news 2026/4/3 5:14:40

智谱锣声到硬科技企业林立,海淀科创的大水与大鱼

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
智谱锣声到硬科技企业林立,海淀科创的大水与大鱼

2026年1月8日早上9点,出身于北京海淀的智谱(02513.HK)敲响了港股上市的金锣,镗镗的锣声,敲出了“全球大模型第一股”,也敲响资本市场的欢呼。截至2026年1月13日收盘,智谱科技上市5日涨幅累计达51%,总市值一度突破千亿港元。

智谱的成功上市,是公司发展成长的里程碑,也是中国AGI产业发展的重要标志,意味着中国大模型技术实现了从实验室到商业化的关键跨越,而智谱背后的海淀亦在全球人工智能发展浪潮中吹响了冲锋号。

在当下,谈论起科技创新永远绕不开一个地方,那就是海淀。北京西北部,430平方公里,山水形胜的海淀区已经成为了中国科创“含量”最高的地域之一。

Wind数据显示,截至2025年1月13日,注册在海淀上市的科创板企业就达28家,这些企业覆盖芯片设计、工业软件、医疗科技、网络安全等多个前沿领域,形成显著的创新集群效应。

过去的2025年,海淀新增9家上市企业,涵盖储能系统、AI、半导体芯片等多个科技领域,占北京市新增上市公司总数的37.5%,稳居全市首位。

这一现象也使得外界有个共同问题:为何海淀能够聚集科技创新,能培育出这些科技创新的硬科技企业?

答案就是:海淀科创领域的“大水养大鱼”。

恰逢智谱上市,为我们打开一扇观察的窗口,观察海淀构造了怎样一汪大水,又如何养育了这一条条科创产业上的大鱼?

从实验室到港交所,“全球大模型第一股”诞生

观察智谱的发展成长,是一场清晰的技术路径、产学研深度融合的发展模式。

智谱的起点源于清华大学的实验室。1996年,清华大学计算机系成立了知识工程实验室(KEG),这是国内最早开展自然语言处理、知识图谱研究的实验室之一。智谱的创始人唐杰也是来自这家实验室。

2006年,来自清华大学计算机系知识工程实验室唐杰团队发布了一款名为“AMiner”的科研情报挖掘产品,这成为了智谱AI日后技术积累的雏形。

时间经过了13年,2019年,当时的AI并未形成如今席卷全球的浪潮,唐杰决定将实验室数十年的科研成果推向市场,于是与清华校友张鹏、刘德兵等人在清华园附近共同创立了北京智谱华章科技有限公司。

智谱成立后,没有走OpenAI的GPT路线,也没有选择谷歌的BERT路线,而是选择了自研架构,从零起步研发自己的GLM(通用语言模型)预训练架构。

有了前进的目标,向着目标不断前进。2021年,智谱训练完成百亿参数模型GLM-10B,同年利用MoE(混合专家架构)成功训练出收敛的万亿稀疏模型。

2022年8月,智谱合作研发了中英双语千亿级超大规模预训练模型 GLM-130B 并开源,这比 ChatGPT 发布早了三个月。同年 11 月,斯坦福大学大模型中心对全球30个主流大模型进行全方位评测,GLM-130B 成为亚洲唯一入选的大模型。

智谱的成果频现,得益于公司对研发的重视。2022年至2024年,智谱研发上的投入由8440万元增长至21.95亿元,2025年上半年的研发投入达15.95亿元,累计研发投入约44亿元。

强大的科研实力和竞争力,让智谱在科研成果转化商业变现的路上走得比较顺畅。根据公司的招股书,2022年至2024年,智谱的收入从5740万元增长至3.12亿元。2025年上半年,公司收入达1.9亿元,是2024年同期的4倍之多,智谱展现了较高的成长性。

智谱AI已成为中国收入体量最大的独立大模型厂商 ,截至2025年9月,公司已服务全球金融、汽车、消费电子、教育传媒等多个领域超12000家企业客户、超8000万台终端设备及超4500万名开发者。

智谱的成长性也吸引了众多资本的关注。招股书显示,上市前,智谱共完成8轮融资,累计规模超过83亿元人民币。资本真金白银的支持,为智谱的价值提供了注脚,推动了公司走向资本市场。

