Datawhale干货 

作者：唐杰，智谱创始人，清华大学教授

今天，智谱创始人唐杰发了一封内部信，标题叫《巨浪已来》。信里宣布了一个“Touch High（摸高）”计划：未来两年，不把重心放在商业变现上，集中资源投入四个技术方向，冲下一代模型。

类似的事智谱在 2025 年初做过一次：把资源收敛到 Coding 上。唐杰当时的说法是，DeepSeek R1 出来之后，Chat 范式的探索基本结束，智谱“赌”了 Coding 和 Reasoning，一种能跟 Agent 共生的能力。今天看这步走对了：从 GLM-4.5 到 GLM-5.2，智谱在多项公开测评里摸到了海外最前沿模型的能力边界；走同一条路的 Anthropic，年化收入两年半从 8700 万美金涨到了 470 亿。

这次信里的四个方向，拿这半年的AI动态对照着看，每一个都能找到别家正在做的影子，不只是智谱一家的判断。

摸高计划的四个技术方向

长程任务。 模型的工作单位从“回答一个问题”变成“完成一个项目”，跨数周、数月的规划和执行。这件事有量化数据可查：评估机构 METR 一直在测一个指标——模型能以 50% 成功率完成的任务，换算成人类专家要干多久。2019 到 2025 年，这个数字每 7 个月翻一倍；2024 年之后，加速到了大约每 90 天翻一倍。GPT-2 的水平是 2 秒，去年底的旗舰模型已经是 5 个小时以上。照这个速度，能干跨数周任务的模型，大概就是两三年内的事。

自治智能体系统。 信里提到，记忆、持续学习、自我评判，这三个原来被认为需要范式变革才能解决的难题，正在被逐步消解。换句话说，agent 从 demo 走向生产，卡的不再是理论突破，而是工程往前磨。海外的产品动作能印证这个判断——今年 4 月，Anthropic 把长时运行的托管智能体做成了公测产品；6 月底，又发了主打“便宜跑 agent”的 Claude Sonnet 5；几乎同时，OpenAI 把能自主拆分子任务的 GPT-5.6 开了预览。竞争点已经从“谁能做 agent”变成“谁跑得便宜、谁能无人值守”。

自我进化。 模型自己写代码、自己合成数据、自己训练自己。这句话听起来像修辞，但它已经写进了发布说明：今年 2 月 OpenAI 发 GPT-5.3-Codex 时明确说，这个模型的早期版本“参与了创造它自己”——帮着调试训练、管理部署、诊断评估失败。Karpathy 做的 AutoResearch，自己跑了 700 个机器学习实验，找出 20 处训练改进。信里判断海外在建的百万芯片级算力集群，真正用途很可能就是让模型自己训练自己，这个说法放在这些事实旁边，不算激进。

安全治理。 唐杰说这是四件里他最想强调的一个：计划投入百亿级资源做机械可解释性，厘清模型决策背后的神经元逻辑。这条线在海外以 Anthropic 投入最深，Dario Amodei 去年专门写过一篇《可解释性的紧迫性》，把它比作“给 AI 做核磁共振”，并给团队定了目标：2027 年之前，让可解释性能可靠地查出大部分模型问题。国内公司把这件事抬到核心引擎的优先级，还不多见。

信里还引用了 Google DeepMind 6 月挂到 arXiv 的一份报告，《From AGI to ASI》，60 页，推演了从通用智能到超级智能的四条路径。里面最冷峻的论断是，即便单个模型的能力永远停在人类水平，一亿个共享同一底层大脑、零成本复制经验的实例，在群体层面就已经是超级智能。