智谱创始人、清华大学教授唐杰近日发布内部信《巨浪已来》，宣布公司未来两年将启动“Touch High（摸高）”计划，聚焦通用人工智能（AGI）核心技术突破。这封内部信发布于公司完成314亿港元配售后的关键节点，既未提及配售价格或盈利期限，也未回避资本市场对商业化的关注，而是将战略重心转向技术纵深。
根据配售协议，智谱以每股1588港元配售1978万股新H股，募资总额约314.11亿港元，扣除佣金后净额约313.75亿港元。资金分配方案显示，约55%将用于研发，重点投入长程任务、自治智能体系统、完全自我训练及极致安全治理四大方向；15%用于业务扩张与战略投资；剩余30%用于运营及资本结构优化。公司计划在2027年底前完成资金使用。
唐杰在信中重新定义了智谱的技术基因——本质、反直觉、专注。他直言，行业正面临技术迭代与商业落地的双重时钟：前沿模型更新周期已缩短至按月计算，而资本市场要求更快的商业反馈。这种矛盾在智谱身上尤为突出：上市半年内完成百亿级配售，却同时宣布“不追求短期应用变现”，转而直指AGI下一阶段的技术高地。
四大核心引擎的布局揭示了智谱的技术路线图。长程任务（Long Horizon Task）要求模型突破长上下文局限，实现跨天级的项目推进能力；自治智能体系统（Autonomous Agent System）需解决真实环境中的工具调用、异常恢复与权限管理；完全自我训练（Fully Self Training）试图通过合成数据与强化学习减少对人工标注的依赖；极致安全治理则聚焦模型可解释性与行为边界控制。这些方向既延续了GLM系列模型的技术脉络，也回应了行业对AI自主性、安全性的普遍关切。
回顾智谱的发展轨迹，技术预埋与市场反馈的动态平衡贯穿始终。2021年，团队在GLM模型中首次尝试“自回归空白填充”架构，为通用建模埋下伏笔；2022年GLM-130B训练期间，公司同步组建MaaS平台团队，形成技术验证与商业落地的双线反馈。这种“双团队互不知情”的安排虽显极端，却意外实现了技术上限与市场需求的并行验证。2024年，当行业陷入百模大战与价格战时，智谱凭借Coding方向突围，其代码生成模型CodeGeeX已积累24.2万付费开发者，API收入同比增长292.6%。
然而，技术押注的容错空间正在收窄。配售协议中将“商业化规模化落地”列为融资理由，与内部信中“淡化短期变现”的表述形成微妙张力。财务数据显示，智谱2025年研发开支达31.80亿元，是收入的4.39倍；毛利2.97亿元，仅覆盖研发成本的9.3%。尽管开放平台及企业级Agent业务增速显著，但本地部署仍贡献73.7%的收入，交付形态偏重的问题尚未彻底解决。
行业对比凸显了智谱的转型压力。MiniMax 2025年67.2%收入来自AI原生产品，73%来自海外市场，但其毛利仅占研发费用的7.9%；月之暗面虽在2026年5月完成约20亿美元融资，ARR超2亿美元，却未披露核心成本指标。头部模型公司普遍面临“技术钟”与“商业钟”的赛跑：前沿模型按月迭代，而推理成本、API定价、毛利覆盖等商业指标需按季度向资本市场交卷。
唐杰在信中强调，此次技术投入不是简单的“烧钱”游戏。上市公司身份意味着技术路线必须转化为可追踪的中间指标：长程任务需披露任务持续时间与成功率，自治智能体要公开真实调用次数与单次成本，自我训练需量化合成数据有效率与能力增益。这些要求与智谱2021年“通用底座+垂直接口”的技术策略一脉相承——通过保留基础能力接口，在外部信号明确时快速收缩战线。
