智谱清言是哪家公司开发的软件？一次讲清背后的公司和技术

上周有个做产品的朋友突然问我：智谱清言是哪家公司开发的软件？他想把智谱清言的API接进公司的客服系统，但翻了一圈没搞明白背后的主体到底是谁。这个问题其实挺典型的——很多人在用智谱清言写文档、跑代码、做翻译，却对它的出身只有模糊印象：好像跟清华有关，好像是个国产大模型。

核心结论：智谱清言是由北京智谱华章科技有限公司（业内通常叫“智谱AI”）开发的AI助手产品，公司2019年从清华大学知识工程实验室（KEG）孵化成立，产品底层跑的是自研的GLM系列大模型。

这篇文章我打算把这事讲透。不只是回答“谁开发的”这一句，而是把公司背景、技术底座、产品矩阵和实际使用感受都摊开来说。如果你正在做国产大模型的选型，或者单纯想搞清楚智谱系产品的定位，应该能找到有用的东西。

智谱清言到底是哪家公司开发的？

智谱清言是指由北京智谱华章科技有限公司推出的生成式AI助手，于2023年8月31日正式上线，支持网页端、App端和小程序端。它的开发主体智谱AI，是一家典型的高校科研成果转化公司。

按工商信息，北京智谱华章科技有限公司成立于2019年6月，注册地在北京海淀。核心团队来自清华大学计算机系知识工程实验室（KEG），首席科学家唐杰教授是清华计算机系的知名学者，在知识图谱和社交网络分析领域做了二十多年研究。董事长刘德兵也是清华背景，团队里有相当比例的硕博研究人员。

这里有个容易混淆的点：市面上还有“智谱”字样的其他公司，以及一些套壳应用。真正开发智谱清言的是智谱AI这一家主体，官网域名是 zhipuai.cn。如果你在第三方应用商店看到“智谱XX”，那多半是二次开发或者蹭名字的。

融资和估值方面，智谱AI从2021年开始密集融资，投资方包括君联资本、启明创投、达晨财智、中关村科学城等。根据公开报道，2024年公司估值已经进入“两百亿人民币”区间，2025年4月还启动了IPO辅导流程。这个速度在国产大模型创业公司里算是第一梯队。

说实话，我最早注意到智谱不是因为智谱清言，而是因为ChatGLM-6B——2023年3月那个能在消费级显卡上跑起来的开源模型。当时我在一台RTX 3090上把它跑通了，24GB显存占用得满满当当，生成速度大约每秒十几token。那种“消费级硬件也能玩大模型”的震动感，现在回忆起来还挺清晰。这也是智谱区别于很多国产大模型厂商的一个特点：开源路线走得比较坚决。

从GLM-130B到GLM-4：技术底座是怎么演进的

要理解智谱清言为什么是现在这个样子，得看它背后GLM系列模型的演进路线。GLM的全称是General Language Model，智谱自研的预训练架构，和GPT的纯解码器结构、BERT的纯编码器结构都有区别，走的是自回归填空（Autoregressive Blank Infilling）的路线。

我整理了一个简版的演进时间线：

| 时间 | 模型/产品 | 关键信息 | | --- | --- | --- | | 2022年8月 | GLM-130B | 1300亿参数，中英双语，开源发布 | | 2023年3月 | ChatGLM-6B | 60亿参数，可在消费级显卡运行，开源 | | 2023年8月 | 智谱清言上线 | 面向C端的对话助手，基于GLM系列 | | 2024年1月 | GLM-4 | 发布并开放API，对话、推理、代码能力大幅提升 | | 2024年6月 | GLM-4-9B | 开源版本，支持多模态和长文本 | | 2024年下半年 | GLM-4-Plus / GLM-4-Flash | 前者对标旗舰，后者走免费高并发路线 |

从技术角度看，GLM架构有一个我比较欣赏的设计：它在预训练阶段把双向注意力和自回归生成揉在一起，理论上兼顾了理解任务和生成任务。当然这只是架构层面的想法，实际效果还是看数据和工程。坦白讲，2023年上半年的ChatGLM3和同期GPT-3.5比，差距是肉眼可见的，尤其是在复杂推理和长链条任务上。

但GLM-4之后情况变了。我实际测试过几个场景：中文长文档摘要、结构化信息抽取、简单代码生成，GLM-4的表现已经能和我日常用的其他模型打个有来有回。尤其在中文语境下的成语、俗语理解上，反而更自然一些——这跟训练语料的中文占比高有直接关系。

这里要提一句大模型训练的成本。根据智谱公开发布的技术报告，GLM-130B的训练用了96台DGX-A100服务器，训练数据规模在4000亿token量级。这个数字放到今天看不算夸张，但在2022年那个节点，是国内少有的能拿出千亿参数级别自研模型的团队。

