智谱AI：源自清华、创新成就200亿估值的AI领航者

大家好，欢迎来到IT知识分享网。

The information评选的“中国OpenAI Top5”、2024福布斯中国人工智能科技企业Top50、2023年度国际开源AI社区Hugging Face评选最受欢迎企业（国内唯一入选企业）、《2024·胡润全球独角兽榜》入选企业……

——这就是国内AI行业璀璨的新星：北京智谱华章科技有限公司（以下简称“智谱AI”）。

智谱AI以一系列令人瞩目的荣誉和成就，照亮了中国乃至全球AI技术的天空。

作为一家诞生于中国顶尖学府清华大学的高科技企业，在近日结束的 2024 世界人工智能大会（WAIC）上发布了第4代CodeGeeX代码大模型 CodeGeeX4-ALL-9B。

智谱AI的发展历程，不仅是对人工智能无限潜能的探索，更是对科技服务于社会美好愿景的践行。

今天，让我们走进智谱AI的世界，探索它如何以其卓越的技术实力和创新精神，引领AI行业的新潮流，开启智能科技的新篇章。

1、智谱AI的成立背景

2019年，智谱AI诞生于人工智能大模型行业的黄浦军校“清华”，由清华大学计算机系的技术成果转化而来，源自成立于1996年的清华大学KEG（知识工程）实验室，拥有逾27年人工智能技术积累。

智谱AI的愿景是“未来让机器像人一样思考”，致力于开发新一代认知智能大模型，其产品服务包括但不限于自然语言处理、图像识别、声音识别等人工智能领域 。

其核心技术包括自研的GLM预训练框架，以及基于此框架开发的多阶段增强预训练方法，这些技术针对中文问答和对话进行了特别优化。

到2024年1月，智谱AI的GLM-4大模型已比肩世界顶尖水平。

在商业化探索方面，智谱AI已经与2000多家合作伙伴建立了合作关系，其中包括200多家企事业单位，覆盖金融、能源、制造等多个行业。在2024年6月智谱 AI Open Day上，智谱AI披露已有企业级客户30万+，日均调用量达到 400 亿 Tokens。

智谱AI模型发展历史：

• 2019年6月：智谱AI成立
• 2020年1月：专注大模型算法研究
• 2021年9月：设计GLM算法，推出100亿参数的GLM-10B模型。
• 2022年8月：发布高精度千亿大模型GLM-130B并开源，ChatGLM对话模型，及多模态模型产品矩阵。
• 2022年9月：发布代码生成模型CodeGeeX，每天帮助程序员编写1000万行代码
• 2023年3月：发布千亿基座的对话模型ChatGLM及其单卡开源版本ChatGLM-6B，全球下载量超过800万
• 2023年5月：开源多模态对话模型VisualGLM-6B（CogVLM）
• 2023年6月：发布全面升级的ChatGLM2模型矩阵，多样尺寸，丰富场景，模型能力登顶C-Eval榜单
• 2023年8月：智谱AI通过大模型备案，推出智谱清言AI助手。
• 2023年10月：发布第三代ChatGLM3系列模型及相关系列产品，推出新一代多模态大模型CogVLM。
• 2024年1月：推出性能提升的GLM-4大模型，整体性能相比上一代大幅提升，比肩世界先进水平
• 2024年2月：推出超拟人大模型CharacterGLM，开源部分模型。
• 2024年6月：发布第四代GLM-4系列开源模型，包括多种版本。
• 2024年7月：在世界人工智能大会上发布CodeGeeX4-ALL-9B代码生成大模型。

