周末，智谱创始人唐杰在发布的内部信称，公司将正式开启 "Touch High（摸高）" 计划，其明确表示，短期内将不再追求商业变现，而是集中资源攻坚 AGI 的四大核心方向，并拟募集资金，计划投入百亿级资源突破机械可解释性技术！

从智谱当下的现金流量表看，其账上有 20 多亿现金，这意味其至少在募集现有资金的 5~10 倍，才有可能实现这一计划，而如果按国际标准 100 亿美元研发来看，其需要募集当下市值的 10%，不过好在，其除了计划在港股募集 10 亿美元外，同时还计划 2026-2027 年内在A 股实现双重上市，以满足 "AI 军备竞赛 " 中资本性支出跟上的门槛。

无独有偶，高盛在昨天也发表了报告，称中国股市的「AI 企业市值」被严重低估！报告全文都在用市值 / 市占率，意图说明当下 AI 上市公司，尤其是类似智谱这样的龙头，还有翻倍的潜力。

不过，在当下在全球大模型集体奔赴商业化落地的行业周期中，智谱的这条路线，真的 " 反直觉 "！其是真的在对 AGI 终局进行技术押注，还是在当下市场商业竞争困难，但资本市场估值高企的割裂态势之下，回避财务报表压力的一场资本游戏，目前还未可知。

反正，7 月解禁期里，他的国资基石巨头股东们都选择了坚守，并且在 10000 亿港币左右市值附近选择了增持！

而如今，智谱的表态无疑将给资本市场抛出一个全新的定价命题，但不管怎么说，清华系无疑已经是国内资本市场里当之无愧的圈层一哥。

一、" 反直觉 " 与 " 现实 "

唐杰的内部信称在通往 AGI 终点的道路上，有几座必须翻越的山峰，它们也正是今天技术浪潮最汹涌的地方，它们分别是：长程任务（Long Horizon Task），自治智能体系统（Autonomous Agent System），完全自我训练（Fully Self Training），极致安全治理。

但要实现这 4 大目标，就需要天量的投入，天量的投入就需要不断的 IPO 和再融资，作为一个纯 LLM 公司，智谱要在当下的 AI 巨头角力中生存下去，不能只靠政府订单和小企业、个人图 API 便宜去使用，关键还是要技术领先，从这点看，其当下的压力是不小的！

因为，从市场看，不具备全栈能力的单一 AI 大模型公司，未来将呈现严峻的结构化求生趋势，除非一步到顶，不然中下游市场生态玩家，即使 Token 白给，也满足不了后续质量和现金流的比拼！

所以，理论上当下的通用赛道基本已经丧失终局竞争力，国内 WEB2.0 时代的巨头、美股的 AI 巨头都太大了，资本化实力也强，尤其是后者，坐享全球资本！

而通用大模型的竞争本质是算力、数据与研发投入的长期消耗战，无自有芯片 / 算力集群的厂商，成本与迭代速度会持续落后于全栈巨头，纯 API 价格战完全就是吃资本市场现金供养，本身在不被刺的情况下必然会逐步被挤出通用市场。

同时，随着美国 AI 巨头对于数据源的保护，未来模型之间的垂直深耕会是中等体量 LLM 企业的核心生存路径。

只有拥有独家行业数据、深度场景 know-how 的厂商，才可依托第三方算力做定制化解决方案、私有化部署，并在金融、政务、工业等细分领域建立客户转换壁垒，从而避开巨头正面竞争 !

这意味着，商业模式被迫向下游延伸，纯卖模型 API 的路径快速失效，必须从 " 技术提供商 " 转向 " 场景服务商 "，靠项目交付、定制开发、运营服务赚取溢价覆盖算力成本，否则会被巨头低价通用模型直接淘汰，行业也会向头部快速集中。

加上，算力供给波动、芯片管制、算力涨价都会直接冲击其成本与产能，对上游供应链议价权较低的中等模型商而言，经营稳定性远弱于全栈厂商。

所以，要么跟上全栈，这需要每年 1000 亿，要么试着突破国内 AGI 现有瓶颈，赶上国际 AI 巨头水平，这似乎现在还能烧一波预期，只要不盈利，只要在研发，估值或许反而能撑得住！

