大模型行业正经历关键转折，曾经由技术突破引发的热潮，在2025年迎来商业化考验。随着智谱等头部企业启动IPO进程，行业焦点从模型能力的比拼转向应用落地的实效。资本市场对大模型企业的评估标准愈发严格，尤其在开源与闭源路线之争中，这种审视尤为明显。
在行业认知中，开源与商业化常被视为对立面。然而，智谱董事长刘德兵提出反直觉观点：二者长期来看并不冲突。他解释称，短期利益下闭源确实能快速盈利，但从产业长远发展看，开源是培育生态的基础。AI化是百年进程，若不开源，多数人无法接触技术，产业应用便无从谈起。开源能降低企业沟通成本，加速合作推进，例如智谱开源后商业收入快速增长，技术进展与应用扩展将进一步推动增长。
针对智谱发布10B级小参数模型GLM-4.1V-Thinking，刘德兵认为，性价比竞争并非新现象，只是当前模型性能提升放缓导致行业分化。他强调，大参数模型仍是技术锚点，通过提升参数和训练数据，可明确模型性能上限。例如，小模型跑出90分时，需通过万亿参数模型验证其水平：若万亿模型仅达91-92分，则小模型已足够；若达98-99分，则需优化小模型向高性能指标靠拢。这种“锚点+优化”的技术路线，能平衡性能与效率。
谈及应用落地，刘德兵指出，语言、图像生成等领域已成熟，但能源、制造等产业深度应用仍需突破。他提出两个方向：一是模型企业与产业深度结合，通过共创场景逐步融入产业；二是提升模型基础能力，降低使用门槛，未来普通用户也能高效应用。对于深度结合的时长预期，他表示，龙头企业普遍理性，愿通过成熟场景切入，逐步实现AI融入产业基础设施。
针对C端产品向“超级入口”收缩的趋势，刘德兵认为，短期看，超级入口能快速扩大影响力；但长期看，模型与产业深度结合的方向更具潜力。尽管前期投入大、进展慢，但一旦做深，可能代表未来方向。他强调，智谱在基础模型研究与产业应用中平衡投入，技术“摸高”需转化为商业优势，避免“空、虚”的研究。
在AGI（通用人工智能）分级中，行业正从L3（自我学习）向L4（自我认知）跨越。刘德兵指出，L3到L4的关键是模型能调整自身参数数值，而非仅扩展能力边界或记忆交互内容。当前模型纠正错误仅限于当前场景，参数数值固定导致判断逻辑不变；若能调整参数数值，模型将永久改变判断逻辑，实现真正自学习。但这一突破难度极大，可能引发模型崩溃，需平衡局部修正与整体稳定性。
对于行业格局变化，刘德兵认为，初期混乱源于方向不明，随着发展，企业将找到定位。智谱坚持“让机器像人一样思考”的愿景，长期投入基础模型研究，保持国际前列。针对AI“独角兽”IPO热潮，他表示，这标志行业从技术探索期进入规模化商业应用期，资本市场将严格检验企业的商业模式可持续性、盈利能力与长期价值。
展望2026年，刘德兵预计技术将有突破，应用将更务实广泛。他特别提到智能体（Agent）应用，当前已实现“0到1”突破，但精准性与效率不足，2026年有望显著提升。随着企业更明确AI应用场景与结合方式，更多人将从中获益，推动产业格局进一步优化。