智谱清言能干什么，以及它和其他国产大模型的差异

智谱清言的产品定位，简单说就是“国产ChatGPT”，但功能上有自己的侧重。目前主要能力包括：

• **通用对话**：日常问答、写作辅助、翻译润色
• **代码能力**：代码生成、解释、debug，支持Python、Java、C++等主流语言
• **文档处理**：上传PDF、Word、Excel后做摘要、问答、信息提取
• **多模态**：图像理解、图表分析（GLM-4V系列）
• **智能体（Agent）**：可以调用工具、联网搜索、执行多步任务
• **AI画图**：集成了文生图能力

和百度文心一言、阿里通义千问相比，智谱清言的差异化我认为主要在两点。一是开源生态，ChatGLM系列在HuggingFace上的下载量和社区活跃度，在国产模型里是领先的；二是企业级服务，智谱的MaaS平台（BigModel.cn）提供了比较完整的API、微调和私有化部署方案，很多做垂直应用的公司是直接基于GLM做二次开发的。

价格上，GLM-4-Flash是免费的，这个策略在2024年下半年打得很凶，直接拉低了国产大模型API的调用门槛。我在一个小项目里用GLM-4-Flash做过意图分类，响应速度和准确率都够用，成本几乎为零。当然，复杂任务还是得切到GLM-4-Plus。

新手怎么上手智谱清言：一份实操路径

如果你只是想用，路径很简单：

1. 访问 chatglm.cn 或用应用商店下载“智谱清言”App
2. 用手机号注册登录
3. 在对话框里直接提问，或者点“智能体”选现成的工具
4. 需要处理文档时，点输入框旁边的回形针图标上传文件

如果你想做开发，路径是这样的：

使用智谱AI开放平台的GLM-4 API示例

需要先在 bigmodel.cn 申请API Key

from zhipuai import ZhipuAI

client = ZhipuAI(api_key="你的API_KEY") # 替换成自己的key

response = client.chat.completions.create( model="glm-4-plus", # 也可换成 glm-4-flash 走免费额度 messages=[ {"role": "user", "content": "用一句话解释什么是大模型推理"} ], temperature=0.7, )

print(response.choices[0].message.content)

这段代码需要先 `pip install zhipuai`。SDK对国内网络环境比较友好，不像有些海外API还得配代理。

想深入的话，建议按这个顺序走：先用网页版熟悉能力边界，再申请API做小demo，然后看官方文档里的Function Calling和Agent部分，最后如果要做私有化，去了解GLM-4-9B的开源部署方案。

一些个人判断

说了这么多，回到最初的问题。智谱清言是哪家公司开发的软件？答案很明确：北京智谱华章科技有限公司。但比这个答案更有价值的是理解它的技术脉络——从清华实验室的学术研究，到GLM系列模型的工程化，再到智谱清言这个C端产品和企业级MaaS平台，这是一条比较完整的“产学研”路径。

我的判断是，智谱的护城河不在单一模型的跑分上，而在开源社区积累和企业客户粘性。模型能力这件事，头部几家差距在缩小；但生态和工程化能力，是需要时间沉淀的。智谱在这方面的投入是实打实的。

风险也不是没有。大模型赛道烧钱严重，商业化压力大，智谱虽然融资顺利，但能不能在IPO后保持技术投入的节奏，还是个问号。另外开源和商业化的平衡，一直是个难题。

相关推荐

延伸阅读

• [VergeX AI工具导航](https://nav.vergex.cn) —— 收录智谱清言、通义千问、文心一言等主流AI工具的入口和对比
• [国产大模型全景梳理](https://nav.vergex.cn) —— 了解智谱、百川、月之暗面等厂商的定位差异
• [大模型API选型指南](https://nav.vergex.cn) —— 从价格、延迟、能力三个维度做横向测评

订阅更新 想第一时间收到国产大模型的实测报告和技术拆解？可以订阅 VergeX 的更新推送，我们会在新模型发布后一周内给出上手体验。

关键要点速览

1. 智谱清言由北京智谱华章科技有限公司（智谱AI）开发，2019年从清华KEG实验室孵化
2. 产品底层是自研GLM系列模型，2023年8月上线，2024年GLM-4发布后能力显著提升
3. 智谱的差异化在于开源生态（ChatGLM系列）和企业级MaaS平台
4. 新手可从网页版入手，开发者从 bigmodel.cn 申请API Key开始
5. 免费档位GLM-4-Flash适合轻量场景，复杂任务建议用GLM-4-Plus