2、团队构成与专业背景

智谱AI的团队是一支由主要来自清华大学和拥有丰富行业经验的专家组成的精英队伍，专注于人工智能领域的研究与开发。

团队成员在大规模预训练模型、语义大数据分析、智能问答、辅助决策等应用领域拥有丰富的实践经验和技术积累。

（1）唐杰——首席科学家、创始人

唐杰，智谱AI创始人及首席科学家。曾任清华大学计算机系教授、计算机系副主任、清华-工程院知识智能联合实验室主任、杰青。

研究方向为社会网络分析、数据挖掘、机器学习和知识图谱。

发表论文200余篇，引用10000多次（个人h-指数54）。主持研发了科技情报挖掘平台AMiner，收录1.36亿科研人员、2.31亿科技文献，吸引了220个国家/地区800多万独立IP访问。

担任国际权威期刊ACM TKDD的执行编辑和国际会议CIKM’16、WSDM’15程序委员会主席、KDD’18大会副主席以及IEEE TKDE、ACM TIST、IEEE TBD等期刊编委。荣获北京市科技进步一等奖、中国人工智能学会科技进步一等奖、KDD杰出贡献奖。

（2）张鹏——CEO

张鹏，智谱AI CEO。

清华大学2018创新领军工程博士，毕业于清华大学计算机科学与技术系，研究领域包括文本数据挖掘和语义分析、知识图谱构建和应用等。

作为主要研究人员参与欧盟第七合作框架跨语言知识抽取、国家863计划“海量知识库建设与构建关键技术及系统”、科技情报分析挖掘平台AMiner（https://aminer.cn）等项目的研发工作，并参与设计和研发了国内首个中英文平衡的跨语言知识图谱系统XLORE（http://xlore.org）,在ICML、ISWC等顶级会议上发表10余篇文章。

曾任中国新闻信息标准化分会委员，电子学会标准化工作委员会机器人技术委员会委员。长期致力于将知识图谱研究理论应用于实际需求，在语义大数据分析、智能问答、辅助决策等应用领域拥有丰富的实践经验。

（3）刘德兵——董事长

刘德兵，智谱AI董事长。刘德兵是中科院计算所博士，师从高文院士，曾任清华数据科学研究院科技大数据研究中心副主任，Thomson 北京研究院高级研究员，清华计算机系高级工程师。

（4）王绍兰——总裁

王绍兰，智谱AI总裁，清华大学创新领军工程博士。曾任清华大学数据科学研究院科技大数据研究中心副主任，NASDAQ 上市公司凹凸科技北京公司总经理。

获得授权发明专利 15 项，美国发明专利 2 项；主导多项政府合作，包括中国科协人才平台，北京科委人才大数据平台，福州科技情报研究中心等。

他的团队研究领域包括科研领域专家画像、科技情报大数据应用研究等;参与研发了国内科技情报大数据分析与挖掘平台AMiner(aminer.cn);有丰富的科技情报大数据应用经验。

3、智谱AI开源模型介绍

智谱AI是以开源为方向的AI大模型公司，最新成果一般会放出小规模的大模型产品（如ChatGLM-6B），其是开源大模型赛道的头部公司。

智谱AI对开源持有积极的态度，认为开源和商业化并不矛盾，而是可以相互促进、形成良性循环。

最新开源的 GLM-4-9B，模型性能全面超越Llama3-8B模型。

2022年7月，智谱AI就自主研发的千亿模型 GLM-130B 在GitHub上开源 。

2023年3月，智谱发布了对话模型ChatGLM的同时将60亿参数的模型 ChatGLM-6B 开源。

一代和二代ChatGLM-6B模型在所有开源社区累计达到1000万+下载，累计四周Hugging face趋势榜第一；而在另一知名开源社区GitHub上取得了 5w+点赞量。

智谱AI是目前开源模型的主要力量之一（其他热门开源模型包括Llama 2）。

2023年10月，智谱AI继续开源了 ChatGLM3-6B，ChatGLM3-6B 的基础模型 ChatGLM3-6B-Base 采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。在

语义、数学、推理、代码、知识等不同角度的数据集上测评显示，ChatGLM3-6B-Base 具有在 10B 以下的基础模型中最强的性能。

同日开源了多模态模型 CogAgent-18B，可接受1120×1120的高分辨率图像输入，具备视觉问答、视觉定位（Grounding）、GUI Agent等多种能力。

