智谱Co-work一个月获超10亿元行业订单：AI工作流商业化提速，但订单不等于收入

核心进展：Co-work行业订单一个月超过10亿元

智谱管理层近日在面向分析师和投资人的交流会上披露，GLM-5.3发布后一个月内，Co-work行业订单金额已超过10亿元，业务开始从验证测试走向生产级部署。

网络安全成为率先落地的行业场景。目前已有约100家安全企业将GLM接入安全产品或业务流程，覆盖漏洞挖掘、复杂漏洞研究、大型代码库审计、金融机构安全加固、批量扫描和告警分析等任务。

这组数据反映出企业对AI参与专业工作流的需求正在增长。不过，10亿元是订单金额，不是已经确认的收入，更不能直接等同于利润。后续能否转化为持续收入，仍取决于项目交付、验收、调用量、回款和客户续约。

Co-work与传统API调用有什么不同

过去，大模型商业化主要依赖API调用：客户提交请求，模型返回文本、代码或结构化结果，平台按照Token或调用次数收费。

Co-work进一步尝试让多个Agent进入企业工作流程，围绕一个目标持续执行分析、调用工具和结果验证。其商业价值不只来自“回答一个问题”，而是帮助企业完成原本需要专业人员参与的连续任务。

从模型能力转向任务结果

在网络安全场景中，企业真正关心的不是模型生成了多少Token，而是能否发现漏洞、减少误报、缩短审计周期并形成可复核的报告。

如果Agent能够稳定完成这些任务，大模型公司的收费空间可能从基础模型预算延伸至安全软件和专业服务预算。但这也要求系统具备更高的准确性、可解释性和责任边界。

多智能体协作提高执行复杂度

Co-work不是单一产品功能，而是通过多个Agent分工处理规划、检索、执行和验证等环节。理论上，这种方式可以完成更复杂的任务；实际部署中，也会增加调用成本、系统延迟和错误传播风险。

