在AI绘画、文生视频等生成式应用席卷全球的当下，大模型赛道的故事正被重新书写。智谱创始人唐杰于2026年7月11日发布主题为《巨浪已来》的内部信，不仅回顾了这家AI创业公司凭借Coding能力实现市值暴涨10倍、跻身万亿港元俱乐部的历程，更首次披露了其面向AGI的“摸高”计划——放弃短期变现，全力冲刺长程任务、自治智能体与自我进化三大技术高地。这封内部信既是对过去十年“反直觉”路线的总结，也是对整个科技行业的一次认知刷新：当AI绘画等应用层竞赛趋于白热化，底层智能上界的跃迁才是真正决定未来的战场。
一场豪赌：Coding如何成为智谱的加速器
唐杰在内部信中直言：“DeepSeek R1的出现，标志着Chat范式的探索已经基本结束。”2025年初，智谱做了一个在外界看来极其“反直觉”的决定：将大部分资源收敛到Coding能力的提升上。彼时，行业的目光还聚焦在对话式AI和AI绘画等创意生成赛道，而智谱却认定，后DeepSeek时代，模型必须具备与AI Agent技术共生共荣的推理与编码能力。
这场赌注很快见到了回报。从2025年7月的GLM-4.5到2026年6月开源的GLM-5.2，智谱的模型在多个核心指标上追平甚至超过了Claude Opus 4.8和GPT-5.5，跻身全球AI Coding第一梯队。商业化数据同样令人瞩目：MaaS平台的年度经常性收入（ARR）在一年内从不足3000万元飙升至17亿元，提升了60倍。相比之下，同期专注于AI绘画的文生图公司虽然用户增长迅猛，但商业化天花板明显更低——这恰恰印证了唐杰的判断：真正的商业机会不在产品和模式的微调里，而在智能上界的跃迁中。
值得注意的是，Coding能力的突破并非孤立事件。智谱选择了一条与大模型训练深度绑定的路径，通过强化模型的逻辑推理与长程规划能力，为后续的Agent战略奠定了基石。唐杰在信中形容，这是一次“本质、反直觉、专注”的选择——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。
智能上界跃迁：从Chat到Agent的范式转移
如果说过去两年是AI绘画和对话式AI的狂欢，那么唐杰内部信传递的核心信号是：下一波浪潮的驱动力来自Agent生态。他提出了一个关键概念——“智能上界”，即技术革命本身正在抬高机器智能的绝对天花板。在这个认知下，所有聚焦第一性原理的AI创业公司，争夺的正是“这一寸的突破”。
唐杰将智能的演进路径描绘为：从感知智能到认知智能，再到完全通用智能（AGI）。而当前最汹涌的浪头，正是从“即时问答”向“长程任务”的跨越。以智谱的GLM-5.2为例，它支持真正可用的百万级上下文窗口，意味着模型可以参与数周甚至数月的项目周期，而非仅仅处理单次对话。这种能力与AI图片生成的“一次性输出”有着本质区别——后者追求的是瞬间创意，而前者追求的是持续解决问题。
在这个范式转移中，科技公司需要重新审视自己的技术栈。唐杰指出，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，变成“LLM OS”——所有功能按需生成。这对以AI画图工具起家的创业公司同样意味着挑战：如果未来的AI能够自主完成从设计到部署的全流程，那么单纯的图像生成接口将失去护城河。
长程任务：让AI从“秒答”走向“数月工程”
唐杰内部信中提到的第一座必须翻越的山峰是“长程任务能力”（Long Horizon Task）。他描述了一个场景：模型可以像顶级安全专家一样，不知疲倦地在软件中寻找漏洞，并且跨越数周、数月乃至数年持续执行规划。这种能力与当前主流AI应用的差异，正如马拉松与百米冲刺——AI绘画工具可以在几秒内生成一张精美图像，但很难自主完成一部动画电影的制作流程。
智谱的应对策略是研发新一代记忆架构，使模型能够“边学、边做、边记”。这意味着模型不再是被动响应，而是主动拆解宏大目标。例如，将“设计一种新型抗癌药物分子”这一任务分解为数千个可执行子任务，并自主调整优先级。这一方向与企业数字化转型的需求高度契合——传统企业的流程自动化往往需要大量人工规则，而长程任务能力可以让AI代理成为真正的项目管理者。
