汇丰首次覆盖 Knowledge Atlas / Zhipu（2513.HK），评级持有，目标价 HKD920

概览

这是一份汇丰对 Knowledge Atlas / Zhipu（2513.HK）的首次覆盖报告。报告核心判断是：全球 AI coding、智能体和大模型 API 需求可能呈指数级增长，Zhipu 凭借 GLM 系列模型、清华相关人才背景、高性价比和 MaaS 商业化路径具备较好增长基础；但公司自 IPO 以来股价已大幅上涨，当前约126x 2026e PS，估值与 OpenAI、Anthropic 的历史 P/ARR 框架相比已较合理，因此给予持有评级。

核心观点

汇丰认为 Zhipu 的基本面亮点在于模型能力、编码场景、价格性能比和商业化弹性。Open Platform 与 API 业务预计是未来主要收入驱动，受益于 AI coding、OpenClaw、AutoClaw、Kilo Code 等场景及云服务商渠道；本地化部署则面向大型企业、国企、政府相关客户和一带一路地区，提供更稳定的收入与真实场景反馈。报告同时指出，算力瓶颈、竞争模型、限售解禁、现金消耗及地缘政治因素会限制估值进一步上行。

分析框架

报告结合行业需求测算、公司业务拆分、模型能力比较、收入预测、成本效率判断、DCF 估值和可比公司 P/ARR 框架。汇丰将 Zhipu 与 OpenAI、Anthropic、MiniMax 等进行对比，重点观察 ARR、token 使用量、API 定价、AI coding TAM、模型迭代能力、训练和推理成本变化，以及市场份额假设对估值的敏感性。

方法论与常识提炼

• 估值方法DCF 现金流折现

  10年现金流折现模型

  目标价 HKD920.00 来自10年 DCF 模型，核心假设包括 WACC 12.2% 和永续增长率3%；该方法用于反映公司长期增长潜力。

• 估值方法P/ARR comparable analysis

  基于 OpenAI 和 Anthropic 历史估值与 ARR 的可比估值

  报告回归 OpenAI 与 Anthropic 的估值历史和 ARR 轨迹，并用隐含 P/ARR 评估 Zhipu；该方法显示 Zhipu 估值约 USD36bn 或 HKD624/股，但存在私有公司流动性折价未计入、样本外推依赖较强等局限。

• industry_analysisAI coding TAM and token growth

  AI coding 与智能体带动 token 消耗增长

  报告引用 IDC 等数据，认为全球 AI agent 数量、行动次数和 token 消耗到2030e可能高速增长，AI coding 与 agentic coding 是推动 API 使用的重要场景。

• company_forecastRevenue segment CAGR forecast

  按云端部署和本地化部署拆分收入增长

  汇丰预计云端部署受 API 与 coding 需求驱动，2025-2028e 收入 CAGR 约301%；本地化部署在安全、合规和定制化场景支撑下，同期收入 CAGR 约70%。

• technology_assessmentModel capability and cost-efficiency review

  模型架构、训练效率和推理成本分析

  报告讨论 MoE、DeepSeek Sparse Attention、异步强化学习基础设施、多芯片适配等技术，认为这些能力有助于降低训练和推理成本，并支持 GLM-5.0 在编码和长周期智能体任务中的表现。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• 2513.HK

  被覆盖公司股票

  优势

  AI coding 能力强、MaaS 商业化路径清晰、API 提价和 token 增长并存、研发团队占比高、清华相关技术与人才背景突出。

  劣势

  当前估值已较充分反映增长预期，仍面临算力瓶颈、现金消耗、再融资需求和盈利时间较晚的问题。

  对比

  报告认为 Zhipu 相比 MiniMax 估值压力较低，且更直接受益于 coding 模型与 API 定价能力；与 OpenAI、Anthropic 相比，估值参考其 P/ARR 历史，但 Zhipu 仍存在规模、流动性和竞争环境差异。

  风险

  竞争模型冲击、竞争对手 IPO、限售股解禁、模型迭代不及预期、价格战、重现金消耗、地缘政治和政府 AI 政策变化。

• MiniMax (100 HK)

