记者丨孔海丽
编辑丨李新江 张明艳
7 月 11 日，智谱创始人唐杰发布了题为《巨浪已来》的内部信，其中最核心的信息是，智谱准备未来两年推进 "Touch High 摸高计划 "，挑战当前技术的物理与算法极限，未来两年不追求短期的应用变现，而是直指 AGI 的下一个高地。
具体来看，包括重点攻坚长程任务、自治智能体、自我训练和模型安全。
唐杰在信中强调 "不登顶，就是失败"。
就在 7 月 8 日，智谱首次迎来基石投资者解禁，市场担心的集中抛售没有立即出现，智谱股价反而上涨，当日收涨 13.35%；紧接着 7 月 9 日，智谱宣布以每股 1588 港元配售最多 1978 万股新 H 股，预计募资约 314.1 亿港元，当日股价继续上涨 11.34%，收于 2032 港元 / 股，市值重回 9059.53 亿港元；7 月 10 日，智谱收报 1640 港元，单日下跌 19.29%，市值仍约为 7312 亿港元。
回望智谱 2026 年 1 月 8 日港股上市当天，发行价为 116.20 港元，其后股价一路上扬，市值最高曾达到 1.3 万亿港元，截至 7 月 10 日，股价较发行价涨了 13 倍，市场对这家国产大模型头部企业的信心持续高涨。
唐杰在信中用 " 本质、反直觉、专注 " 概括智谱的方法论。他回顾了清华知识工程实验室的研究积累、GLM-130B 的研发，以及公司上市后重新加强基础模型研究的决定。按照智谱的方法论，未来两年将继续 " 摸高 "，资源集中于四个方向：长程任务、自治智能体、完全自我训练和安全治理。
其中，安全治理占据了相当大的篇幅。智谱计划投入百亿级资源研究机械可解释性，希望理解模型作出判断时的内部机制，并将伦理、社会规范与法律要求更深入地纳入模型训练。
这里有一个现实背景。基础模型的竞争已经开始离开单纯的聊天体验，进入长程工作、代码生成、科研推理、网络安全和自主执行阶段。模型能力越接近真实生产系统，安全问题也越难停留在发布前的简单测试中。
过去一周，海外模型市场也出现密集更新。
OpenAI 于 7 月 9 日发布 GPT-5.6 系列，包括旗舰版本 Sol 以及成本较低的 Terra、Luna，同时推出面向工作场景的 ChatGPT Work。该模型此前只向部分经过筛选的合作伙伴开放，经过安全测试和相关审查后才扩大范围。
这一变化与智谱内部信谈到的方向高度重合。模型厂商眼下争夺的重点，已经涵盖复杂任务执行、编程、生物研究、网络安全、智能体协作以及专业工作流。聊天机器人仍然重要，却难以独自支撑下一阶段的技术估值。
智谱还在内部信中提到新开源模型 GLM-5.2，称其支持 100 万上下文，并计划采用 MIT 协议开放下载、部署和商用，公司希望同时推进前沿能力研究和开放生态。
以下为智谱创始人唐杰内部信全文：
巨浪已来
——致每一位智谱人和关心人工智能未来的伙伴
（一）我们是谁：" 本质、反直觉、专注 "
智谱从不是一家追风口的公司。它从一间实验室里长出来，带着这间实验室二十年的方法论。这套方法论可以用三个词概括：本质、反直觉、专注——想得足够深，才敢选得足够反；选得足够反，就必须守得足够久。
回望来路，我们几乎每一个关键选择都曾经显得 " 反直觉 "。2006 年，我们守着一台台式机上的学术搜索系统坐冷板凳，因为我们想清楚了那背后是 " 挖掘学科演化机理 " 这件值得用十年回答的事；2021 到 2022 年，当 " 让机器像人一样思考 " 被绝大多数人视为登月般的疯狂计划时，我们抽调资源、押注千亿参数，做出了 GLM-130B ——那是 ChatGPT 引爆世界整整一年半之前；而在智谱 2026 年 1 月 8 日 H 股上市的那一天，我们把它当作一个全新的起点，坚定地全面回归基础模型研究，全力冲击下一代模型。
别人敲钟，我们归零。这不是姿态，这是信念——既然终点是 AGI，那么短期利益或者行业风口，都只是通向终局的沿途风景。
支撑我们一路走到今天的，是一种极致的专注和至真至纯的理想主义。学术搜索系统从一台台式机做到千万用户，我们用了十年；大模型这条路，我们又做了近十年，并且还会坚定深耕，继续走下去。今天的智谱，是一群愿意追问本质、敢于反直觉，又能专注地把事情做到底的人——这就是智谱核心竞争力的来源。
