2026年7月，智谱创始人唐杰在内部信《巨浪已来》中，向外界展示了一个更激进的战略蓝图。在市值突破万亿港元、GLM-5.2开源模型跻身全球第一梯队之后，智谱没有选择在商业化上乘胜追击，而是决定“归零”重启——将全部资源押注于下一代智能助手的底层能力：长程任务、完全自治的智能体系统，以及自我进化。这封内部信不仅是一份技术宣言，更揭示了AI行业从“Chat范式”向“Agent范式”切换的深层逻辑。对于正在寻找下一波红利的AI创业公司而言，唐杰的讲话或许比任何市场报告都更具参考价值。
万亿市值后的“归零”：为什么智谱选择反直觉
当大多数AI企业还在加速商业变现时，智谱在上市后的第一个动作竟然是全面回归基础模型研究。唐杰在内部信中用“别人敲钟，我们归零”来形容这一决策。这种反直觉的选择背后，是智谱对行业本质的深刻判断：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。
智谱的崛起路径本身就充满反直觉色彩。2025年初，当行业还在追逐Chat对话优化时，智谱将资源集中到Coding能力上，赌注式地押注了推理与Agent共生能力。这一赌注让GLM-5.2在多项核心指标上追平甚至超越了Claude Opus 4.8和GPT-5.5，也直接推动了MaaS平台ARR在一年内暴增60倍、达到17亿元。
但唐杰认为，这仅仅是起点。他在信中指出，DeepSeek R1的出现标志着Chat范式探索已经基本结束，下一阶段竞争的核心是“智能上界”的突破。智谱的“摸高计划”正是为此而生——未来两年将战略性投入，不追求短期应用变现，而是直指AGI的下一高地。这种战略定力与AI融资领域的典型逻辑不同：多数AI创业公司拿到融资后急于扩大营收，而智谱选择在资本最充裕时进行最激进的技术赌博。
值得注意的是，智谱的“反直觉”并非盲目冒险。唐杰强调，公司二十年来始终遵循“本质、反直觉、专注”的方法论——先想得足够深，才敢选得足够反。这种思考方式，与大模型训练中“先理解数据本质，再设计架构”的思路一脉相承。
长程任务：从“即时问答”到“宏大工程”的跃迁
第一个核心方向是长程任务能力。唐杰认为，当前最令人兴奋的突破不是让模型更快地回答一个问题，而是让其能够完成跨越数周、数月甚至数年的规划与执行。例如，一个模型可以像顶级安全专家一样持续在软件中寻找漏洞，通过机器的耐力将人类专家的思维方式放大。
这种能力对智能助手而言意味着根本性变革。目前的智能助手更像一个“应答机器”，用户问一句它答一句；而具备长程任务能力的智能助手，能够理解“设计一种新型抗癌药物分子”这样的宏大目标，并自主拆解为数千个可执行子任务，贯穿项目全生命周期——边学、边做、边记。
智谱为此研发了新一代记忆架构，使模型能够维持长达百万token的上下文（GLM-5.2已支持可用百万上下文），并在长程任务上保持领先。这不仅是技术指标上的提升，更代表了AI从“工具”向“协作者”的转变。在企业数字化转型场景中，长程任务能力意味着AI可以独立负责一个持续数月的项目，而非仅仅完成单次操作。
与之对比，OpenAI的GPT-5.5虽然对话能力出色，但在长程任务场景中仍存在记忆衰减问题。智谱的开源策略和MIT协议，让更多开发者可以直接使用这一能力，加速了AI工具导航生态的繁荣。
自治智能体系统：从“智能助手”到“数字员工”
第二个方向是自治智能体系统。唐杰在内部信中描绘了一个“全自动化公司”的图景：成千上万个不同专业“性格”与“技能”的智能体组成一个社会，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。
这并非天方夜谭。智谱曾在2025年提出“一人公司OPC”概念，而技术的演进速度超乎预期。记忆、持续学习、自我评判这三个曾被认为需要范式变革才能解决的难题，现在已在技术与应用的双重驱动下逐步消解：长上下文与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。
对于AI创业公司而言，自治智能体系统意味着一种全新的商业模式：不再需要雇佣大量人类员工来完成重复性知识工作，而是通过组合不同“性格”的AI Agent来构建虚拟团队。例如，一个负责需求分析的Agent、一个负责代码生成的Agent、一个负责测试的Agent，它们可以像人类团队一样协作，但效率提升百倍。
唐杰特别强调，这一方向与AI Agent技术的发展密不可分。智谱将在“摸高计划”中构建包含成千上万个专业Agent的智能体社会，让它们自主协作。这种架构一旦成熟，将彻底改变企业组织形态——未来的公司可能只有少数核心人类管理者，其余全部由数字员工组成。
自我进化：AI训练AI，算力转化为进化燃料
第三个方向最为激进，也最具争议——自我进化。唐杰直言：“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。”在人类高质量数据即将耗尽之际，智谱计划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。
