Laporan keuangan pertama setelah pencatatan di bursa, perusahaan model besar dengan pendapatan domestik terbesar di dalam negeri, MaaS ARR mencapai 1,7 miliar

Tanya AI · Bagaimana model MaaS Zhipu dapat meningkatkan margin laba kotor secara signifikan?

Pada 31 Maret, unicorn model AI besar Zhipu menyerahkan laporan tahunan pertamanya setelah go public. Berdasarkan laporan keuangan terbaru, selama tahun yang berakhir pada 31 Desember 2025, Zhipu meraih total pendapatan lebih dari 724 juta yuan, meningkat 131,9% year-on-year. Sebagai perbandingan, dari 2022 hingga 2024, pendapatan tahunan perusahaan masing-masing sebesar 57 juta yuan, 125 juta yuan, dan 312 juta yuan, menunjukkan tren pertumbuhan yang terus dipercepat.

Dari sisi skala pendapatan, Zhipu telah menjadi perusahaan model besar dengan volume pendapatan terbesar di dalam negeri. Sebagai referensi, perusahaan model besar lain yang terdaftar di Hong Kong, MiniMax, memiliki total pendapatan pada 2025 sekitar 79,04 juta dolar AS. Dari sisi model bisnis, kedua perusahaan juga mengalami divergensi jalur. MiniMax lebih menekankan produk aplikasi asli AI, sedangkan Zhipu terutama menggunakan pola model dan layanan (MaaS), dengan menyediakan layanan cerdas kepada pelanggan perusahaan dan pengembang melalui pemanggilan API.

Jika dibedah laporan keuangan kali ini dari Zhipu, indikator inti yang patut diperhatikan adalah ARR (annual recurring revenue/pendapatan berulang tahunan) dari platform MaaS API-nya, sekitar 1,7 miliar yuan, meningkat 60 kali lipat year-on-year. ARR biasanya digunakan untuk mengukur kemampuan pendapatan berkelanjutan perusahaan, yang dapat mencerminkan kesehatan bisnis. Dalam model MaaS, indikator ini lebih dapat mencerminkan apakah pelanggan terus memanggil model, dan mengonsumsi Token secara stabil, bukan sekadar mengandalkan pertumbuhan pendapatan yang digerakkan oleh proyek sekali jalan.

Di masa lalu, pasar memandang Zhipu lebih seperti perusahaan model besar yang berbasis proyek. Namun, seiring struktur pendapatannya beralih menjadi model MaaS dengan panggilan API sebagai inti, logika pertumbuhan pendapatannya juga berubah: tidak lagi bergantung pada proyek tunggal, melainkan bergantung pada perilaku penggunaan model yang berkelanjutan.

Dalam tingkat tertentu, jalur Zhipu tidak urung membuat orang mengingat perusahaan AI terkemuka global, Anthropic. Di satu sisi, Zhipu terus memperkuat kemampuan model dasar untuk meningkatkan batas kemampuan model. Di sisi lain, Zhipu menjadikan bentuk produk berbasis Token sebagai pusat, mendorong pertumbuhan melalui penggunaan mendalam oleh ekosistem pengembang dan pelanggan level perusahaan. Dalam logika ini, Zhipu secara bertahap menjadi contoh perusahaan model di pasar Tiongkok yang lebih dekat dengan jalur perkembangan Anthropic.

Menerobos dengan MaaS “naik pendapatan tanpa naik laba tipis”****: harga tidak mengurangi volume, kembali ke hakikat bisnis

Di pasar, selama ini ada pertanyaan khas tentang model MaaS, yaitu apakah mudah terjebak dalam situasi “naik pendapatan tanpa naik laba”. Akar masalahnya adalah bahwa pendapatan MaaS berkaitan langsung dengan konsumsi Token, sementara Token di baliknya merepresentasikan biaya komputasi yang terus terjadi. Ketika pendapatan dan biaya diikat pada satu rantai yang sama, seiring skala diperbesar, ruang profit sering kali menghadapi tekanan yang terus menekan. Jika sedikit saja lalai, bisa tergelincir ke situasi canggung “melakukan semakin banyak, menghasilkan semakin tipis”.