（二）我们如何看待这个时代：智能的上界正在被改写
如果说过去二十年我们学会了一件事，那就是：真正的商业机会，从来不在产品和模式的微调里，而在智能上界的跃迁中。这是我们对当下 AI 变革最根本的判断，也是我们最想传递给大家的认知。
这一次变革，本质不是一次产品创新或商业模式创新，而是技术革命本身抬高了 " 智能上界 "。谁能率先将该上界向上推升一寸，谁就能重新定义千行百业的能力边界。所有聚焦第一性原理的新一代 AI 企业，争夺的正是这一寸的突破。
而智能上界的演进，有一条清晰的路径。人工智能正在完成从感知智能到认知智能的跨越——机器不再只是 " 看见 " 和 " 听见 "，而是开始 " 理解 " 和 " 推理 "。而下一步，正指向 AGI。
我们对 AGI 有一个朴素而苛刻的定义：AGI 不是某一个天才的智慧，而是全人类智慧水平的总和。它理应具备创造出 " 相对论 " 级别原创知识的能力，这是我们衡量是否真正到达巅峰的唯一标准。通往这个终点的道路上，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：
第一座：长程任务能力（Long Horizon Task）
今天最令人兴奋的突破，是让模型学会完成一个极长的任务——不是即时问答，而是跨越数周、数月乃至数年的规划与执行。例如，一个模型可以不知疲倦地在软件中寻找漏洞，本质上是在学习一名顶级安全专家的思维方式，然后通过机器的耐力把它放大。
第二座：完全自治的智能体系统（Autonomous Agent System）
在长程任务之上，能够自主驱动、协同作业、7 × 24 小时运转的智能体群体将成为新的生产力形态。我们曾提过 " 一人公司 OPC"，但技术的脚步比预想更快——我们正在走向 " 全自动化公司 NPC"。记忆（Memory）、持续学习（Continual Learning）、自我评判（Self-Judge）这三个曾被认为需要范式变革才能解决的难题，现已在技术与应用的双重驱动下逐步消解：长上下文与检索增强生成（RAG）逼近记忆雏形；模型迭代频次的提升本身即在逼近持续学习；前沿模型已显露自我评判的萌芽。
第三座：自我进化（Self-Evolving）
这是最艰难、也最诱人的一座。AI 训练 AI 已经成型——模型自己写代码、自己清洗与合成数据、自己训练自己。这或许会消耗一些算力，却节省了最宝贵的人力与时间。而在大模型时代，速度是最重要的，快速迭代会直接拉开认知的代际差距。当海外头部企业开始筹建百万乃至两百万芯片级别的算力集群，其真正的用途，很可能正是让模型自己训练自己。
翻过这三座山之后，会发生什么？
AI 将开始学习什么是 " 我 "，什么是自我认知；再往后，它会触及人类的情感；更远处，是意识本身。从感知到认知，从认知到通用，从通用走向超级智能（ASI）——这条路已经铺开，巨浪已来，且不可逆转。
这并非我们一家之言。Google DeepMind 在《From AGI to ASI》报告中给出了一个冷峻的论断：即便单个模型的能力永远停在人类水平，只要算力还在增长，超级智能可能会被硬生生 " 挤 " 出来。他们推演，若全球可运行 AGI 实例以每年十倍速增长，五年后将达一亿个。这些共享同一底层大脑、思考效率百倍提升且零成本复制经验的智能体，在群体层面即等同于 ASI。换言之，从 AGI 迈向 ASI，既需要算法层面的突破，也需要超大算力资源的汇聚。
这种不可逆转的趋势将自上而下穿透整个技术栈：当 AGI 到来，今天的应用或许都要被重构为 AI 原生，甚至不再需要这些应用；操作系统可能被重写，未来你打开电脑，看到的将是一个 "LLM OS"，所有功能按需生成（generate on demand）；再往深处，是对运行了八十年的冯 · 诺依曼体系的挑战。金融、法律、电商、互联网……没有一个行业会置身事外。很多朋友找到我，说想变革企业、追赶 AI 的步伐，但真正洞察到 " 这场不可逆变革已然开启 " 者，仍属寥寥。
（三）我们全力倾注的方向：" 摸高 "
认清趋势之后，剩下的就是选择。而智谱的选择，一如既往地 " 反直觉 " —— 在行业普遍加速商业变现的当下，我们决定向上突破。
