文 | 字母 AI

唐杰发了一封内部信。信不长，两分钟左右就能看完，但信的分量不轻。

简单概括一下，智谱接下来两年要启动 "Touch High（摸高）计划 "，把资源集中投到四个引擎之中 " 长程任务、自治智能体系统、完全自我训练、安全治理 "。

这四个方向并不是凭空得来的，是唐杰根据这些年 AI 的发展，观察到了三座阻碍行业前进的大山。翻过山之后，就是传说中的 AGI。但是要想翻过三座大山，就得朝着这四个方向发展。四个方向，由此变成了四个驱动智谱前进的引擎。

虽然说是四个引擎，不过本质上同根同源，你中有我中有你。

而就在这封信发出的两天前，7 月 9 日，智谱刚配售了 313.75 亿港元新股，公告中写到，这次募来的钱要在 2027 年底前全部花完。

由此一来，唐杰的信，其实就是在讲 " 智谱要把这些钱花在哪个地方 "。

那么接下来，我就给你分析分析，这三座大山和四个引擎到底是什么。

从 " 三座大山 " 到 " 四大引擎 "

谷歌今年 6 月发布了一份 57 页的报告，标题叫《From AGI to ASI》，里面也提到了类似的说法。" 如果给一个 AI 爱因斯坦时代所有的信息，它能不能独立推导出广义相对论？"

DeepMind 首席执行官哈萨比斯承认 " 显然，今天还不行，还缺了点什么。"

唐杰管具体缺的这点玩意，叫做 " 三座山 "。分别是长程任务能力、完全自治的智能体系统、自我进化。

正如四大天王有 5 个人意义，这三座大山落到公司研发层面，就变成了 " 四大引擎 "。三座山各对应一个引擎，第四个叫做安全治理。

之所以会多这么一个引擎，是因为 AI 在翻过三座大山超越人类智慧的时候，必须要限制其发展。

第一个引擎，长程任务。

唐杰今年 5 月在 X 上发了一篇长文，第一句就是 " 今年最可能突破的方向，就是长程任务。"

唐杰表示，今天的大模型更像一个知识丰富的顾问，你问一句，它答一句。而未来的模型则更像一名能独立干活的员工。人只需要交代目标，它就能自己拆解步骤、调用工具、反复试错，连续工作数小时、数周甚至更久，最终交付结果。

唐杰用网络安全举例，说让黑客去寻找一个软件漏洞，他不止要读代码，还要搭环境、尝试不同攻击路径、排除误报并验证结果。

AI 未必比顶级黑客更有天赋，但它可以 24 小时运行，同时复制出成千上万个实例不断尝试。只要学会专业黑客的思路，机器的耐力和规模就可能把这种能力放大，最终替代一部分黑客和程序员的工作。

问题就在于，不是你想让模型去干长程任务它就能完成的，唐杰在长文中写到，模型除了要具备执行能力以外，还得拥有持续学习和自我判断能力，由此引出了第二座大山。

第二个引擎，自治智能体系统。

如果说长程任务解决的是 " 一个 AI 能否独立把一件复杂工作做完 "，那么自治智能体系统解决的，就是 " 一群 AI 能否像一家公司那样协同工作 "。

唐杰认为，自治智能体系统由一群不同的专业能力和分工的 Agent 组成。

比如面对一个非常复杂的任务，就需要有个 Agent 负责制定计划，还有 Agent 负责查资料、写代码、测试结果、寻找漏洞。当这个任务复杂到一定规模，就需要有专门的 Agent 来分配算力和检查其他智能体的工作。

它们可以 24 小时运行，自主讨论、协作和纠错。唐杰去年还在谈 " 一人公司（OPC）"，即一个人指挥大量 AI；如今他的判断更激进：未来可能出现 " 无人公司（NPC）"，从管理到执行都主要由 AI 完成。

这不是说你多开几个账号就能实现的。智能体越多，沟通混乱、任务重复和错误相互放大的风险也越高。

真正卡住自治智能体的，并非 Agent 的数量，而是组织机制。谁拆解目标？谁分配权限？谁检查结果？多个 Agent 之间怎么防止互相强化错误？

因此，唐杰在长文中表示，AI 发展需要一个 " 自我判断 " 的机制，以让 AI 能够自我进化，这便是第三座大山。

第三个引擎，完全自我训练。

唐杰把 " 完全自我训练 " 称为最困难、也最诱人的方向。

今天训练一个大模型，仍然需要给它准备工程师，采集数据、写代码、运行实验和分析结果。

完全自我训练想做的，是让 AI 逐步接管这套流程，自己写代码、清洗和生成数据、启动训练，再根据结果设计下一轮实验。

唐杰表示，其中一个重要方法是 Self-Play。简单说，就是让 AI 既出题又答题，再让另一个 AI 负责挑错和评分。在代码、数学、游戏等结果容易验证的领域，这种方法已经可以产生大量训练材料。