Namun, laporan keuangan terbaru Zhipu mengirimkan sinyal yang cukup positif. Margin laba kotor platform MaaS API-nya meningkat secara signifikan: dari 3,3% pada 2024 naik menjadi 18,9% pada 2025, sehingga profitabilitas secara keseluruhan membaik nyata. Dikombinasikan dengan data yang diungkapkan dalam prospektus sebelumnya, selama periode pencatatan kinerja 2022 hingga 2024, margin laba kotor keseluruhan Zhipu tetap relatif stabil, bertahan lama di atas 50%.

Selain melalui optimalisasi ekstrem efisiensi inferensi model dan menekan biaya Token seminimal mungkin, faktor kunci lain yang mendorong peningkatan margin laba kotor adalah meningkatnya proporsi pelanggan kepala bernilai tinggi secara berkelanjutan.

Menurut pengungkapan dalam laporan keuangan, lebih dari 4 juta pengguna perusahaan dan pengembang terus memanggil kemampuan model Zhipu di lingkungan produksi nyata, yang mencakup 218 negara dan wilayah di seluruh dunia. Di antara sepuluh perusahaan internet teratas di Tiongkok, 9 di antaranya menggunakan model GLM Zhipu. Sebagai contoh model GLM-5, setelah dirilis, dalam 24 jam pertama, model tersebut memperoleh integrasi resmi dari beberapa produk platform papan atas seperti TRAE/Coze ByteDance, Qoder Alibaba, CodeBuddy Tencent, CatPaw Meituan, dan lainnya.

Di sisi lain, pelanggan kepala lebih sensitif terhadap performa model, namun toleransi mereka terhadap harga relatif lebih tinggi. Sinyal penting terlihat ketika Zhipu pada bulan Februari tahun ini mengumumkan penyesuaian struktural pada sistem harga paket GLMCodingPlan; kenaikan keseluruhan dimulai dari 30%, untuk menjamin stabilitas dan kualitas layanan di bawah beban tinggi. Meskipun harga API naik 83% pada kuartal pertama, jumlah pemanggilannya justru tidak turun, melainkan naik. Ini menunjukkan bahwa pelanggan benar-benar bersedia membayar untuk hasil, bukan berkompromi karena harga.

Bagi Zhipu, hal ini juga membentuk semacam loop umpan balik positif yang berasal dari kenaikan harga. Harga yang lebih tinggi, pada tingkat tertentu, menyaring pelanggan bernilai tinggi yang lebih mementingkan performa. Pelanggan semacam ini umumnya memiliki tingkat retensi yang lebih tinggi dan kedalaman pemanggilan yang lebih besar, sehingga semakin memperkuat kualitas bisnis dan kemampuan pertumbuhan yang berkelanjutan.

Pada sidang forum sub-forum Konferensi Tahunan 2026 Zhongguancun Forum yang diadakan pada 27 Maret, saat membahas kenaikan harga model, CEO Zhipu Zhang Peng mengatakan bahwa seiring jalur berpikir dan penalaran ketika model memproses tugas yang kompleks terus memanjang, jumlah Token yang diperlukan untuk menyelesaikan satu tugas dapat mencapai 10 kali bahkan 100 kali lipat dibanding tanya-jawab sederhana. Oleh karena itu, penyesuaian harga yang sesuai pada dasarnya adalah hasil alami dari perubahan biaya. Peningkatan kemampuan model juga berarti peningkatan biaya layanan. Harapannya, biaya tersebut akan ditarik kembali secara bertahap ke kisaran nilai komersial yang normal.

“Bergantung pada persaingan harga yang murah dalam jangka panjang, sebenarnya tidak menguntungkan bagi perkembangan seluruh industri, dan ini juga menjadi pertimbangan penting kami,” kata Zhang Peng lebih lanjut. “Kami berharap melalui cara seperti ini, terbentuk sebuah loop tertutup yang lebih sehat dalam jalur komersialisasi—secara berkelanjutan mengoptimalkan kemampuan model, dan menyediakan model serta layanan Token yang lebih baik untuk semua orang secara lebih jangka panjang dan stabil.”

Pada akhirnya, penilaian inti Zhipu dapat dirangkum sebagai berikut: batas kemampuan cerdas menentukan kekuatan penetapan harga, sementara skala konsumsi Token menentukan ukuran nilai.