我们将这一战略命名为 "Touch High（摸高）计划 "。在人工智能从感知、认知向完全通用智能跨越的历史节点，智谱将以 " 摸高 " 的姿态，挑战当前技术的物理与算法极限。未来两年，我们计划战略性投入——不追求短期的应用变现，而是直指 AGI 的下一个高地。
这笔投入将集中在四大核心引擎上：
其一，长程任务。让 AI 从 " 即时问答 " 走向 " 宏大工程 "，研发新一代记忆架构，使模型贯穿项目全生命周期 " 边学、边做、边记 "，并具备将宏大目标（如 " 设计一种新型抗癌药物分子 "）自主拆解为数千个可执行子任务的顶层能力。
其二，自治智能体系统。从 " 智能助手 " 走向 " 数字员工 "，构建包含成千上万个不同专业 " 性格 " 与 " 技能 " 的智能体社会，让它们自主辩论、协作、审查代码、调度资源，实现 " 自动驾驶 " 级别的数字生产力。
其三，完全自我训练（Fully Self Training）。在人类高质量数据即将耗尽之际，把算力转化为进化的燃料——建设高质量合成数据工厂，通过 AI 与 AI 的博弈对抗（Self-Play）实现知识的 " 无中生有 "，并在安全沙盒内赋予系统重构自身代码的能力，让进化速度挣脱人类工程师的物理限制。
其四，极致安全治理。这是四大引擎中我最想着重强调的一个。
能力越强大，安全约束机制也必须越稳固。智谱创立伊始即确立准则：AI 必须服务于人类福祉，服务于国家战略。公司摒弃外挂式安全补丁，坚持将人类伦理、社会规范及国家法律法规作为底层公理写入模型价值函数；计划投入百亿级资源攻坚 " 机械可解释性 "，厘清模型决策背后的神经元逻辑，推动黑盒系统向透明可解释系统转变；同时积极参与国际 AI 治理，防范 AI 技术被滥用。
这种紧迫感并非杞人忧天。当海外最前沿的顶级模型因风险考量而暂缓全面公开发布，其企业负责人公开警示 AI 的深远影响将深刻重塑全球力量格局时，我们更应清醒：超级智能的实现与超级对齐的研究，必须同步推进。这也是我们在面对颠覆性技术时反复审视的命题——历史一再表明，当一项技术抵达足以改变文明进程的力量量级时，安全就不再是附属品，而是技术得以存续与被允许应用的根本前提。
（四）开放生态：智能普惠和安全治理的底层逻辑
我们始终认为，人工智能作为引领未来的战略性技术，其长远发展离不开开放协同的产业生态。前沿智能的价值不仅在于技术突破本身，更在于它能否广泛赋能千行百业、惠及每一位开发者。我们坚信，真正的安全并非建立在技术封闭与壁垒之上，而是源于阳光下广泛的共建、共享与监督。
正是基于对技术普惠的深刻认同，智谱给出了自身的战略答卷。近日，我们发布了迄今能力最强的开源模型 GLM-5.2，它支持真正可用的百万（1M）上下文，在长程任务上继续保持领先，面向全量用户开放，并将以最宽松的 MIT 协议正式开源——任何人都可以下载、部署、商用，没有主体界别。这是公司以产品形态表达的坚定态度。
我们选择相信另一条路：前沿智能不应只属于少数人，也不应被少数规则随时收回。它应该开放、可用、可构建，并服务于每一位开发者。
这与 " 摸高 " 并不矛盾，反而是一体两面：我们一只手向上摸高，挑战智能的极限；另一只手向下铺路，让最前沿的能力尽可能地开放与普惠。摸到的高度属于全人类，修成的道路也属于每一个人。
（五）结语：为什么是现在，为什么是我们
有人会问：为什么智谱上市后反而还要继续倾注核心资源、向最不确定的方向 " 摸高 "？因为我们相信一个朴素的道理：真正的登顶者，会把山修成路。
我们想清楚的那个本质，曾通过 " 悟道大模型 " 项目凝聚成几百位科学家的共识，又通过智谱的产业投资和整个生态，变成一代创业者起跳的基石。今天，我们想把这条路修得更高、更宽——高到能保护我们自己、守卫国家安全，高到能让人类有机会探索更多未知，探索宇宙的奥秘；也宽到能让每一位开发者、每一个团队，都走得上来。
在 AGI 时代，这些曾经遥不可及的事，第一次有了实现的可能。这正是我们这一代国人最大的幸运，也是最重的责任。
巨浪已来，趋势不可逆转。智谱要做那个迎着浪头、向上摸高的人。
不登顶，就是失败。
这一次，我们要摸到的，是属于全人类的那个高度。
智谱创始人 唐杰
2026 年 7 月 11 日
SFC
出品丨 21 财经客户端 21 世纪经济报道
编辑丨金珊
21 君荐读
登录后才可以发布评论哦
打开小程序可以发布评论哦