智谱AI作为全球首家AGI基座模型上市公司在港交所挂牌。公司自主研发的GLM架构实现全国产化突破，适配40余款国产芯片，持续高强度研发投入，研发人员占比74%。构建MaaS产品体系服务超300万企业及开发者，收入高速增长。此次募资超43亿港元，70%将用于大模型研发，将进一步巩固其技术竞争力，为AI行业发展提供重要参考。

---

2026 年 1 月 8 日，北京智谱华章科技股份有限公司（股票代码：02513.HK，以下简称 “智谱 AI”）正式在港交所挂牌上市，成为全球首家以通用人工智能（AGI）基座模型为核心业务的上市公司，标志着 AGI 赛道正式迈入资本化新阶段。

作为 AI 领域的核心基础设施提供商，智谱 AI 自创立起便聚焦 “让机器像人一样思考” 的核心目标，2021 年推出自主研发的 GLM 算法架构后，持续迭代升级，最新发布的 GLM-4.7 模型已跻身世界领先行列，为冲刺 AGI 奠定了坚实基础。值得关注的是，GLM 架构已实现全国产化突破，能够适配 40 余款国产芯片，成为业内通用性最高的模型体系之一，彰显了其在核心技术上的自主创新能力。

本次 IPO 中，智谱 AI 以每股 116.20 港元的发行价招股，募资总额超 43 亿港元，获得了市场的热烈追捧。其中，香港公开发售获 1159.46 倍超额认购，国际发售获 15.28 倍认购，足见资本市场对其业务模式与发展潜力的认可。投资方阵容堪称 “全明星”，包括北京核心国资、头部保险资金、大型公募基金、明星私募基金及产业投资人在内的 11 家基石投资者，合计认购 29.8 亿港元，为公司未来发展注入了强劲信心。

持续高强度的研发投入是智谱 AI 的核心竞争力之一。招股书数据显示，2022 年至 2024 年，公司研发投入分别达 8440 万、5.289 亿、21.954 亿港元，2025 年上半年研发投入进一步增至 15.947 亿港元，累计研发投入约 44 亿港元。截至上市前，公司研发人员占比高达 74%，庞大的研发团队与持续的资金投入，支撑着其在通用 AI 大模型领域的技术迭代与创新突破。

在商业化落地方面，智谱 AI 已构建起以 MaaS（Model as a Service）为核心的标准化产品体系，涵盖模型 API 调用、订阅及本地化部署等服务，形成了清晰的盈利模式。目前，公司 MaaS 平台已汇聚超过 300 万家企业及应用开发者，成为国内最活跃的大模型 API 平台之一；机构客户数量超 8000 家，其中 2024 年互联网行业客户收入占比超 50%，国内前 10 大互联网公司中有 9 家与其实行合作。财务数据显示，2022 年至 2024 年，公司收入从 5740 万元增长至 3.124 亿元，年复合增长率约 130%，2025 年上半年收入 1.91 亿元，同比增长 325%，规模化收入与持续增长的态势已然形成。

对于本次募集资金的用途，智谱 AI 明确表示，70% 的净额（约 29 亿港元）将用于通用 AI 大模型研发，进一步巩固在基座模型领域的竞争力；10%（约 4.2 亿港元）将用于优化 MaaS 平台，包括升级基座模型、完善训练与推理工具及基础设施建设。智谱 AI 董事长刘德兵在上市致辞中提到，公司名称中的 “Z” 代表字母表最后一位，象征着对 AGI 终极境地的追求，未来将持续深耕通用人工智能领域。

当前，全球人工智能市场正迎来爆发式增长，联合国贸发会议预测，到 2033 年全球人工智能市场规模将从 2023 年的 1890 亿美元飙升至 4.8 万亿美元，十年增幅达 25 倍。作为 “AI 时代的操作系统”，智谱 AI 上游连接算力与芯片生态，下游赋能千行百业，其上市不仅为自身带来了资本助力，也为整个 AGI 行业的商业化与规模化发展提供了参考样本。东吴证券分析指出，智谱 AI 的开源生态已形成正向飞轮，预计 2026 年发布的 GLM-5 模型将实现性能跃升，云端业务占比有望加速提升。

随着智谱 AI 在港交所正式挂牌，这家以 AGI 为核心的科技企业，正借助资本的力量，进一步扩大技术优势与生态规模。在人工智能产业从 “能力验证” 向 “规模扩张” 转型的关键期，智谱 AI 的上市或将推动更多资源向核心技术领域聚集，为全球通用人工智能的发展注入新的动力。

如何系统的学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.大模型 AI 学习和面试资料

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】