虽然它未必能节省多少算力，甚至有可能更费算力，但是它能节省人力，工程师不用每个环节都盯着 AI，只需要给它设定一个目标，接下来让机器自己跑就行了。

可这就容易产生一个新的问题，AI 可能会超过人类的管控。学术上有个设想叫做 " 达尔文 · 哥德尔机 "，就是通过 AI 自己升级自己的办法，让模型性能不断增强。这个方向之所以后来没什么人研究，主要原因就是担心 AI 会不受控制。

这也就到了最后一个引擎，安全治理。

如果一个 AI 翻过了前面的三座大山，那它确实是性能更强了，可它带来的风险也会更大。

长程执行意味着模型会持续行动，多 Agent 协作意味着错误会被放大，自我训练意味着模型的决策逻辑可能连开发者都看不懂。

一旦这个 AI 出错，那性质就从 " 模型偶尔给出一个错误回答 " 升级为了 " 系统持续执行并放大一个错误 "。

唐杰提出了两层防护。

第一层是在训练阶段进行价值对齐。它不满足于在模型外面增加关键词过滤等 " 安全补丁 "，而是希望把人类伦理、社会规范和法律法规融入训练目标，让模型从底层知道什么能做、什么不能做。

第二层是投入百亿级资源研究机械可解释性，尝试弄清模型内部哪些神经元和机制导致了某个判断，把难以理解的 " 黑盒 " 变得更加透明。

为什么是智谱，为什么是现在

毫无疑问，智谱是全中国，乃至全球 AI 圈的焦点之一。

2026 年 6 月 13 日，智谱发布了旗舰模型 GLM-5.2 模型。1M 上下文窗口，MIT 开源协议，在 SWE-Bench Pro、Terminal-Bench 等代码能力基准中位居全球前三、国产第一。

6 月底，外媒发了一篇报道，报道引用了网络安全公司 Semgrep 的测试：在某些漏洞检测基准上，GLM-5.2 的表现与 Anthropic 最强模型的 Mythos 不相上下，在特定任务上甚至超过了 Claude Opus 4.8。

这篇报道在 AI 圈引发了巨大的争议。

要知道，GLM-5.2 可是一个开源模型，Mythos 和 Opus 4.8 全都是闭源模型。而且 GLM-5.2 的价格，大约只有 Opus 十分之一。

Databricks 联合创始人阿里 · 戈德西（Ali Ghodsi）为此还特地拿自己的员工做了个实验。

他让自己公司 3000 多个工程师，用 GLM-5.2 和 Opus 4.8 干同样的活。结果发现两个模型的结果是相近的，但 GLM-5.2 每完成一个任务花 1.28 美元，可 Opus 却需要花 1.94 美元。

为什么大家都喜欢拿 Anthropic 来比智谱？因为 Anthropic 的 CEO 阿莫迪，他一直是开源模型坚定的反对者。

早在 2023 年 7 月，他就跑到美国国会参议院作证，说开源 AI 是一条 " 非常危险的路径 "。

他的判断逻辑是这样的，闭源模型出了问题，公司可以马上关掉、改掉、追踪谁在滥用；但开源模型一旦放出去，开发者再也收不回来了。

原因在于，你没法监控谁在用开源模型、没法撤销访问、也没法给已经开源的模型打安全补丁。

到了 2026 年 6 月，GLM-5.2 发布后，阿莫迪又一次公开警告，说中国开源 AI 的扩散（发布）" 让人非常不喜欢 "，前沿安全能力不应该掌握在开源模型手里。

很显然，智谱已经影响到 Anthropic 叙事了。可光有模型不够，还得有工具把它接进真实的开发场景。就像 Anthropic 有 Claude Code，OpenAI 有 Codex 一样。

智谱也在 GLM-5.2 发布的当天，发布了自己的工具，ZCode 3.0。它深度适配 GLM-5.2，并且不再维护第三方 Agent 适配。也就是说，ZCode 就是 GLM-5.2 专属工具，别人用不了。