2026年1月8日,智谱敲响了港交所的金锣,成为全球首家大模型上市企业,开启了公司新的征程。

从实验室走向港交所,智谱在校园埋下种子,在海淀完成核心团队组建、技术迭代和商业化落地,再到向港交所递交申请书最终完成IPO成为“全球大模型第一股”,诠释了产学研深度融合的模式。诠释了海淀培育科技企业的体系:“高校起源+生态赋能+全产业链的顶层支持”,通过培养科创的一汪大水,养育大鱼。

硬科技林立,海淀的大水养大鱼

智谱港交所上市,是海淀区2026年首家上市的企业,打响了海淀科技创新企业上市的“开门红”。而回顾过去的2025年,在科技创新企业上市的路上,海淀区依然丰富精彩。

2025年全年,海淀区9家企业上市,上市企业数量居北京市之首。其中2025年最后一个月,三家企业接连上市,展示出海淀区科创企业的强劲实力。

2025年12月5日,摩尔线程成功登陆科创板,其从受理到过会仅耗时88天,创下科创板年度最快过会纪录,上市后总市值迅速突破3000亿元,成为“国产GPU第一股”;2025年12月16日,高端射频芯片企业昂瑞微科创板上市,标志着国产射频芯片领域又一重要力量驶入资本航道;同年的12月30日,五一视界正式在港交所主板挂牌上市,成为中国首家登陆资本市场的物理AI企业……

回看这些上市的科技创新企业,它们有着多方面的共同点:或者从海淀区的高校开始孵化,或者在海淀组建核心的团队,在海淀区扎根、发展、成长、壮大,海淀孕育了这些企业,并伴随着这些企业的成长。

正如智谱董事长刘德兵曾经的一次采访所说,智谱快速成长,归因于北京在人才、科研资源与政策支持等方面的综合优势。作为一家在北京海淀诞生并壮大的企业,这片土地的贡献不言而喻。

而进一步梳理海淀科创版图发现,这里早已形成了一个“硬科技独角兽集群”:26家人工智能独角兽企业,占据北京市总量的七成;摩尔线程、寒武纪、昆仑芯等芯片企业,构建起中国算力的“护城河”。

在海淀区科创企业的版图中,海淀区如同一汪大水,这些林立的硬科技企业如同一条条鱼,在海淀这汪科创的大水中被养育,最终“水大鱼大”。

观赏海淀科创赛道大水养大鱼的画面,不禁让人想问,为何海淀区能形成这汪大水?

大水的形成离不开活跃的源头、丰富的支流和广阔的地形,而在海淀这三者属性聚集。

人才是最重要的源头,而海淀掌握着人才供给的“源头活水”。海淀区汇聚了清华、北大等37所高校,培养着数以万计的科技创新人才,这些人才或自主创业投入科创产业,或进入已经发展的企业成为中坚力量。

以AI人才为例,据统计,海淀区集聚了全市八成的AI专家、全国近三成的AI2000顶尖学者,更有692名院士坐镇,占全国院士总数的36.2% 。这些智力资源不是游离于产业之外的“象牙塔”,而是与企业深度绑定的“创新引擎”,深度成为硬科技企业成长的基石,将科研成果转化为推动产业和社会进步的力量。

如果说人才是大水的源头活水,那么资本和资金则是大水的重要的支流,没有支流的汇入,也难成大水。

据媒体报道,有机构统计,目前,海淀区拥有各类金融机构及投资机构3200余家,其中科技金融机构约50家左右,私募股权投资机构超过780家,私募基金785家。共同搭建了覆盖企业全生命周期的融资体系。

这些金融机构、资本机构发掘成长的企业机遇,真金白银投入助力企业的成长,企业的成长给金融机构、投资机构回报,这在海淀科创赛道上形成良好的“投资——回报——再投资”的产业闭环,壮大了科创这汪水。

而海淀区真心实意服务和政策顶层的支持则像广阔的地形一样滋养这里的技术和资金。

100平方公里土地的中关村在海淀设立,打造了中国第一个国家级高新技术产业开发区,成为我国科技创新的一面旗帜。

在中关村,众多的政策围绕着科技创新企业实体服务。比如,为了推动海淀重点产业和重点项目加速发展,完善区域创新创业发展环境,海淀设立了中关村科学城科技成长基金,目前该系列基金总规模已达200亿,并与元禾璞华、联想之星、蓝驰创投、顺为资本等头部机构展开合作。