  可比公司

  优势

  同样具备全球化 AI 模型商业化潜力。

  劣势

  部分增长依赖视频生成和陪伴类应用，可能面临 IP、不当内容生成以及来自 ByteDance Seedance、Kuaishou Kling 等竞争。

  对比

  汇丰更偏好 Zhipu，因为其估值相对不那么高，且 API 提价与 token 增长验证了模型能力。

  风险

  限售解禁压力、视频生成与陪伴业务竞争和合规风险。

• OpenAI / Anthropic

  全球可比估值和需求验证样本

  优势

  Anthropic 在 coding 相关收入上的快速增长验证了全球 AI coding 和 agentic engineering 的巨大需求。

  劣势

  作为私有公司，可比估值存在流动性和样本外推限制。

  对比

  报告用 OpenAI 和 Anthropic 的 P/ARR 历史评估 Zhipu 当前估值是否合理。

  风险

  若这些公司 IPO 或估值重置，可能压低 Zhipu 的稀缺性溢价。

关键数据

• 评级Hold汇丰首次覆盖给予持有评级。
• 目标价HKD920.00基于10年 DCF，WACC 12.2%，永续增长率3%。
• 当前股价HKD915.00图表显示当前价约 HKD915.00。
• 隐含上行空间0.5%目标价相对当前价的上行空间有限。
• 估值倍数127x/50x 2026e/2027e PS目标价对应的市销率假设。
• 2026e/2027e/2028e 收入预测USD413m / USD1.0bn / USD2.2bnDCF 基础收入假设。
• Open Platform 和 API ARRUSD250m in Mar-26较2025年12月增长6.4倍。
• API 定价变化+83%报告称公司可提价且未影响日付费 token 增长。
• 日付费 token 增长4x与 API 提价同时发生，显示需求韧性。
• GLM Coding Plan 用户与使用量token 使用量增长15x，付费用户超过240k截至2026年3月31日。
• Claw Plan 用户上线20天内400k付费用户2026年3月推出。
• MaaS 注册用户4m截至2026年3月。
• 研发团队657人，占员工总数74%截至2025年6月30日。
• 预计盈利时间2029e汇丰预计公司2029e实现盈利。
• 训练成本占收入比325% in 2025 to 37% in 2028e报告预计训练成本效率显著改善。
• 推理成本占收入比38% in 2025 to 57% in 2028eAPI 使用扩张使推理成本占比上升。

影响与含义

对投资者而言，Zhipu 是港股中稀缺的大模型与 AI coding 纯标的，具备高增长和商业化弹性，但短期投资结论更多取决于估值与执行兑现。若公司解决算力瓶颈、持续推出 GLM 迭代并扩大 API 使用，盈利路径和收入市场份额可能上修；若竞争模型快速推出、行业价格战加剧或竞争对手 IPO 压低稀缺性溢价，估值可能重估下行。

风险

• 竞争对手推出新模型，稀释 Zhipu 的 token 使用增长。
• Anthropic、OpenAI、Stepfun、Moonshot 等竞争对手 IPO，可能降低 Zhipu 的稀缺性溢价并触发估值倍数重置。
• 限售期于2026年7月7日和2027年1月7日结束，可能带来供给压力。
• 模型迭代后表现弱于预期。
• 实现盈亏平衡的节奏慢于预期。
• 现金消耗较重并存在再融资需求。
• 价格战加剧，压缩 API 和 MaaS 商业化空间。
• 地缘政治紧张可能影响服务销售、芯片获取或股权持有。
• 政府对 AI 的政策态度变化。
• 客户集中度风险。

后续跟踪

• GLM-5.5 或后续模型迭代是否按计划推出并带来能力提升。
• 算力瓶颈是否得到缓解，尤其是训练和推理资源供给。
• Open Platform 和 API 的 ARR、日付费 token、付费用户和定价变化。
• AI coding、OpenClaw、AutoClaw、Claw Plan 等产品的用户留存和商业化。
• 本地化部署在大型企业、国企、政府客户和一带一路地区的订单增长。
• 训练成本和推理成本占收入比是否按预期改善。
• 公司是否在2027e-2028e进行更多融资，以及融资条件。
• 港股通纳入进展。
• 2026年7月和2027年1月限售股解禁后的股价和成交量反应。
• OpenAI、Anthropic、MiniMax 等可比公司估值、IPO 和产品竞争动态。