Китайська компанія, яка найбільше схожа на Anthropic, має прибрати «три гори»

智谱华章的創始人、首席科學家唐杰在7月11號發了一封內部信。信不長，大約兩分鐘就能看完，但信的份量並不輕。

簡單概括一下，智譜接下來兩年要啟動「Touch High（摸高）計劃」，把資源集中投入到四個引擎之中：「長程任務、自治智能體系統、完全自我訓練、安全治理」。

這四個方向並不是憑空得來的，是唐杰根據這些年AI的發展，觀察到了三座阻礙行業前進的大山。翻過山之後，就是傳說中的AGI。不過要想翻過三座大山，就得朝著這四個方向發展。四個方向，由此變成了四個驅動智譜前進的引擎。

雖然說是四個引擎，但本質上同根同源，你中有我、我中有你。

而就在這封信發出的兩天前，7月9日，智譜剛配售了313.75億港元新股；公告中寫到，這次募來的錢要在2027年底前全部花完。

由此一來，唐杰的信，其實就是在講「智譜要把這些錢花在哪個地方」。

那麼接下來，我就給你分析分析，這三座大山和四個引擎到底是什麼。

從「三座大山」到「四大引擎」

谷歌今年6月發布了一份57頁的報告，標題叫《From AGI to ASI》，裡面也提到了類似的說法。「如果給一個AI愛因斯坦時代所有的資訊，它能不能獨立推導出廣義相對論？」

DeepMind首席執行官哈薩比斯承認「顯然，今天還不行，還缺了點什麼。」

唐杰管具體缺的這點玩意，叫做「三座山」。分別是長程任務能力、完全自治的智能體系統、自我進化。

正如四大天王有5個人一樣，這三座大山落到公司研發層面，就變成了「四大引擎」。三座山各對應一個引擎，第四個叫做安全治理。

之所以會多這麼一個引擎，是因為AI在翻過三座大山超越人類智慧的時候，必須要限制其發展。

第一個引擎，長程任務。

唐杰今年5月在X上發了一篇長文，第一句就是：「今年最可能突破的方向，就是長程任務。」

唐杰表示，今天的大模型更像一位知識豐富的顧問：你問一句，它答一句。而未來的模型則更像一名能獨立幹活的員工。人只需要交代目標，它就能自己拆解步驟、調用工具、反覆試錯，連續工作數小時、數週甚至更久，最終交付結果。

唐杰用網路安全舉例說，讓黑客去尋找一個軟體漏洞，他不只要讀程式碼，還要搭環境、嘗試不同攻擊路徑、排除誤報並驗證結果。

AI未必比頂級黑客更有天賦，但它可以24小時運行，同時複製出成千上萬個實例不斷嘗試。只要學會專業黑客的思路，機器的耐力和規模就可能把這種能力放大，最終替代一部分黑客和程式員的工作。

問題就在於：不是你想讓模型去做長程任務，它就能完成的。唐杰在長文中寫到，模型除了要具備執行能力以外，還得擁有持續學習和自我判斷能力，因而引出了第二座大山。

第二個引擎，自治智能體系統。

如果說長程任務解決的是「一個AI能否獨立把一件複雜工作做完」，那麼自治智能體系統解決的，就是「一群AI能否像一家公司那樣協同工作」。

唐杰認為，自治智能體系統由一群不同的專業能力和分工的Agent組成。

比如面對一個非常複雜的任務，就需要有個Agent負責制定計劃，還有Agent負責查資料、寫程式碼、測試結果、尋找漏洞。當這個任務複雜到一定規模，就需要有專門的Agent來分配算力並檢查其他智能體的工作。

它們可以24小時運行，自主討論、協作和糾錯。唐杰去年還在談「一人公司（OPC）」，即一個人指揮大量AI；如今他的判斷更激進：未來可能出現「無人公司（NPC）」，從管理到執行都主要由AI完成。

