方同臺完成的。據悉，智譜再獲由浦東創投集團和張江集團的10億元戰略投資，并于近期完成首筆交割。另據虎嗅獨家獲悉，首筆交割金額為5億元，占比達到本次融資金額的一半。該筆資金將主要用于MaaS（Model as a Service）開放平臺產業生態的建設，并在上海落地行業生態、城市生態、政府生態。

實際上，對于智譜這家AI獨角獸公司而言，MaaS是一個極為重要的存在。從橫向來看，智譜是提供大模型能力的基座模型廠商，但從縱向來看，智譜又需要向客戶提供模型能力的服務，這也就意味著，智譜不僅模型能力需要站在第一梯隊，更要在服務能力上勝過其他廠商，尤其是既有基礎模型又懂行業know-how的大廠。而MaaS就是補齊模型服務能力關鍵的一環。

而本次在上海張江落地的MaaS正體現了智譜發力MaaS的決心。今天，在上海張江科學城所見證的今年第五次融資，同時也意味著國家隊對智譜的深度認可和戰略綁定。在當前全球AI大模型競爭白熱化的背景下，國資的入局無疑為智譜注入了強大的“定心丸”和“加速劑”。

值得一提的是，在大約四個月前，3月份，上海張江集團與智譜達成合作，共建模力社區-智譜大模型MaaS平臺。截至目前，有接近智譜方面告訴虎嗅，MaaS平臺已在翻譯、合規審查、市場文案創作、英文口語陪練等數十個可快速復制的場景落地，并且大部分案例都落地在上海張江。

而在宣布融資之外，智譜所向外界披露的另一個重要成績是，新模型的開源并發布——通用視覺語言模型GLM-4.1V-Thinking。

從發布會現場來看，4.1V-thinking模型與以往模型的最大不同之處在于其視覺推理能力。例如，現場演示了該模型實時解說蘇超足球賽的能力，這背后體現的是模型對復雜動態圖像的理解和事件邏輯的建模能力，而非簡單的圖像識別。

其實，從目前市面上的大語言模型和多模態模型來看，能做到將多模態理解和推理融合在一起的并不多。在現場，張鵬特意強調，GLM-4.1V-thinking之所以能做到這樣的效果，也正是得益于這是一個小參數模型。通過本場發布會，能夠看到的是，智譜正在嘗試用新的技術路線來實現SOTA（State-of-the-art）和創新。

而這也正是本次發布會除了資本層面之外，更為重磅的消息。這不僅僅是模型版本號的迭代，更是智譜在多模態AI領域從‘感知’向‘認知’躍遷的關鍵一步。

GLM-4.1V-Thinking的核心優勢在于其引入的“思維鏈推理機制（Chain-of-Thought Reasoning）”和“課程采樣強化學習策略（RLCS, Reinforcement Learning with Curriculum Sampling）”。這使得模型能夠像人類一樣進行多步驟的邏輯思考，系統性地提升了跨模態因果推理能力與穩定性。

尤其值得關注的是，其輕量版GLM-4.1V-9B-Thinking模型，參數量控制在10B級別，卻在MMStar、MMMU-Pro等28項權威評測中，有23項達到10B級模型的最佳成績，其中18項甚至持平或超越了參數量高達72B的Qwen-2.5-VL。

可以看到，智譜本次所呈現的視覺推理能力，算是終于拿出與DeepSeek能夠形成差異化的產品能力了。

其實2025年上半年，AI大模型的風向正在悄然發生轉變，過高的估值已經讓一些模型廠商難以跟上步伐，而目前還在第一梯隊的AI獨角獸，則在加快腳步突破更多的商業化落地項目。上半年所釋放的另一重信號是，除了智譜在4月份提交上市輔導備案，另一家AI獨角獸MiniMax也在考慮港股上市。當AI獨角獸扎堆IPO時，一些新的技術突破還正在發生。

以下為智譜CEO張鵬在現場的演講內容。由于現場的演講內容含有大量的演示，所以筆者僅呈現了張鵬的核心觀點，其中包括智譜的重要模型發布，以及智譜作為基座模型廠商，其正在突破的一些關鍵挑戰。

下附張鵬演講內容，有刪減：

今天，是我們首次在上海舉辦這樣的活動，并且發布最新成果。

我們通常喜歡在發布會現場做演講，那么今天請同事在現場幫我們做非常簡短的Demo。大家看到現場的演示是真實在線的，可以看到屏幕在拍攝。

（此處省略演示環節）

索性今天沒有現場翻車，我們經常會碰到現場Bug的情況，但今天的演示很順利。在演示中大家看到了兩件事情：

一是，模型內容生成能力給我們帶來了新的可能性，原生的模型、原生的能力就已經能夠代替原來我們需要很復雜工作流等工具來輔助我們生成內容的工作。

二是，給它復雜的內容（圖表、數據）能夠很自然地理界、很深刻地理解推理，并且生成非常合理符合要求的文字內容。這些內容到底是如何產生的呢？

經過去年及今年上半年突飛猛進的發展，人工智能在各個行業中給我們帶來了非常多的顛覆。這樣的顛覆總結起來大概有三個方面的內容：

（1）知識權威的重構。

典型的大家聽過一些小的故事，比如說有人去醫院看病，醫生診斷完之后給他開了處方和診斷，病人掏出手機來說病人你的診斷和我問了大模型之后的結果不一致，請問你們倆誰對？醫生看完診斷的結果之后說對不起，我失誤了，大模型的回答比我更準確。這只是一個小小的個例，但個例也表明了在醫療、法律、教育等專業領域，AI的能力已經在逼近甚至超越人類專家的水平。