于是，我个人认为智谱选择暂缓商业化，是对大模型行业竞争终局的一种基于自我定位的现实判断！

同时，市值是未来预期和现在稀缺性的反映，但长期壁垒最终取决于底层技术能力，而非短期应用场景份额。

所以，当国内大模型赛道已经红海，多数厂商将研发资源向政务、电商、企业服务等落地场景倾斜之时，智谱判断国内 AI 底层的技术迭代速度应该在放缓。

因此唐杰提出的四座技术高峰，其对应的是 AGI 规模化落地的核心瓶颈，即：长程任务解决模型的持续工作稳定性，自治智能体构建自主决策闭环，完全自我训练突破人类数据上限，安全治理则解决技术规模化的合规底线。

但我们还是要警惕这条路径的风险，这条路就是要增加亏损的路，而且很可能会在长周期竞争下发生，这时放弃短期变现意味着要持续依赖一级市场融资，把一级市场的事，放到了二级市场来做。

此外，这里那些技术路线，其实有很大不确定性。

而研发和商业化窗口期，也很可能并不匹配，一旦用户流失，场景市场被竞品率先抢占，未来技术成熟后的落地渠道成本将大幅提升，毕竟客户的迁移成本就是 AI 企业最好的壁垒！

二、登陆 A 股的影响：估值重构与题材博弈

若智谱以当前战略状态登陆 A 股，首先财务数据和上市门槛方面依然没有问题，现在政策绿灯大开，这类股票融资不难！

其次，当前 A 股 AI 标的多集中在算力硬件、应用落地层面，缺乏深耕底层 AGI 技术的核心资产，回来还是有稀缺性。

无非智谱希望市场从 " 业绩定价 " 转向 " 技术期权定价 "，不要盯着现金流投资 AI 产业。

但是，按 A 股的特点，" 不追求商业变现 " 的定位，很容易脱离基本面形成千倍打底，万倍不是梦的估值泡沫！

而且国内市场对头部大模型厂商的估值，很大程度上已经隐含了未来 2-3 年商业化收入高速增长的预期，一旦明确放弃短期变现，收入增长预期下修，基于 1000 倍市销率的估值体系会失去核心支撑！

关键是百亿投入，能有用么？毕竟巨头都是按美元算，且其自身拥有较大的现金流回报！所以，Analysis 全球模型智能指数中，智谱排名第三能带来多少确定性估值还要再看！

三、智谱 4 大目标下与国际巨头的现实差距：

（1）长程任务领域：OpenAI 的 GPT-4o、o1 系列已能稳定完成多步骤、跨小时的复杂推理任务，长上下文能力突破百万 Token 级，任务容错与自我修正能力持续迭代。而国内厂商的当前长程任务仍以分钟级、单一场景落地为主，复杂任务的自主拆解、中途纠错与鲁棒性仍有代差。

（2）自治智能体领域：OpenAI、Anthropic 已构建成熟的智能体开发框架，完整支持自主规划、工具调用、环境反馈与迭代闭环，第三方行业智能体已实现规模化商业落地。国内厂商的智能体能力仍集中在单轮工具调用与简单任务执行层面，长周期自主规划、多智能体协同与闭环迭代能力偏弱，开发者生态的规模、活跃度与成熟度均存在显著差距。

（3）完全自我训练领域：全球整体均处于早期探索阶段，国际巨头领先半个身位。OpenAI、DeepMind 已开展 AI 生成数据自训练、模型自我进化的规模化实验，初步验证了高质量合成数据反哺模型迭代的可行性，但距离 " 完全自我训练 " 的终局形态仍有本质差距。国内厂商在该方向的研究更偏跟随性布局。

（4）安全治理领域：国际巨头已构建起体系化的 AI 对齐、安全审核与风险管控能力，在可解释性方向已有多年技术沉淀。智谱在这一前沿细分赛道具备单点追赶潜力，但全链条安全治理的工程化能力、体系化布局仍有差距。

不过，总体而言，GLM 系列，已经是国内 AI 大模型的王者存在了！