這不是說你多開幾個帳號就能實現。智能體越多，溝通混亂、任務重複和錯誤相互放大的風險也越高。

真正卡住自治智能體的，並非Agent的數量，而是組織機制。誰拆解目標？誰分配權限？誰檢查結果？多個Agent之間怎麼防止互相強化錯誤？

因此，唐杰在長文中表示，AI發展需要一個「自我判斷」的機制，以讓AI能夠自我進化，這便是第三座大山。

第三個引擎，完全自我訓練。

唐杰把「完全自我訓練」稱為最困難、也最誘人的方向。

今天訓練一個大模型，仍然需要給它準備工程師：蒐集資料、寫程式碼、運行實驗和分析結果。

完全自我訓練想做的，是讓AI逐步接管這套流程：自己寫程式碼、清洗和生成資料、啟動訓練，再根據結果設計下一輪實驗。

唐杰表示，其中一個重要方法是Self-Play。簡單說，就是讓AI既出題又答題，再讓另一個AI負責挑錯和評分。在程式碼、數學、遊戲等結果容易驗證的領域，這種方法已經可以產生大量訓練材料。

雖然它未必能省下多少算力，甚至有可能更費算力，但它能節省人力：工程師不用每個環節都盯著AI，只需要給它設定一個目標，接下來讓機器自己跑就行了。

可這就容易產生一個新的問題：AI可能會超過人類的管控。學術上有個設想叫做「達爾文·哥德爾機」，就是透過AI自己升級自己的辦法，讓模型效能不斷增強。這個方向之所以後來沒什麼人研究，主要原因就是擔心AI會不受控制。

這也就到了最後一個引擎，安全治理。

如果一個AI翻過了前面的三座大山，那它確實是效能更強了，可它帶來的風險也會更大。

長程執行意味著模型會持續行動；多Agent協作意味著錯誤會被放大；自我訓練意味著模型的決策邏輯可能連開發者都看不懂。

一旦這個AI出錯，性質就從「模型偶爾給出一個錯誤回答」升級為「系統持續執行並放大一個錯誤」。

唐杰提出了兩層防護。

第一層是在訓練階段進行價值對齊。它不滿足於在模型外面增加關鍵詞過濾等「安全補丁」，而是希望把人類倫理、社會規範和法律法規融入訓練目標，讓模型從底層就知道什麼能做、什麼不能做。

第二層是投入百億級資源研究機械可解釋性，嘗試弄清模型內部哪些神經元和機制導致了某個判斷，把難以理解的「黑盒」變得更加透明。

為什麼是智譜，為什麼是現在

毫無疑問，智譜是全中國，乃至全球AI圈的焦點之一。

2026年6月13日，智譜發布了旗艦模型GLM-5.2模型。1M上下文視窗，MIT開源協議，在SWE-Bench Pro、Terminal-Bench等程式碼能力基準中位居全球前三、國產第一。

6月底，外媒發了一篇報道，報道引用了網路安全公司Semgrep的測試：在某些漏洞偵測基準上，GLM-5.2的表現與Anthropic最強模型的Mythos不相上下，甚至在特定任務上超過了Claude Opus 4.8。

這篇報道在AI圈引發了巨大的爭議。

要知道，GLM-5.2可是個開源模型；Mythos和Opus 4.8全都是閉源模型。而且GLM-5.2的價格，大約只有Opus的十分之一。

Databricks聯合創始人阿里·戈德西（Ali Ghodsi）為此還特地拿自己的員工做了個實驗。

他讓自己公司3000多名工程師，用GLM-5.2和Opus 4.8做同樣的工作。結果發現兩個模型的結果相近，但GLM-5.2每完成一個任務花1.28美元，而Opus卻需要花1.94美元。

為什麼大家都喜歡拿Anthropic來比智譜？因為Anthropic的CEO阿莫迪（在原文為阿莫迪），他一直是開源模型的堅定反對者。

早在2023年7月，他就跑到美國國會參議院作證，說開源AI是一條「非常危險的路徑」。

他的判斷邏輯是這樣的：閉源模型出了問題，公司可以馬上關掉、改掉、追蹤誰在濫用；但開源模型一旦放出去，開發者再也收不回來了。

原因在於，你沒法監控誰在用開源模型、沒法撤銷存取、也沒法給已經開源的模型打安全補丁。

到了2026年6月，GLM-5.2發布之後，阿莫迪又一次公開警告，說中國開源AI的擴散（發布）「讓人非常不喜歡」，前沿安全能力不應該掌握在開源模型手裡。

**很顯然，智譜已經影響到Anthropic的敘事了。**可光有模型不夠，還得有工具把它接進真實的開發情境。就像Anthropic有Claude Code，OpenAI有Codex一樣。

智譜也在GLM-5.2發布當天，發布了自己的工具，ZCode 3.0。它深度適配GLM-5.2，並且不再維護第三方Agent的適配。也就是說，ZCode就是GLM-5.2專屬工具，別人用不了。