Dengan kata lain, semakin kuat kemampuan model, semakin tinggi tingkat ketaktergantikan di skenario-skenario kunci, sehingga ruang tawar yang dapat didukung juga semakin besar. Dan nilai komersial hanya benar-benar dapat terwujud ketika model dioperasikan dalam skala besar dan berkelanjutan, membentuk konsumsi Token yang stabil. Dengan demikian terlihat bahwa nilai komersial AGI, pada dasarnya, adalah hasil dari kerja bersama batas kemampuan cerdas dan skala konsumsi Token.

Ketika Token menjadi mata uang baru, Zhipu memberikan seperangkat kerangka penilaian nilai AI yang baru

Jika menelaah laporan keuangan tahunan pertama Zhipu, tidak sulit untuk melihat bahwa sebuah roda penggerak positif yang dibangun di sekitar MaaS sedang dipercepat terbentuknya. Secara spesifik, seiring kemampuan model terus meningkat, ia akan menarik lebih banyak perusahaan dan pengembang untuk bergabung. Peningkatan skala adopsi mendorong kenaikan jumlah pemanggilan Token, yang kemudian mendorong pertumbuhan pendapatan. Pendapatan yang terus bertumbuh kemudian dapat digunakan kembali untuk pelatihan model dan investasi komputasi, sehingga memperkuat kemampuan model lebih lanjut. Dengan siklus berlapis seperti ini, terbentuk sebuah loop pertumbuhan yang saling menguatkan.

Dalam roda penggerak MaaS ini, variabel yang paling penting justru kemampuan model itu sendiri yang terus meningkat. Zhipu pernah mengemukakan bahwa peningkatan batas kemampuan cerdas adalah satu-satunya “first principle” di era model besar bahkan kecerdasan buatan umum.

Dalam setahun terakhir, model basis Zhipu telah menyelesaikan lebih dari 5 iterasi penting secara kumulatif, mewujudkan evolusi berkelanjutan dari GLM-4.5 ke GLM-5-Turbo. Dalam daftar evaluasi otoritatif seperti Artificial Analysis, model seri GLM berada di barisan teratas global, hanya di bawah model-model maju seperti Google Gemini, OpenAIGPT, AnthropicClaude, dan lain-lain; sekaligus unggul dibanding banyak model buatan dalam negeri.

Perubahan yang lebih nyata adalah bahwa model seri GLM sedang berevolusi dari “berorientasi pengetahuan” menjadi “berorientasi tugas”. Model ini tidak lagi terbatas pada basis pengetahuan model tanya-jawab, tetapi juga memiliki kemampuan agen yang dapat menyelesaikan tugas kompleks secara mandiri. GLM-5 adalah produk perubahan di bawah tren “Agentic Engineering”. Menurut pengantar resmi, GLM-5 mencapai performa open-source SOTA pada kemampuan Coding dan Agent; pengalaman pengguna dalam skenario pemrograman nyata sudah mendekati Claude Opus 4.5, terutama unggul untuk engineering sistem kompleks dan tugas agen jarak jauh.

GLM-5-Turbo yang baru diluncurkan pada pertengahan bulan ini diposisikan sebagai “model basis yang dioptimalkan secara mendalam untuk skenario OpenClaw lobster”. Pada fase pelatihan, model ini telah dioptimalkan khusus untuk kebutuhan inti tugas lobster, memperkuat kemampuan inti seperti pemanggilan alat, kepatuhan terhadap instruksi, tugas penjadwalan dan berkelanjutan, eksekusi rantai panjang, dan lain-lain, sehingga secara efektif menyelesaikan banyak masalah yang dihadapi model umum dalam skenario lobster yang sebenarnya.

Dalam waktu dekat, proyek Agent open-source OpenClaw telah memicu gelombang deployment di dalam dan luar negeri. Namun, karena ambang batas deployment lokal OpenClaw yang relatif tinggi dan biaya konsumsi Token yang sangat mahal, banyak pengguna memilih beralih ke solusi “deployment sekali klik” yang disediakan oleh vendor cloud dan vendor model domestik. Perusahaan model basis seperti Zhipu menjadi pihak yang diuntungkan oleh gelombang OpenClaw kali ini.