企业需要建立人工复核、权限控制、操作审计和结果回滚机制，避免模型错误直接进入生产系统。

为什么网络安全率先落地

任务专业且调用频率高

代码审计、漏洞扫描和告警研判需要大量重复分析，同时又依赖专业知识。AI可以承担初筛、归类和线索生成，让安全人员把时间集中在高风险问题上。

业务价值更容易量化

安全企业可以通过漏洞发现数量、误报率、平均响应时间和人工工时等指标评估AI效果。相比难以衡量的通用聊天功能，这类场景更容易计算投入产出。

已有明确的软件预算

网络安全本身拥有成熟的企业采购体系。如果大模型能够增强现有产品，而不是要求客户重建整套流程，商业化阻力会相对较低。

但模型发现的漏洞线索不能直接视为最终结论。高风险操作仍需专业人员确认，尤其是涉及生产系统测试和攻击性能力时。

中报数据如何印证商业化变化

智谱2026年上半年实现收入9.54亿元人民币，同比增长近400%，并超过2025年全年收入；同期净亏损为20.7亿元，同比收窄12.1%。

其中，MaaS开放平台及API业务收入达到8.25亿元，同比增长2736%，占总收入的86.5%。企业级本地化部署收入则降至6704万元，占比下降至13.5%。

这说明智谱的收入结构已经从一次性部署明显转向按调用量计费的云端服务。与定制项目相比，API和MaaS更容易规模化，但也更依赖持续调用、算力供给和客户留存。

调用量与单位经济性改善

截至2026年8月底，智谱MaaS平台Token调用量较年初增长超过40倍，付费日活用户增长603%，前十大客户日均调用量增长98倍。

公司同时披露，单位Token推理成本较年初下降80%，单位算力投入对应收入提升14倍，MaaS业务毛利率达到24.6%。

这些指标说明基础设施效率有所改善，但24.6%的业务毛利率仍需覆盖研发、销售和管理成本。公司上半年仍处于大额亏损状态，不能据此认定已进入全面盈利阶段。

10亿元订单应如何理解

订单不等于确认收入

行业订单可能包含多年合同、框架协议、试点转生产项目或附带交付条件的采购。只有完成相应履约义务并符合会计确认条件，才能计入财务报表收入。

因此，判断Co-work商业化质量，需要继续观察：

• 订单实际交付和验收比例
• 收入确认周期及回款情况
• 客户是否持续增加调用量
• 合同续约率和客户集中度
• 项目毛利率及推理成本

接入企业数量不等于经营收益

约100家安全企业完成接入，表明生态拓展取得进展，但公开信息尚不足以证明这些企业均已形成大规模付费，也无法据此推断其营收和利润获得普遍提升。

更严谨的表述是：模型接入有望增强风险检测和自动化能力，其实际经营效果仍需由客户订单、产品收入和利润数据验证。

向更多垂直行业扩展的机会

智谱计划将Co-work拓展至金融、法律、工业制造、生命科学和数理科研等领域。这些行业都存在专业知识密集、流程复杂和人工成本较高的任务。

金融与法律

AI可以用于材料审阅、合规检查、合同分析和研究辅助，但结果涉及高风险决策，必须保留来源引用、人工审批和责任记录。

工业制造

潜在场景包括设备维护、质量分析、工艺知识检索和供应链协同。落地难点是连接真实生产数据，并保证系统稳定性与工业安全。

生命科学与科研

Agent可以辅助文献检索、实验设计和数据分析，但科学结论不能仅由模型生成。数据可追溯、结果复现和专家评审仍是必要条件。

这些行业的市场空间较大，销售和验收周期也通常更长。网络安全场景的成功经验能否复制，不能只看模型能力，还取决于行业数据、系统集成和监管要求。

商业化提速如何影响算力需求

当Agent从单次回答转向多步骤任务，同一个工作流可能触发多轮推理、检索和工具调用。调用频率上升，会增加推理算力、存储和网络资源需求。

这可能带动AI服务器、云计算、数据中心和算力租赁需求，但产业链收益不会自动同步增长。具体影响取决于：

• 模型单位推理成本下降速度
• 自建与租赁算力的比例
• 国产芯片和软件栈适配情况
• 服务器利用率及电力成本
• 云厂商与模型公司的收入分成

智谱披露已与多家国内外云服务商签署收入分成协议，相关收入预计从10月开始确认。这种渠道有望扩大模型分发，但最终贡献仍需等待后续财报验证。

AI行业是否已进入全面盈利期

当前数据支持“商业化加快”，但不足以支持“行业已经全面进入可盈利时期”的结论。智谱上半年收入高速增长，同时仍亏损20.7亿元；模型研发、算力扩容和市场拓展仍需要大量投入。

更准确的判断是，AI大模型正在从概念验证进入收入验证阶段。市场关注点开始从模型参数和榜单成绩，转向订单、确认收入、毛利率、现金流和客户续约。

投资者应关注哪些风险

AI应用和算力产业链可能因热点消息出现短期波动，但单一公司的订单披露不代表整个板块基本面同步改善。需要警惕：

• 订单被误读为收入或利润
• ARR、订单额和财报收入混用
• 低价竞争压缩API毛利率
• 算力投入过快导致利用率不足
• 客户试点未能转化为长期合同
• 垂直行业的数据、安全和监管障碍

任何关于“次日行情”或板块必然上涨的判断，都不属于可验证的经营事实。市场价格受估值、资金和风险偏好等多重因素影响。

总结

智谱Co-work在GLM-5.3发布一个月内获得超10亿元行业订单，约100家安全企业接入，显示大模型正从API工具向专业工作流延伸。结合上半年9.54亿元收入及MaaS/API占比升至86.5%，其商业化路径确实发生了明显变化。

但订单尚未等同于收入，公司也仍处于亏损阶段。未来真正需要验证的是交付、回款、续约、毛利率和跨行业复制能力。对AI产业而言，这代表商业化进入新阶段，而不是所有应用企业和算力公司已经自动获得盈利。