開發者只需用自然語言提出需求，Zcode就能讀取整個程式碼專案，調用終端和瀏覽器，修改檔案、執行測試、檢查Git變更，然後直接把專案推進到交付前的狀態。

智譜技術發展的速度很快，燒錢的速度也很快。

2026年1月8日，智譜登陸港交所，發行價116.2港元，IPO淨募資約48.96億港元。截至6月30日，已使用約45.88億港元，使用率超過93%，只剩3.08億港元。

7月9日，智譜宣布以每股1588港元配售最多1978萬股新H股，淨募資約313.75億港元。

智譜這次不是發債，而是增發新股融資。新股定價比前一天的收盤價便宜約13%；理論上來講，這種行為應該會給股價帶來壓力，可事情的結果截然相反：消息公布當天，智譜股價盤中一度上漲超過20%。

智譜公告裡表示，這筆錢計劃在2027年底前全部使用。一共投入三大方向：核心研發與算力基建；商業化擴張與產業併購；補充營運資金與優化資本結構。

所以就在這麼個節骨眼上，唐杰必須要做點什麼來定軍心。發篇長文，讓外界和企業內部都清楚智譜接下來要幹什麼，成了最高效、最直接的選擇。

行業進入AGI決戰前夜

Touch high，直譯過來是摸高。那我們的高處是什麼？是天空。

好巧不巧，就在唐杰發內部信之前，MiniMax的CEO閻俊傑也寫了一封內部信，叫做《向天空盡頭》。

7月9日，MiniMax迎來了上市後的首輪大規模限售股解禁：約1.46億股解禁，占總股本近49%。

當天股價暴跌近18%，第二天又跌了近10%。市值從3月份4100億港元的高點，一路跌到不到800億港元。

就在解禁暴跌的當晚，MiniMax啟動了上市以來最大規模的再融資。配售新股加65億港元零息可轉債，合計募資約160億港元。

其中配售淨額約94.91億，可轉債淨額約64.66億。80%用於AI基礎設施和模型研發，10%用於Harness產品的全球商業化，10%用於營運資金。

就在這樣一個背景下，閻俊傑在信中做出了三個承諾。

第一，從即日起直到公司實現AGI，不再領取任何薪酬；第二，未來四年拿出個人名下相當於總股本4%的股份激勵團隊；第三，拿出1%的股份設立專項基金支持開源社區。5%的個人股份，加上零薪酬。

雖說閻俊傑寫的沒有唐杰內部信那麼具體，但氣勢更足；他用個人身家，押注在MiniMax的長期價值之上，終點同樣為AGI。

上市不是終點，而是獲得長期投入能力的開始。

說到錢，最近還有一個超級明星公司拿到錢了，它就是DeepSeek。

這家公司在6月完成了500億元人民幣的首輪融資，並在6月25日啟動全員擴招。

此前的DeepSeek，不融資、不商業化、不路演。梁文鋒用幻方量化的利潤養著整個團隊，成立近三年拒絕外部投資。

不過從現在開始，DeepSeek也瞄準了AGI。

它這次招聘的口號是「探索未至之境」，公告裡直接寫著「人類正處於AGI的前夜」，邀請應徵者「親歷AGI的发展進程，坐在時代前排，見證一個新紀元的誕生」。

33個崗位裡，最值得關注的是今年3月新成立的Agent Harness團隊。

DeepSeek內部有個公式：Model+Harness=Agent。這和唐杰說的長程任務與自治智能體是相同的。Harness決定模型能調用什麼工具、存取什麼資源、如何交付任務。

但真正有意思的，是一個叫「AI跨界技術人才」的特別崗位。

這個崗位不設專業背景限制，面向的是「希望參與創造和構建AGI的候選人」。加分項寫著「不走尋常路」「在某個領域做到極致」「有創業經歷」。

DeepSeek的邏輯是，只有工程是無法達到AGI的，它需要更多的「參與者」。

就比如研究認知科學或心理學的人才，因為AI本質上就是模仿人類思考的過程，所以透過研究人類如何記憶、學習、判斷和產生情感，也許就能幫助AI提高效能。

AGI還有多遠？我不好說，但我感覺，AGI真的不遠了。