（2）創意權威的重構。

大家可以看到剛才的內容檢索、整理、生成，這些工作原來我們認為只有具備創意能力的人才能夠完成，而且是具有非常豐富工作經驗和技術知識的人才能完成的工作，今天AI也能夠為你完成的還不錯，并且已經向著人類專家的水平在逼近。

（3）技術權威的重構。

開發范式上的顛覆，大家可以看到剛才的PPT是怎么生成的，不是用WPS寫的PPT，是用一行一行代碼的方式，是用code的方式完成的整個生成，也就代表著模型在code代碼編寫的能力上在大大往前邁進，甚至超越人類平均水平線，同樣逼近了人類頂尖專家的水平。

這樣的AI能力急速進化，可以稱之為“技術平權”，也可以稱之為“權威的重構”。之所以能夠實現這些權威的重構和AI對人類實現的挑戰，其實背后是技術范式的演進。

人類大腦、人類智能水平其實是非常復雜的，包括了語言能力、視覺能力、語音能力、行動能力、思考能力、推理能力，方方面面的能力都由大腦統一完成。

但現在AI在逐一破解這些能力的密碼，比如說在語言能力上，在生成文字內容的任務上，我相信在座每一個人都沒有拍胸脯的信心說一定會超越現在的AI，在語言能力上，AI已經逼近了人類最頂尖的水平，達到了人類天花板90%的水平。

同樣在視覺能力、推理能力等方面，我們都在大踏步前進。因此，造就了知識、創意、開發等各個領域的權威重構。

對于現在現有的大模型能力，我們不禁要問一個問題，看起來這些能力都非常強，而且都逼近了人類頂尖專家的水平，這些能力已經到達了上限嗎？還有更高的天花板嗎？作為一個做技術出身的人，我覺得我們的感觸是遠沒有，還有大量空間等待我們去探索。

剛才那張圖上大家看到了，除了語言能力以外，大多數的能力都在人類水平的70%、60%的水平，還有少量的像運動控制等能力還在很低的20%、30%的水平上。這樣的能力仍然有待極大的提升。

我們認為長期來看智能水平的提升還是要依賴于基礎大模型的演進、技術的突破。

第二，我們希望大模型/AI能幫助我們解決這些問題，不光能思考，還能幫助我們解決執行的問題，在代碼和執行能力上（Agent能力）也仍然還有大量的空間去提升。

第三，希望AI是受我們控制的，能幫助我們完成工作、安全的，而不是為我們造成傷害。在大模型幻覺性的解決上、自主控制上還有大量的事情等待我們去解決。

在這些方面，我們有這樣的期待及突破的方向。

也因此，對于今年（2025年）大模型趨勢做了如下的預判。可能有參加過之前年初活動的朋友聽過。

第一，基座模型的突破為我們帶來智能水平上界突破的基礎工作。智譜作為最早、堅持時間最長的國內大模型研發廠商，仍然在投入大量精力、資源、技術研發力量做基礎模型的研發工作、訓練工作。

并且我們在持續探索有沒有可能出現新的范式，從預訓練到對齊到強化學習到推理，再下一個新的方式是什么？這也是我們在研究和突破的內容。

第二，智能體方面，希望現有的大模型能力能通過智能體的方式轉化成真正的生產力，幫助我們在日常生活和工作當中解決實際的問題。到底是偏向于白領的創意型工作，還是偏向于藍領的體力工作，還是偏向于頂尖研究人員的創意和研究探索型的任務更合適？這些問題仍然在不斷地探索。只有讓AI工人實現了代替人的一部分基礎性、重復性的工作，才能夠實現真正的降本增效，這是智能體能力的關鍵點。

第三，自主大模型，希望大模型能更聽人類的話，更遵守基本的規則，不要危害我們，知道自己做的事情什么時候是有問題的，能夠自我糾正。在模型自我控制、對內知識準確性、對外行動可靠性上還是要持續提高，這是我們對于當下大模型技術發展的趨勢預判。

當然，也有人會問你們憑什么能夠做這樣的預判？那是來自于智譜對于AGI終極目標路線的規劃。我們把AGI路線圖劃分為L1-L5，像自動駕駛一樣的五個層次。從預訓練大模型—對齊推理—自我學習—自我認知—意識智能，五級一步步向上邁臺階。過去幾年完成了預訓練基本基礎的研發、突破、收斂，也解決了跟人類對齊、思維鏈程度的對齊，也是推理能力的實現。現在我們嘗試在自我學習方面，讓AI能夠根據外界的反饋自我提升。這是我們在努力的方向。

未來希望它能有自我認知，甚至上升到類人意識的層面，形成更完整的智能。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4532140.html?f=wyxwapp