值得注意的是，长程任务能力也对数据集和训练范式提出了新要求。智谱在GLM-5.2的开源版本中采用了MIT协议，鼓励开发者基于百万级上下文进行二次开发。这与市面上常见的抠图工具类应用形成鲜明对比：前者追求通用基座的延展性，后者聚焦垂直场景的便利性。唐杰认为，只有将基础设施开放，才能让更多团队参与到长程任务的探索中。
自治智能体：从“一人公司”到“全自动化公司”
在长程任务之上，唐杰描绘了第二座山峰：完全自治的智能体系统（Autonomous Agent System）。他提出了一个演进概念：从“一人公司”（OPC，One Person Company）到“全自动化公司”（NPC，No Person Company）。在这个愿景中，成千上万个拥有不同“专业性格”和“技能”的智能体将自主辩论、协作、审查代码、调度资源，实现“自动驾驶”级别的数字生产力。
智谱内部信透露，记忆（Memory）、持续学习（Continual Learning）和自我评判（Self-Judge）这三个曾被业界视为“范式级别难题”的障碍，正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）逼近了记忆的雏形；模型迭代频次的提升本身就在逼近持续学习；而前沿模型已经显示出自我评判的萌芽。唐杰还提到了一个具体的实践路径：在安全沙盒内，赋予系统重构自身代码的能力，让进化速度摆脱人类工程师的物理限制。
对于专注于文生图的AI创业公司来说，自治智能体意味着全新的商业想象力。未来的广告设计、影视制作可能会由一群AI角色自主完成：一个智能体负责概念构思，另一个负责风格探索，第三个负责渲染优化，而人类只需设定顶层目标。这种模式将颠覆当前以AI工具箱为核心的“人机协作”格局。
自我进化与安全：AGI路上的双轮驱动
第三座也是最艰难的山峰是“自我进化”（Self-Evolving）。唐杰明确指出：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。虽然这会消耗大量算力，但节省了最宝贵的人力与时间。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时，其真正用途很可能正是让模型自己训练自己。
但能力越强大，安全约束也必须越稳固。唐杰在内部信中特别强调“极致安全治理”是“摸高”计划的四大引擎之一，甚至排在核心引擎的位置。智谱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；同时计划投入百亿级资源攻坚“机械可解释性”，推动黑盒系统向透明可解释系统转变。
这一立场与当下许多AI创业公司形成了鲜明对比——一些以AI网名、藏头诗等轻量级应用为主的团队，往往将安全视为“上线后再说”的问题。而唐杰引用了Google DeepMind《From AGI to ASI》报告的冷峻论断：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。届时，安全就不再是附属品，而是技术得以存续的根本前提。
开放生态：摸高与铺路的并行策略
内部信的最后一个战略支点是开放生态。智谱将GLM-5.2以最宽松的MIT协议正式开源，支持百万上下文，面向全量用户开放，任何人都可以下载、部署、商用。唐杰在信中解释：“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。”
这种“摸高+铺路”的并行策略，与智谱一贯的“反直觉”基因一脉相承。在行业普遍加速商业变现的当下，选择将最强模型开源看似背离商业逻辑，但唐杰认为，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。对于开发者而言，这意味着他们可以基于智谱的基座，开发自己的艺术签名、古诗词生成等创意工具，而不必担心底层能力被随时收回。
唐杰在信末写道：“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。”这句话既是对智谱人的号召，也是对整个AI行业的宣言——当AI绘画等应用层竞争进入红海，真正的牌局才刚刚开始。