再比如,海淀区的“两区一带”规划,围绕人工智能产业打造的集聚创新街区,通过空间整合与资源联动,促进要素的快速流动与组合创新,以此构建AI创新生态。

海淀的政策,不是“大水漫灌”,而是“精准滴灌”,企业全周期的精准服务。比如,对于初创企业,提供低成本的产业空间;对于研发型企业,给予研发补贴;对于拟上市企业,提供“绿色通道”式的上市辅导。

以智谱为例,公司在成立初期就在寸土寸金的中关村五道口拿到了三个月的免租金办公场地,减轻了初创企业的成本压力。

从人才到资金,再到场地与政策支持,海淀区用实际的行动将科创的“水”不断地扩大,形成一汪大水,养育着众多的硬科技企业,而当硬科技企业成为大鱼,也会进一步反哺,将这汪科创的水扩得更大,“大水养大鱼”的模式在海淀蔚然成型。

智谱、摩尔线程等创新型企业的上市,只是开始,吹响了海淀科创产业迈向新征程的号角。可以预见,在全球科创浪潮正兴之际,未来更多的科技创新巨头将在海淀诞生成长。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/3/27 13:52:59

CAM++压力测试:高并发请求下的系统稳定性评估

CAM压力测试:高并发请求下的系统稳定性评估 1. 引言 1.1 业务场景描述 随着语音识别与声纹验证技术在金融、安防、智能客服等领域的广泛应用,对说话人验证系统的实时性和稳定性提出了更高要求。特别是在高并发访问场景下,系统能否保持低延…

作者头像 李华
网站建设 2026/4/1 20:18:22

远程办公会议分析:SenseVoiceSmall多说话人情感识别案例

远程办公会议分析:SenseVoiceSmall多说话人情感识别案例 1. 引言:远程会议场景下的语音理解新范式 随着远程协作成为现代企业运营的常态,线上会议录音中蕴含的信息价值日益凸显。传统的语音转写技术仅能提供“谁说了什么”,而无…

作者头像 李华
网站建设 2026/3/28 8:20:04

Qwen2.5与ChatGLM4对比评测:小模型在指令遵循上的表现差异分析

Qwen2.5与ChatGLM4对比评测:小模型在指令遵循上的表现差异分析 1. 背景与选型动机 随着大语言模型在实际业务场景中的广泛应用,对模型的轻量化部署能力和指令遵循精度提出了更高要求。尤其在边缘设备、低延迟服务和成本敏感型项目中,参数量…

作者头像 李华
网站建设 2026/4/2 6:33:36

DeepSeek-R1-Distill-Qwen-1.5B省钱部署方案:按需计费GPU资源优化

DeepSeek-R1-Distill-Qwen-1.5B省钱部署方案:按需计费GPU资源优化 1. 背景与目标 在当前大模型广泛应用的背景下,如何以最低成本实现高性能推理服务成为工程落地的关键挑战。DeepSeek-R1-Distill-Qwen-1.5B作为一款轻量化、高精度的语言模型&#xff0…

作者头像 李华
网站建设 2026/3/28 8:13:41

Qwen1.5-0.5B-Chat初始化失败?权重下载问题实战解决

Qwen1.5-0.5B-Chat初始化失败?权重下载问题实战解决 1. 引言:轻量级对话模型的部署挑战 1.1 场景背景与技术痛点 随着大模型在企业服务、智能客服和个人助手等场景中的广泛应用,对轻量化、低成本、易部署的推理方案需求日益增长。阿里通义…

作者头像 李华
网站建设 2026/3/28 4:46:31

麦橘超然+LoRA混合使用,实现多风格自由切换

麦橘超然LoRA混合使用,实现多风格自由切换 1. 引言:从固定模型到动态风格的演进 随着AI图像生成技术的发展,用户对个性化输出的需求日益增长。传统的预训练大模型虽然具备强大的泛化能力,但其输出风格往往受限于训练数据分布&am…

作者头像 李华