连日来，智谱（HK02513，股价485港元，市值2170亿港元）股价持续走高，2月13日盘中，智谱股价创下新高，市值突破2000亿港元。截至发稿报485港元/股。
资本市场的反应，发生在智谱密集发布新一代模型GLM-5、调整Coding（编程）订阅价格体系之后。
过去一年，AI Coding（AI编程）的行业叙事正在发生转向，随着企业级需求走高，市场焦点逐步从生成能力转向工程能力。
当AI Coding从演示工具进入生产工具阶段，大厂入局、竞争逻辑重构正在带来全新的挑战与机会。模型厂商的竞争焦点，也逐渐从单点代码生成转向长周期、多步骤、可交付的工程闭环能力。
智谱加码AI Coding，盈利拐点仍待验证
近日，智谱正式发布并开源新一代大模型GLM-5，同步在多平台开放体验。智谱介绍，与以往偏向对话式的Vibe Coding（氛围编程）工具不同，GLM-5是开源界第一个能处理长周期、多步骤、系统性工程任务的“架构师级”模型，实现了从Vibe Coding到Agentic Engineering（智能体工程）的升级。
智谱方面称，其在编程能力上已实现与Claude Opus 4.5对齐，对于长期由闭源模型占据优势的复杂工程场景而言，这意味着开源阵营正在缩小差距。
更早之前的2月6日，全球模型服务平台OpenRouter上线搜索排名第一的神秘匿名模型，代号为“Pony Alpha”，因其强大的编码能力及针对智能体工作流的深度优化，迅速引发开发者社区关注。12日，智谱方面确认，这款模型即为新模型GLM-5。
围绕智谱在AI Coding层面的布局，智谱创始人兼首席科学家唐杰曾在此前一场圆桌对谈中提到，DeepSeek之后，团队争论了很久，下一仗肯定要让AI做一件事情，“我们把所有的精力放在了Coding上”。
几乎与模型发布同步，2月12日，智谱宣布对GLM Coding Plan进行价格体系调整，取消首购优惠，套餐价格整体涨幅自30%起，已订阅用户价格保持不变。公司在公告中称，因用户规模与调用量快速提升，为保障高负载下的稳定性与服务质量，加大算力与模型优化投入，因此进行结构性调整。
价格上调的背后，是智谱在算力与研发投入持续攀升带来的成本压力。
招股书数据显示，智谱在2022年至2024年的收入复合年增长率超过130%，并在2025年上半年实现营收1.91亿元。但与之形成鲜明对比的是，公司尚未迎来盈利拐点，2024年净亏损高达29.58亿元，2025年上半年亏损进一步扩大至23.58亿元。
研发投入是主要支出项。2024年，智谱研发开支为21.95亿元，是当年收入的七倍以上；2025年上半年研发开支15.95亿元，占同期收入比重超过800%。其中，算力服务费用为核心组成部分，2024年达15.53亿元，占研发开支七成以上。随着参数规模扩大与训练成本上升，算力价格与供应稳定性成为了影响智谱成本结构的关键变量。
另外，在资本运作层面，登陆港股后，智谱冲击A股的脚步也并未放缓。根据证监会披露信息，智谱近期撤回了其于2025年4月提交的辅导备案，重新办理备案登记，拟在上海证券交易所科创板上市，辅导机构变由原来的中金公司变更为国泰海通证券和中金公司两家。
AI Coding赛道进入深水区
技术迭代提速，AI Coding赛道的爆发式增长与竞争维度同样迎来全面升级。根据市场研究机构Fortune Business Insights发布的报告，2025年全球人工智能代码工具市场规模为78.8亿美元，未来预计将从2026年的100.6亿美元增长到2034年的705.5亿美元，预测期内复合年增长率为27.57%。
微软CEO萨提亚·纳德拉在2025年7月的财报电话会议中披露：“全球90%的《财富》100强企业正在使用GitHub Copilot”。
百度董事长李彦宏曾在2025年11月的百度世界大会上披露，百度52%的新增代码已由AI生成。“但是我觉得还不够，我希望是80%、90%的代码都由AI来生成。”此外，字节跳动技术副总裁洪定坤曾透露，字节跳动内部，超过80%的工程师在使用AI Coding产品辅助开发，已有相当比例的代码是通过AI生成的。
过去一年，AI Coding能力更多体现在一句话生成网页或快速生成小游戏等轻量级应用上的Vibe Coding（氛围编程）。然而，随着企业端需求上升，行业焦点逐渐转向Agentic Coding（智能体编程），即通过规划、拆解与多轮调用完成系统级任务。硅谷的顶级模型如Claude Opus 4.6等，均开始迈向Agentic Coding，不再追求秒出结果。
这种转变在企业级市场（To B）引发了强烈的付费意愿分化。腾讯首席科学家姚顺雨曾在一场圆桌讨论中指出，To B市场的逻辑是智能越高代表生产力越高，很多企业宁愿支付200美元/月的高溢价去使用最强的模型，也不愿使用低价但准确率稍低的模型，因为后者的监控与纠错成本远超溢价部分。
与此同时，加速AI Coding赛道的国内厂商亦在布局。摩尔线程推出基于国产GPU的AI Coding Plan服务，百度千帆发布编码订阅服务并集成多款主流模型，支持自由切换。集中在工具层进行整合的模式，也使得应用层厂商不再单一依赖某一家模型提供方。
在这样的模式之下，围绕垂直整合与模型应用分层的讨论也逐渐升温。姚顺雨认为，模型层与应用层能力并非天然统一。垂直整合或能带来协同优势，但在To B场景中，预训练能力与应用环境适配同样重要。
但在Agent应用层面，价值与成本之间的平衡同样关键。若一个问题可通过简单API调用解决，则复杂Agent形态可能缺乏存在空间；但当问题价值足够高、模型能力足够强时，基础模型厂商亦可能将应用能力内嵌，形成新的竞争关系。
唐杰认为，Agent的未来走势取决于它能否真正解决有价值的问题，以及成本是否可控。如果调用API就能解决的问题，就不需要复杂的Agent；而如果成本过大，商业模式的持续性将面临挑战。
对中高层管理者而言，AI Coding不再只是效率工具，而是组织生产方式的重构。在去年8月出门问问业绩沟通会上，创始人李志飞曾提到：“Coding Agent可能是AGI的基石。”在他看来，AI编程既是独立产品，也将成为其他产品的底层能力。公司未来所有产品，包括TicNote、模型工厂等，都会建立在Coding Agent之上，然后由虚拟组织改变人与人、人与机器的协作关系。他强调，Coding是和大模型一样非常重要的基石，Coding Agent不仅会革新公司的研发体系，从组织层面看，它能大幅提升研发效率。
随着AI Coding赛道从展示型应用迈向工程级落地，模型能力、算力成本与商业模式的三重博弈，正在决定下一阶段竞争格局。