نتایج نیمه نخست Z.AI تغییری تجاری را نشان میدهد که از تیتر رشد ۴۰۰ درصدی درآمد مهمتر است. این شرکت که پیشتر با نام Zhipu AI شناخته میشد، برای شش ماه منتهی به ۳۰ ژوئن درآمد ۹۵۳.۹ میلیون یوانی گزارش کرد که ۳۹۹.۷ درصد بیشتر از سال قبل است. اما تغییر مهمتر در منبع درآمد دیده میشود: درآمد پلتفرم باز و API به ۸۲۵.۲ میلیون یوان رسید و ۸۶.۵ درصد کل درآمد را تشکیل داد، در حالی که سهم این بخش یک سال قبل ۱۵.۲ درصد بود و درآمد deployment مدلهای عمومی سازمانی ۵۴.۶ درصد کاهش یافت.
این تحول پرسش تجاری درباره آزمایشگاههای مستقل مدل را تغییر میدهد. موضوع فقط این نیست که آیا میتوانند مدل رقابتی آموزش دهند یا نه. مسئله این است که آیا میتوانند inference را به یک سرویس تکرارشونده با اقتصاد ناخالص بهتر تبدیل کنند و در عین حال هزینه سنگین تحقیق را تامین کنند. اعلام نتایج میاندورهای Z.AI جزئیات کمسابقهای درباره این انتقال ارائه میکند و Reuters نیز رشد درآمد و کاهش زیان قانونی را بهطور مستقل گزارش کرده است.
درآمد از deployment به inference تکرارشونده منتقل شد
Z.AI درآمد کل نیمه اول را ۹۵۳.۹ میلیون یوان اعلام کرد، در برابر ۱۹۰.۹ میلیون یوان در دوره مشابه ۲۰۲۵. درآمد پلتفرم باز و API با رشد ۲۷۳۵.۷ درصدی به ۸۲۵.۲ میلیون یوان رسید و ۸۶.۵ درصد کل درآمد را تشکیل داد. درآمد agentهای سازمانی به ۵۵.۶ میلیون یوان افزایش یافت، در حالی که درآمد مدلهای عمومی بزرگ سازمانی از ۱۴۷.۶ میلیون به ۶۷.۰ میلیون یوان کاهش پیدا کرد.
ترکیب درآمد از درصد رشد مهمتر است. یک سال قبل Z.AI هنوز به deploymentهای پروژهای سازمانی وابستگی بیشتری داشت. در نیمه اول ۲۰۲۶ شرکت میگوید عمدا licensing مدل on-premise را کوچک کرده و به سمت سرویسهای قابل فراخوانی مداوم، subscription و در نهایت تحویل در سطح task حرکت کرده است. در نتیجه درآمد بیشتر به استفاده مداوم از مدل وابسته میشود تا فروش یکباره نرمافزار.
این تغییر بهخودیخود تضمینکننده کسبوکار قویتر نیست. سرویس usage-based شرکت را در معرض هزینه inference، نوسان استفاده و رقابت قیمتی قرار میدهد. اما ترکیب گزارششده نشان میدهد Z.AI از یک آستانه مهم تجاری عبور کرده است: مشتریان در مقیاسی که اکنون درآمد شرکت را غالب کرده، بهطور تکرارشونده برای دسترسی به مدل پول میدهند.
unit economics از تعداد کاربر مهمتر است
در filing آمده است که تا تاریخ انتشار گزارش، حجم token invocation روی پلتفرم MaaS بیش از ۴۰ برابر نسبت به ابتدای ۲۰۲۶ شده است. حجم استفاده از Coding Plan نیز بیش از ۲۳ برابر افزایش یافته. همزمان شرکت میگوید متوسط قیمت فروش API حدود ۱۰۱ درصد بالا رفته و gross margin بخش پلتفرم باز و API به ۲۴.۶ درصد رسیده است.
این اعداد توسط خود شرکت گزارش شدهاند و نباید بهعنوان معیار مستقل قدرت بازار در نظر گرفته شوند. با این حال، برای ارزیابی تجاری از تعداد کاربر یا رتبه benchmark مفیدترند. Z.AI میگوید هم استفاده و هم قیمت موثر افزایش یافته، در حالی که حاشیه ناخالص هسته API بهتر شده است.
شرکت همچنین اعلام کرده هزینه inference به ازای هر token پس از استقرار کلاستری با بیش از ۱۰۰ هزار تراشه داخلی، از ابتدای سال ۸۰ درصد کاهش یافته است. این ادعا یک benchmark فنی مستقل و auditشده نیست و filing جزئیات کافی برای مقایسه مستقیم با GPUهای وارداتی ارائه نمیکند. با این حال، در کنار ترکیب درآمد نشان میدهد چرا بهرهوری زیرساختی به بخشی جداییناپذیر از اقتصاد شرکتهای مدل تبدیل شده است. وقتی API کسبوکار غالب است، تغییر کوچک در هزینه هر token میتواند با رشد invocation اثر بزرگی بر gross profit داشته باشد.