这一思路与Google DeepMind在《From AGI to ASI》报告中的论断不谋而合：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。DeepMind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。
智谱的“完全自我训练”引擎正是为此服务。它可能消耗大量算力，但节省了最宝贵的人力与时间。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时，其真正的用途很可能正是让模型自己训练自己。
对于普通用户来说，这意味着智能助手的进化速度将不再依赖人类工程师的物理限制。一个能够自我进化的智能助手，可能在一夜之间学会新的技能——就像人类通过一夜睡眠巩固记忆一样。当然，这也带来了巨大的安全挑战，唐杰在内部信中以大量篇幅强调了极致安全治理的重要性。
开放生态与安全治理：摸着石头过河的两只手
智谱的“摸高”战略并非只向上看。唐杰明确表示，公司“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”。GLM-5.2以最宽松的MIT协议正式开源，面向全量用户开放，任何人都可以下载、部署、商用，没有主体界别。
这种开放策略与AI图片生成领域的开源运动类似，但智谱走得更远——它试图在开源与安全之间找到平衡。唐杰透露，公司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，智谱坚持将人类伦理、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，而非外挂式安全补丁。
在AI融资市场日趋理性的背景下，智谱的开放生态战略具有特殊意义。它意味着AI创业公司可以基于智谱的开源模型构建自己的应用，而无需担心被封闭生态锁死。例如，一家初创公司可以使用AI诗词生成工具的技术栈，结合智谱的GLM-5.2开发出面向教育领域的智能助手。这种生态杠杆效应，比单纯的技术领先更具长期价值。
然而，安全治理的紧迫性不容忽视。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时，智谱选择了一条更难的路径：在开放中实现安全，在安全中促进开放。唐杰警示：“超级智能的实现与超级对齐的研究，必须同步推进。”这不仅是技术命题，更是关乎人类福祉的伦理选择。
巨浪已来：智能助手重新定义千行百业
唐杰在内部信结尾写道：“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。”这番表态背后，是智谱对AGI终局的坚定信念。从感知智能到认知智能，再从认知智能到通用智能，最终走向超级智能——这条路已经铺开。
对于行业而言，这意味着智能助手将不再仅仅是对话工具、信息检索工具或简单的任务执行者。它将演变为具备长程规划能力、自主协作能力和自我进化能力的数字生命体。金融、法律、电商、互联网……没有一个行业会置身事外。唐杰甚至预言，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。
在这场变革中，AI工具导航平台的价值将重新定义——它们不再只是罗列各种AI工具，而是要成为连接不同智能体、管理复杂任务协作的“数字工作台”。同时，AI创业公司需要重新思考自己的核心竞争力：是停留在应用层做微创新，还是像智谱一样深入底层能力做突破？
唐杰给出的答案很明确：“不登顶，就是失败。”但登顶的前提是选对方向、押注足够深、专注足够久。对于所有关心AI未来的人而言，这封内部信不仅是一份战略宣言，更是一份通向AGI的路线图。
FAQ
Q1: 什么是智能助手的长程任务能力？ A: 智能助手的长程任务能力是指模型能够理解并执行跨越数周、数月甚至数年的复杂规划，而非仅完成即时问答。例如，AI可以自主拆解“设计新型抗癌药物”这样的宏大目标为数千个子任务，并持续跟踪进度、调整策略，实现“边学边做边记”。
Q2: 智谱的“摸高计划”与其他AI公司的战略有何不同？ A: 多数AI公司在商业化加速期会优先扩大营收，而智谱在市值万亿港元后选择“归零”并全面回归基础研究，聚焦长程任务、自治智能体与自我进化三大方向。这种“反直觉”策略源于其对“智能上界”跃迁的判断，而非短期利益驱动，体现了更激进的长期主义。
Q3: 智谱的开放生态策略对AI创业公司有什么影响？ A: 智谱以MIT协议开源GLM-5.2，允许任何主体下载、部署和商用，降低了AI创业公司的技术门槛。创业者可以基于智谱的底层能力开发垂直领域应用，如结合AI Agent技术构建行业智能助手，或利用自我进化能力实现产品的持续迭代，从而在AI融资热潮中获得差异化竞争优势。