
一家技术被反复点赞的公司,股价却像坐上了过山车,这是近期资本市场对智谱(02513)最直观的感受。云巴巴平台在梳理企业AI采购与行业观察反馈时发现,不少决策者既认可智谱的产品力,又对其股价的剧烈波动感到困惑。据媒体报道,7月智谱股价曾出现单日重挫28.49%的走势,自阶段高点累计跌幅一度达到66%,市值蒸发超过8000亿港元。进入8月,随着GLM-5.3曝光与同行DeepSeek涨价的消息面带动,股价出现明显反弹,8月4日单日涨超8%、8月6日盘中涨超9%。产品强是否等于股价稳?本文尝试把这条波动曲线讲清楚,帮助读者把"技术看好"与"二级市场预期"区分开来看待。
七月暴跌的来龙去脉

据媒体报道,智谱(02513)在7月经历了一轮教科书式的剧烈回调。最受关注的是单日重挫28.49%的行情,引发市场广泛讨论;若从阶段高点计算,累计跌幅一度达到约66%,对应市值蒸发超过8000亿港元。需要明确的是,这些数字来自于公开媒体报道的复盘口径,并非对某一确定时点的断言,也不构成对未来走势的预测。回看原因,港股AI板块在经历前期快速上涨后,本身就积累了较高的估值泡沫与获利盘;叠加部分资金对大模型商业化节奏、政策预期与外围流动性的担忧,情绪面放大了波动。对长期关注智谱的投资者而言,这类回撤提醒人们:即便基本面被看好,二级市场的定价也会受到流动性与情绪的显著影响,不能因为有技术叙事就忽视估值风险。从交易结构上看,这类快速回撤往往还伴随着成交量的骤然放大与持仓结构的换手:早期获利资金选择兑现,跟随资金在缺乏新增催化剂时选择离场,短线情绪与被动止损相互叠加,跌幅便可能超出基本面本身能解释的范围。据媒体报道的复盘视角,7月港股科技板块整体承压,智谱并非孤例,只是因为前期涨幅较大、市场关注度较高,波动被格外放大。对企业读者而言,这段行情更值得记住的是提醒本身:把二级市场的价格信号当作供应商稳定性的判断依据,容易得出失真的结论。
八月的反弹由何驱动

进入8月,智谱股价迎来修复。据市场报道,8月4日其单日涨幅超过8%,8月6日盘中涨幅更一度超过9%。推动这轮反弹的催化因素主要有两条。其一,GLM-5.3的曝光事件重新点燃了市场对其技术领先性的预期,尽管尚未官方发布,但泄露信号强化了"智谱仍在快速迭代"的认知。其二,同行DeepSeek传出涨价消息,客观上缓解了市场对"国产大模型只能打价格战"的担忧,带动整个板块情绪回暖。需要留意的是,消息面驱动的反弹往往波动更大,投资者应区分"技术进展"与"交易性机会"。据媒体报道的口径,本轮上行的持续性仍取决于后续业绩兑现与发布节奏,单凭泄露信息难以判断趋势是否已经反转。
产品强不等于股价稳
智谱的案例给所有关注AI赛道的观察者上了一课:产品力强,并不自动转化为股价稳定。大模型公司的估值,既要看技术能力与产品口碑,也要看商业化成色、盈利路径与宏观流动性。当市场处于风险偏好低谷时,再亮眼的技术叙事也可能被折价;而一旦情绪回暖,边际利好又会被迅速放大。对企业决策者而言,若把"技术看好"直接等同于"值得重仓",容易忽略估值与基本面的错位。更稳健的做法,是把智谱的产品能力与其二级市场表现分开评估,前者关乎选型与采购,后者关乎投资,二者遵循不同逻辑,不宜混为一谈。对企业用户来说,模型是否好用,比股价涨跌更值得关心。
国产AI估值逻辑
放到更大的框架下,智谱的波动折射出国产AI整体的估值逻辑。市场目前对大模型公司采用的是"成长预期+商业化兑现"的双重定价:既愿意为长期技术领先支付溢价,又高度敏感于MaaS收入、API调用量与毛利这类硬指标。高盛等机构近期上调中国大模型ARR预期,正反映了这种"从故事到财报"的转向。对投资者而言,关键不是预测单日涨跌,而是跟踪可验证的经营数据,API收入、客户留存、定价权。对使用方企业,则更应关注模型能力、稳定性与总拥有成本。理解这套逻辑,才能在"过山车"行情中保持清醒,做出符合自身目标的决策,而不是被短期情绪牵着走。需要补充的是,机构预测本身也会随着行业竞争格局、算力成本与定价策略变化而不断修正,任何一次预期上调都不等于收入已经落袋,读者更应关注的是季度之间趋势是否延续。对采购方来说,可以借鉴的是同一套观察方法:与其被市场情绪影响判断,不如把供应商的调用稳定性、版本迭代节奏、商务条款透明度与技术支持响应速度记录下来,形成自己的跟踪清单。

目前,智谱GLM系列已经在云巴巴平台上线,企业可以一站式对比不同版本的能力与定价。在云巴巴,你还能横向对比更多同类大模型产品,找到最适合自身业务场景的方案。


以家居卖家多店报表分裂为场景,讲解如何用 Accio Work 的生意地图把多平台利润、流量、库存拉通,一张图看全局。适合多店铺多平台经营的家居卖家参考。

以机械外贸报价整理慢为场景,讲解如何用 Accio Work 的知识库与询盘结构化能力,把配置复杂的报价弹药提前备好。适合机械外贸等配置复杂品类的报价提效参考。

以客服离职交接混乱为场景,讲解如何用 Accio Work 的知识库沉淀机制,把分散的客服话术变成可顶岗的组织资产,适合客服团队标准化与知识沉淀场景参考。

以服装卖家上新拖延为场景,讲解如何用 Accio Work 的多平台发品能力,把跨平台重复上架收口成一次维护、一键发布。

以五金厂跨时区询盘为场景,讲解如何用 Accio Work 的自动接待与询盘分层能力,把夜里流失的海外商机接住并结构化处理。