Coding به ورودی تجاری خدمات agentic تبدیل میشود
Z.AI انتقال درآمد خود را به coding و رفتار agent در taskهای بلندمدت پیوند میدهد. شرکت میگوید coding نخستین نقطه ورود مقیاسپذیر برای مصرف token و رشد درآمد cloud بوده و اکنون همان قابلیتهای planning، tool use و error recovery را به cybersecurity، data analytics و workflowهای حرفهای دیگر گسترش میدهد.
این framing تا حدی باید بهعنوان استراتژی management دیده شود، نه واقعیت خارجی اثباتشده. اما صورتهای مالی یک نقطه اتکای مشخص دارند: درآمد پلتفرم باز و API اکنون خط درآمد غالب است و درآمد agent سازمانی نیز از پایهای کوچکتر رشد میکند. شرکت همچنین میگوید pilotهای جدید در cybersecurity، حقوق، مالی و آموزش هنوز بهجز پیشرفت عمومیتر در cybersecurity درآمد مادی ایجاد نکردهاند.
برای توسعهدهندگان و خریداران سازمانی، این تفاوت مهم است. اقتصاد کوتاهمدت vendor هنوز عمدتا به مصرف API وابسته است، حتی وقتی narrative محصول به سمت agentهایی میرود که outcome کامل میفروشند. تحویل task بهصورت agentic ممکن است مقصد استراتژیک باشد، اما موتور فعلی monetization همچنان inference تکرارشونده است.
رشد سریع هنوز بار سرمایهای را حذف نکرده است
رشد بالا به معنی رسیدن Z.AI به خودکفایی مالی نیست. هزینه تحقیق و توسعه ۳۳.۶ درصد رشد کرد و به ۲.۱۳ میلیارد یوان رسید، یعنی بیش از دو برابر کل درآمد. زیان قانونی دوره ۱۲.۱ درصد کاهش یافت و به ۲.۰۷ میلیارد یوان رسید، در حالی که adjusted net loss با رشد ۱۲.۱ درصدی به ۱.۹۶ میلیارد یوان رسید.
این وضعیت یک تنش روشن در کسبوکار model lab ایجاد میکند. اقتصاد ناخالص در لایه سرویس میتواند بهتر شود، در حالی که اقتصاد کل شرکت همچنان تحت سلطه هزینه توسعه مدل و زیرساخت باشد. بنابراین شرکت میتواند هم margin بهتر API و هم کاهش زیان قانونی نشان دهد، بدون اینکه هنوز ثابت کرده باشد چرخه توسعه مدل از درآمد عملیاتی بهصورت پایدار تامین میشود.
برای ارزیابی vendorهای AI با رشد سریع، این تمایز مهم است. رشد درآمد بهتنهایی میتواند ظاهری از validation تجاری ایجاد کند. آزمون کاملتر این است که آیا درآمد تکرارشونده inference سریعتر از هزینه لازم برای حفظ رقابت مدل رشد میکند و آیا gross profit حاصل از استفاده میتواند در نهایت هزینه تحقیق و زیرساخت را جذب کند.
این نتایج درباره model labهای مستقل چه میگویند
نتایج Z.AI یک دید عمومی کمسابقه به model labی میدهد که نه یک megavendor آمریکایی است و نه یک startup خصوصی. مهمترین شواهد این نیست که درآمد تقریبا پنج برابر شده است. نکته مهم این است که ترکیب کسبوکار از deployment سازمانی به مصرف API چرخیده و شرکت همزمان افزایش قیمت API، بهبود gross margin API و کاهش هزینه inference را گزارش میکند.
تحلیل Aipolix این است که مرز رقابت برای model labهای مستقل از کیفیت مدل بهتنهایی به یک مسئله سهبخشی شامل capability، distribution و inference economics منتقل میشود. یک آزمایشگاه میتواند مدل خوبی داشته باشد اما اگر تقاضای تکرارشونده ایجاد نکند یا نتواند آن تقاضا را کارآمد serve کند، از نظر تجاری شکست بخورد. در مقابل، رشد استفاده نیز کافی نیست اگر هزینه تحقیق بهصورت ساختاری از gross profit جدا بماند.
Z.AI هنوز این معادله را حل نکرده است. زیانها بزرگاند، چند ادعای performance توسط خود شرکت گزارش شدهاند و بخش زیادی از توسعه agentic هنوز در مرحله pilot است. اما filing میاندورهای شواهد قابل اندازهگیری ارائه میکند که مدل تجاری شرکت از فروش deployment به فروش intelligence مداوم در حال تغییر است. برای practitioners و ناظران صنعت، این سیگنال از یک نتیجه leaderboard دیگر مهمتر است.