一封内部信，一场战略定调 7月11日，智谱华章创始人、首席科学家唐杰发布一封简短但极具分量的内部信。信中正式提出未来两年核心战略——“Touch High（摸高）计划”，并明确将全部资源聚焦于四大方向：长程任务、自治智能体系统、完全自我训练、安全治理。这并非泛泛而谈的技术罗列，而是对当前AI发展瓶颈的系统性回应。两天前（7月9日），智谱完成313.75亿港元新股配售，资金须在2027年底前全部投入。这封信，本质上是一份面向内外的高度凝练的战略支出说明书：钱往哪里花，由问题决定；问题从哪里来，由现实决定。 三座大山：AI通往AGI的真实障碍 唐杰将阻碍AGI落地的根本性挑战，概括为三座“大山”：长程任务能力缺失、完全自治的智能体系统尚未形成、模型缺乏自我进化机制。这三点并非理论空想，而是从工程实践中反复验证的断层。 第一座山是“长程任务能力”。当前大模型仍是响应式工具——问一句，答一句。它无法像人类员工那样理解目标、拆解路径、调用工具、试错迭代、持续执行数小时乃至数周。唐杰以网络安全为例：发现漏洞需读代码、搭环境、尝试攻击、验证结果、排除误报。AI未必比顶级黑客更聪明，但可无限复制、永不疲倦。难点不在算力，而在模型能否自主判断“下一步该做什么”“当前路径是否失效”“结果是否真正达成目标”。 第二座山是“自治智能体系统”。单个AI能干活，不等于多个AI能协作。当任务复杂度上升，就需要分工明确、权责清晰、能自协调、自纠错的智能体集群。它们不是简单并行运行，而是要形成类似人类组织的结构：有规划者、执行者、验证者、资源调度者。唐杰指出，真正的瓶颈不在Agent数量，而在“组织机制”——谁定义目标？谁分配权限？谁仲裁分歧？谁防止错误循环放大？没有这套机制，再多Agent也只会陷入混乱。 第三座山是“自我进化”。今天训练大模型，仍高度依赖人类工程师：收集数据、编写提示、运行实验、分析结果、调整参数。完全自我训练的目标，是让AI逐步接管整个研发闭环：自己生成高质量训练数据、编写训练代码、启动训练流程、评估结果、设计下一轮实验。Self-Play（自博弈）是关键路径之一：AI既出题又答题，再由另一AI评判对错。它不追求省算力，而是省人力——把工程师从“操作员”解放为“目标设定者”。 四大引擎：从破障到建构的统一逻辑 三座大山，在研发落地层面自然演化为四大引擎。前三者一一对应，第四项“安全治理”则是前三大能力跃升后的必然约束。 长程任务引擎，解决AI的“耐力”与“目标感”。它要求模型不仅输出答案，更要持续追踪目标状态、动态修正策略、管理外部工具调用与反馈闭环。 自治智能体系统引擎，解决AI的“组织力”。它不是堆砌Agent，而是构建具备角色分工、通信协议、冲突消解和绩效评估能力的智能体网络。唐杰已从“一人公司（OPC）”迈向“无人公司（NPC）”构想——这不是替代人类，而是重构人机协同的边界。 完全自我训练引擎，解决AI的“生长力”。它使模型具备研发自身的元能力。当AI能不断优化自身架构、数据生成方式与训练范式，技术演进将从线性加速转向指数跃迁。但这也带来根本性风险：一旦失控，错误将被自我强化而非人工干预。 因此，安全治理不是附加模块，而是前三者的底层前提。唐杰提出两层实质性防护：其一，在训练目标中内嵌价值对齐，将伦理规范、法律框架、社会共识转化为可优化的损失函数，让模型“从根上懂边界”；其二，投入百亿级资源攻坚机械可解释性，穿透黑盒，定位决策神经元与因果链，使AI行为可追溯、可归因、可干预。 为什么是智谱？为什么是现在？ 战略选择从来不是孤立的。2026年6月，智谱发布GLM-5.2：1M上下文、MIT开源协议、代码能力全球前三、国产第一。在Semgrep实测中，其漏洞检测表现逼近Anthropic闭源旗舰Mythos，特定任务甚至超越Claude Opus 4.8，而成本仅为后者的十分之一。Databricks实测证实：同等任务下，GLM-5.2单次成本1.28美元，Opus为1.94美元。 这直接动摇了Anthropic长期坚持的“开源危险论”。当开源模型在性能、成本、透明度上全面构成挑战，安全治理就不再是可选项，而是竞争护城河的核心组成部分。同日发布的ZCode 3.0，正是这一逻辑的具象化——它不是通用Agent框架，而是GLM-5.2专属开发中枢，深度绑定模型能力，实现自然语言→项目交付的端到端闭环。 融资节奏亦非偶然：IPO募资近49亿港元已使用超93%；新募313.75亿港元明确投向研发基建、商业化与资本结构优化。在资金密集、时间紧迫的AGI竞速中，唐杰的信不是展望，而是战令——把每一分投入，精准楔入突破三座大山的关键切口。 AGI前夜：一场集体跃迁 智谱的Touch High，MiniMax的《向天空尽头》，DeepSeek的“探索未至之境”，表面是不同公司的宣言，内核却是同一时代的共振。闫俊杰以零薪酬+5%个人股份押注AGI；DeepSeek打破“不融资、不商业化”原则，设立Agent Harness团队，并首次开放“AI跨界技术人才”岗位——欢迎认知科学、心理学、哲学等非传统背景者加入，因为AGI的本质，是理解人类智能本身。 没有哪座山是孤立存在的。长程任务需要自治系统支撑，自治系统依赖自我训练进化，而所有跃迁都必须被安全治理锚定。四大引擎不是并列关系，而是同一枚硬币的四面：一面指向能力，一面指向组织，一面指向生长，一面指向责任。当它们同步转动，摸高的动作，才真正有了抵达天空的可能。