2024年6月，智谱AI推出了第四代 GLM 系列开源模型 GLM-4-9B。

GLM-4-9B 系列模型包括：基础版本 GLM-4-9B（8K）、对话版本 GLM-4-9B-Chat（128K）、超长上下文版本 GLM-4-9B-Chat-1M（1M）和多模态版本 GLM-4V-9B-Chat（8K）。

2024年7月，智谱AI在2024 世界人工智能大会上发布并开源代码生成大模型 CodeGeeX 的第四代产品 CodeGeeX4-ALL-9B，集代码补全和生成、代码问答、代码解释器、工具调用、联网搜索、项目级代码问答等所有能力于一体，号称是目前百亿（10B）参数以下性能最强、最全能的代码大模型。

4、智谱AI业务介绍

智谱AI具有多方向、多类型的大模型矩阵，包括通用大模型（如GLM-4）、图像大模型（CogView）、超拟人大模型（CharacterGLM）、向量大模型（Embedding-2）、代码大模型（CodeGeeX）。

除了大模型外，智谱AI还有包括智谱清言、CodeGeeX、写作蛙、小呆等AI大模型应用产品。

（1）通用大模型（GLM-4）

通用大模型是智谱AI的核心模型，智谱AI基于自研的GLM框架逐步推进大模型研究。自 GLM-130B 千亿参数规模的基础模型推出以来，GLM系列模型持续发展，受到了国内外广泛关注和认可。

特别是 ChatGLM-6B 系列开源模型，在 2023 年便在Hugging Face平台上吸引了超过 1000 万次的下载量。

智谱AI最新的通用大模型为 GLM-4 系列模型，包括 GLM-4、GLM-4-Air 和 GLM-4-9B。

GLM-4（2024年1月发布）的整体性能相比GLM3全面提升60%，逼近GPT-4。

它可以支持更长的上下文，具备更强的多模态能力。同时，它的推理速度更快，支持更高的并发，大大降低推理成本。

除此之外，GLM-4大幅提升了智能体能力，GLM-4 All Tools实现自主根据用户意图，自动理解、规划复杂指令，自由调用网页浏览器、Code Interpreter代码解释器和多模态文生图大模型以完成复杂任务。

智谱AI最新在2023年内月5日更新GLM-4到0520版本。

GLM-4在标准基准测试、指令遵循、长上下文处理、代码问题解决以及英文环境下的智能体能力方面，接近于当前最先进的模型（如GPT-4 Turbo、Gemini 1.5 Pro和Claude 3 Opus）。

特别是在对齐能力方面，GLM-4在中英文环境中展现出比最先进模型更强的性能，涵盖了基本语言能力、高级中文理解、专业知识以及开放式问题等多个领域。综合来看，GLM-4在中文语言任务上表现卓越，并且在中文数学和逻辑推理能力方面与GPT-4和Claude 3 Opus相当，尽管略低于GPT-4 Turbo。

目前主要提供的模型服务：

• GLM-4-0520：智谱AI当前的最先进最智能的模型，指令遵从能力大幅提升18.6%，具有128k上下文，发布于。
• GLM-4-AllTools：模型对用户提问进行规划，选择合适的工具，逐步分析并采取下一步行动，最终完成复杂任务。
• GLM-4V：支持视觉问答、图像字幕、视觉定位、复杂目标检测等各类图像理解任务，具有2k上下文。
• GLM-4-Air：性价比最高的版本，综合性能接近GLM-4，具有128k上下文，速度快，价格实惠。
• GLM-4-AirX：GLM-4-Air 的高性能版本，效果不变，推理速度达到其2.6倍。具有8k上下文。
• GLM-4-Flash：适用简单任务，速度最快，价格最实惠的版本，具有128k上下文。

（2）图像大模型（CogView）

智谱AI图像大模型主要为CogView图像生成模型，它经过大规模预训练，能够理解图片的实质属性、场景组成和画面风格，并根据语言描述生成全新、独特又真实的高质量图片。