开发者只需用自然语言提出需求，Zcode 就能读取整个代码项目，调用终端和浏览器，修改文件、运行测试、检查 Git 变更，然后直接把项目推进到交付前的状态。

智谱技术发展的速度很快，烧钱的速度也很快。

2026 年 1 月 8 日，智谱登陆港交所，发行价 116.2 港元，IPO 净募资约 48.96 亿港元。截至 6 月 30 日，已使用约 45.88 亿港元，使用率超过 93%，只剩 3.08 亿港元。

7 月 9 日，智谱宣布以每股 1588 港元配售最多 1978 万股新 H 股，净募资约 313.75 亿港元。

智谱这次不是发债，而是增发新股融资。新股定价比前一天的收盘价便宜约 13%，理论上来讲，这种行为应该会给股价带来压力，可事情的结果截然相反，消息公布当天，智谱股价盘中一度上涨超过 20%。

智谱公告里表示，这笔钱计划在 2027 年底前全部使用。一共投入三大方向，核心研发与算力基建；商业化扩张与产业并购；补充运营资金与优化资本结构。

所以就在这么个节骨眼上，唐杰必须要做点什么以定军心。发篇长文，让外界和企业内部都清楚智谱接下来要干什么，就成了最高效最直接的选择。

行业进入 AGI 决战前夜

Touch high，直译过来是摸高。那我们的高处是什么？是天空。

好巧不巧，就在唐杰发内部信之前，MiniMax 的 CEO 闫俊杰也写了一封内部信，叫做《向天空尽头》。

7 月 9 日，MiniMax 迎来了上市后的首轮大规模限售股解禁。约 1.46 亿股解禁，占总股本近 49%。

当天股价暴跌近 18%，第二天又跌了近 10%。市值从 3 月份 4100 亿港元的高点，一路跌到不到 800 亿港元。

就在解禁暴跌的当晚，MiniMax 启动了上市以来最大规模的再融资。配售新股加 65 亿港元零息可转债，合计募资约 160 亿港元。

其中配售净额约 94.91 亿，可转债净额约 64.66 亿。80% 用于 AI 基础设施和模型研发，10% 用于 Harness 产品的全球商业化，10% 用于运营资金。

就在这样一个背景下，闫俊杰在信中做出了三个承诺。

第一，从即日起直到公司实现 AGI，不再领取任何薪酬；第二，未来四年拿出个人名下相当于总股本 4% 的股份激励团队；第三，拿出 1% 的股份设立专项基金支持开源社区。5% 的个人股份，加上零薪酬。

虽说闫俊杰写的没有唐杰内部信那么具体，但是气势更足，他用个人身家，押注在了 MiniMax 的长期价值之上，终点同样为 AGI。

上市不是终点，而是获得长期投入能力的开始。

说到钱，最近还有一个超级明星公司拿到钱了，它就是 DeepSeek。

这家公司在 6 月的时候完成了 500 亿元人民币的首轮融资，并在 6 月 25 日启动全员扩招。

此前的 DeepSeek，不融资、不商业化、不路演。梁文锋用幻方量化的利润养着整个团队，成立近三年拒绝外部投资。

不过从现在开始，DeepSeek 也瞄准了 AGI。

它这次招聘的口号是 " 探索未至之境 "，公告里直接写着 " 人类正处于 AGI 的前夜 "，邀请应聘者 " 亲历 AGI 的发展进程，坐在时代前排，见证一个新纪元的诞生 "。

33 个岗位里，最值得关注的是今年 3 月新成立的 Agent Harness 团队。

DeepSeek 内部有个公式，Model+Harness=Agent。这和唐杰说的长程任务和自治智能体是相同的。Harness 决定模型能调用什么工具、访问什么资源、如何交付任务。

但真正有意思的，是一个叫 "AI 跨界技术人才 " 的特别岗位。

这个岗位不设专业背景限制，面向的是 " 希望参与创造和构建 AGI 的候选人 "。加分项写着 " 不走寻常路 "" 在某个领域做到极致 "" 有创业经历 "。

DeepSeek 的逻辑是，只有工程是无法达到 AGI 的，它需要更多的 " 参与者 "。

就比如研究认知科学或者心理学的人才，因为 AI 本质上就是模仿人类思考的过程，所以通过研究人类如何记忆、学习、判断和产生情感，说不定就能帮助 AI 提高性能。

AGI 还有多远？我不好说，可我感觉，AGI 真的不远了。