Pada 10 Maret, Zhipu secara resmi meluncurkan AutoClaw (Australia Dragon), dan mendefinisikannya sebagai “OpenClaw versi lokal dengan instalasi sekali klik yang benar pertama di dalam negeri”. AutoClaw membungkus 50+ Skills utama dan API yang umum, serta mendukung integrasi sekali klik dengan alat komunikasi instan seperti Feishu. Di platform agregasi API model AI terbesar di dunia, OpenRouter, jumlah pemanggilan GLM-5-Turbo pada minggu ini mencapai 966 miliar Token, menempati peringkat sepuluh besar global. Zhipu telah menjadi salah satu produsen dengan konsumsi Token berbayar tertinggi di dalam negeri.

Token sedang berkembang menjadi “mata uang baru” pada era ekonomi cerdas. Sebagai unit terkecil untuk memproses informasi oleh model, jumlah pemanggilan Token secara luas dianggap sebagai indikator penting untuk mengukur keaktifan model dan skala pemrosesan aktual. Huang Renxun, pendiri sekaligus CEO Nvidia, secara tegas menyatakan bahwa Token adalah “komoditas grosir baru”, dan Alibaba juga mendirikan grup bisnis baru yang berpusat pada Token Hub sebagai jalur utama. Bersamaan dengan itu, generasi baru Agent kompleks yang diwakili oleh OpenClaw mendorong konsumsi Token memasuki tahap pertumbuhan eksponensial, menandai percepatan kedatangan paradigma baru dengan lonjakan Token.

Seiring skala konsumsi Token yang berkembang cepat, industri juga membutuhkan kerangka kerja baru untuk mengukur bagaimana Token diubah secara lebih efisien menjadi nilai aktual. Dalam konteks ini, Zhipu mengajukan konsep “Token architecture power” (TAC) dan mendefinisikannya sebagai: TAC = jumlah × kualitas × efisiensi konversi menjadi nilai ekonomi.

Lebih spesifik, “jumlah” merujuk pada jumlah Token yang dipanggil setiap hari oleh perusahaan dan individu, serta besarnya skala tugas yang diserahkan kepada AI untuk diproses. “kualitas” mengukur apakah model yang menjadi landasan Token cukup cerdas dan andal, serta dapat menghasilkan hasil yang dapat diserahkan pada skenario yang kompleks. Sedangkan “efisiensi” menyoroti apakah dapat menemukan skenario yang tepat, sehingga AI benar-benar berubah menjadi keluaran ekonomi yang terukur.

Dalam jangka panjang, keunggulan kompetitif inti organisasi dan individu akan semakin bergantung pada level TAC mereka. Dibandingkan dengan penyedia model besar semata, tujuan Zhipu lebih mirip membangun infrastruktur TAC yang ditujukan bagi seluruh masyarakat—membantu berbagai organisasi dan individu untuk menjadwalkan dan memanfaatkan sumber daya cerdas secara efisien, serta mengubahnya secara berkelanjutan menjadi nilai ekonomi yang dapat diwujudkan dan diukur.

Dan jalur perkembangan ini telah mendapat pembuktian awal dalam laporan keuangan terbaru yang diungkapkan Zhipu. Jika melihat kembali, makna inti laporan keuangan ini mungkin terletak pada fakta bahwa Zhipu menunjukkan sebuah logika pertumbuhan yang relatif jelas dan saling konsisten: dengan terus meningkatkan batas kecerdasan, secara bertahap memperkuat kemampuan penetapan harga, yang selanjutnya mendorong pertumbuhan pendapatan dari API, sambil terus mengoptimalkan struktur margin laba kotor secara keseluruhan; dari situlah terverifikasi keberlanjutan model bisnisnya.

Jika dilihat dari perspektif “Anthropic versi Tiongkok”, logika valuasi Zhipu tidak lagi seharusnya berlabuh pada kerangka lama perusahaan perangkat lunak tradisional atau perusahaan berbasis proyek, melainkan beralih ke sistem penilaian yang berpusat pada platform MaaS—dengan fokus pada penetrasi platform, skala konsumsi Token, serta kekuatan kontrol ekosistem yang tersirat di balik TAC. Dalam koordinat yang benar-benar baru ini, ruang imajinasi jangka panjang Zhipu baru saja dibuka secara sesungguhnya.