CogView3作为该系列的最新产品，是第一个在文本到图像生成领域实现 relay diffusion 的模型，它通过首先创建低分辨率图像，然后应用基于中继（relay-based）的超分辨率来执行任务。

这种方法不仅能产生有竞争力的文本到图像输出，还能大大降低训练和推理成本。在人类评价中比当前最先进的开源文本到图像扩散模型SDXL表现出了77.0%的优势，同时推理时间仅需大约1/2。

（3）超拟人大模型（CharacterGLM）

CharacterGLM，参数大小从 6B 到 66B，它是专门用于定制中文AI角色的模型，使用门槛更低，模型表现更好。团队开源6B版本的CharacterGLM模型，其他版本的模型可以通过API访问。

（4）向量大模型（Embedding-2）

智谱AI的向量模型Embedding-2是公司开发的一款专注于提供文本嵌入（text embedding）服务的模型。

Embedding-2模型能够将文本转换为向量形式，这在诸如语义搜索、推荐系统、自然语言处理等多种应用场景中非常有用。

（5）代码大模型（CodeGeeX）

CodeGeeX是智谱AI旗下的代码生成大模型，2022年9月发布第一代模型，以每半年更新一代模型的迭代速度不断进化，致力于探索大模型代码生成能力的上限。

基于模型打造的CodeGeeX智能编程助手，不仅支持代码补全、代码注释、代码修复、代码翻译等基础功能，还支持联网代码问答、代码解释器、检索增强等进阶实用功能。CodeGeeX对个人用户完全免费，在各种主流IDE均可免费下载使用。

CodeGeeX最新版本为CodeGeeX4系列模型，集代码补全和生成、代码问答、代码解释器、工具调用、联网搜索、项目级代码问答等所有能力于一体的代码大模型，是目前百亿（10B）参数以下性能最强、最全能的代码大模型。

目前CodeGeeX的个人用户数量已经超过100万，企业版本也已经广泛应用于科技、金融、医疗和制造等多个行业，在中国信通院组织的代码大模型首轮评估中获得当前最高评级，成为国内首批通过该项评估的大模型之一。

（6）价格

标准版定价：通过智谱AI提供的标准API产品，快速构建用户自己专属的大模型应用，按照模型实际处理文本的token数量计量计费。对大使用用户进行折扣，最高提供6折优惠。

微调模型定价：通过使用用户的训练数据微调我们的基础模型来创建用户自己的模型。

云端私有化定价：提供额外的模型微调服务，提高模型精度，快速构建用户自己的专属大模型。

本地私有化定价：智谱AI大模型私有化部署服务是基于大模型算法模型的云计算服务，为客户提供高效的数据处理、模型训练和部署服务。

为用户提供智谱大模型文件和相关工具包，客户可自行训练和部署推理服务，同时智谱会提供部署应用相关的技术支持和咨询，以及模型的更新。通过私有化部署方案，实现数据的完全掌控和模型的安全运行。

5、估值及融资情况

智谱AI最新融资估值达30亿美元，历史融资合计超7亿美元。

天使轮融资：2019年8月，智谱AI完成天使轮融资，金额未披露，此轮融资由中科创星、华控汇金、清华控股投资。

A轮融资：2021年9月，智谱AI完成A轮融资，金额过亿元融资，此轮融资由达晨财智、华控基金、将门创投、南京图灵、北京达凡、通智投资、枣庄通智、荣品投资、财智创赢、凌云光等机构联合投资。

B轮融资： 2022年9月，智谱AI完成B轮融资，金额为数亿元人民币，此轮融资由君联资本、启明创投联合领投，华兴资本担任独家财务顾问。

2023年多轮融资： 2023年10月，智谱AI宣布今年已累计获得超25亿人民币融资，投后估值超过100亿元人民币，参与方主要包括社保基金中关村自主创新基金（君联资本为基金管理人）、美团、蚂蚁、阿里、腾讯、小米、金山、顺为、Boss直聘、好未来、红杉、高瓴等多家机构及包括君联资本在内的部分老股东跟投。

战略融资：2024年3月，智谱AI完成新一轮融资，北京市人工智能产业投资基金参与投资。

C轮融资：2024年5月，智谱AI完成C轮融资，融资金额约为4亿美元，估值约为30亿美元，由沙特阿美风险投资部门旗下基金Prosperity7投资。

6、智谱AI为何估值能达200亿？

首先，智谱AI的“地基”是专业壁垒与技术实力。智谱AI团队由来自“清华大学”这样顶尖学府的科研精英组成，具备强大的研发能力和创新精神。

公司自主研发的GLM预训练架构，训练效率比GPT更高，也能理解更复杂的场景。训练出的百亿参数模型GLM-10B和1300亿参数的超大规模模型GLM-130B，不仅在技术上取得了突破，更在国际上赢得了认可。

特别是开源模型ChatGLM-6B到最新的GLM-4-9B，展示了智谱AI在AI领域的领导地位和对开源社区的贡献，其产品在全球范围内的下载量超过1300万次，成就举世瞩目。

其次，智谱AI商业化路径的探索走在了行业前列。智谱AI在商业化方面展现出了清晰的路径和强大的执行力。

公司构建了丰富的产品矩阵，包括智谱清言、CodeGeeX等，服务于金融、能源、制造等多个行业。通过与客户的深度合作，智谱AI积累了大量的商业案例，并发布了《智谱AI大模型商业化案例合集》。

这些案例不仅证明了产品的实用性和有效性，也为公司赢得了市场的信任和口碑。

根据公开信息，智谱AI在过去一年中收获了超过2000家生态合作伙伴，并实现了超过1000个大模型规模化应用，与超过200家企业进行了深度共创，2023年下半年，公司签单客户约有几百家，整体有亿级签单额；智谱AI的开放平台现在已经有超过 40 万的企业用户（包括一部分小的开发者团队），现在每天的服务量也超过了 600 亿 token 的服务量，增长非常快速。

最后，智谱AI具有强大的资源整合能力。

一方面，在股东层面，智谱AI得到了包括沙特阿美、社保基金、阿里、腾讯、高瓴等知名投资机构的支持，累计已获得超过50亿元现金；这些股东中，包括了阿里、腾讯、美团以及政府产业基金等，不仅可以在云服务层面更好的展开合作，可以借助股东云厂商的市场地位和渠道，推广自身的人工智能技术和服务，同时智谱AI也利用大模型算力数据需求，为股东云业务收入提供助力。同时，丰厚的股东背景也为智谱AI带来了强有效的市场背书。

另外一方面，智谱AI通过开源和设立大模型创业基金，正在构建一个开放、合作、创新的AI生态圈，这个生态圈不仅涵盖了技术研发和产品创新，还包括了人才培养、行业应用、国际合作等多个维度，为AI技术的发展和应用提供了广阔的平台和无限的可能性。

7、小结

智谱AI作为国内AI大模型领域的领军企业之一，也是目前AI大模型独角兽中估值最高的公司。

智谱AI专注于大模型的中国创新，打造了包括GLM系列在内的多款领先大模型产品，以其卓越的技术实力、创新能力、商业化进展和市场认可度，展现了其在推动人工智能技术发展和应用方面的重要作用和潜力。

同时，智谱AI不仅自己进行AI研发，还积极开发生态，通过股东、开源和投资，形成自己的AI生态圈。

由于语言及政策的形势，国内必然形成自己的AI大模型市场，在这种态势下，智谱AI是最有可能跑出来的AI大模型初创公司之一。

但是我们也关注到，智谱AI的CEO张鹏博士也提到，大模型的商业化路径仍需要时间来完善，毕竟当年Google成为世界第一的搜索引擎之后仍花费了6年才探索商业落地成功。

如何学习大模型 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。

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】