智谱「摸高计划」深度解析：唐杰内部信全文解读，港股AI第一股为何选择在行业最热时死磕AGI？

一、引言2026年7月11日，智谱创始人唐杰发布题为《巨浪已来》的全员内部信，宣布启动名为"TouchHigh（摸高）"的两年战略投入计划——不追求短期的应用变现，全力冲击下一代通用人工智能（AGI）。这封信发出的时间点耐人寻味。就在同一周，港股大模型"双雄"智谱（02513.HK）与MiniMax（0100.HK）相继迎来上市后首批限售股解禁。智谱解禁当日股价大涨13.35%，市值一度触及9060亿港元；而MiniMax解禁当日暴跌近18%，市值仅剩842亿港元——三个月前它还值4100亿港元。当整个行业都在加速商业变现、卷应用、卷收入的时候，智谱选择了最"反直觉"的路：向上突破，死磕AGI。唐杰在内部信中写道：“别人敲钟，我们归零。这不是姿态，这是信念——既然终点是AGI，那么短期利益或者行业风口，都只是通向终局的沿途风景。”┌─────────────────────────────────────────────────────────────────┐ │ 智谱「摸高计划」全景 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 战略定位：不追求短期变现，全力冲击AGI │ │ 投入周期：两年（2026-2028） │ │ 四大引擎：长程任务 | 自治智能体 | 完全自我训练 | 极致安全 │ │ │ │ 历史坐标： │ │ 2006 ── 学术搜索系统（一台台式机） │ │ 2021 ── GLM-130B（千亿参数，ChatGPT前一年半） │ │ 2026.01 ── H股上市（"别人敲钟，我们归零"） │ │ 2026.07 ── 「摸高计划」启动 │ │ │ └─────────────────────────────────────────────────────────────────┘二、智谱是谁：二十年方法论的三字诀2.1 “本质、反直觉、专注”唐杰在内部信中回顾了智谱的成长历程，用三个词概括了这家公司的底层方法论：本质、反直觉、专注。2006年，智谱团队守着一台台式机上的学术搜索系统坐冷板凳。在当时，这看起来是一个毫无商业价值的方向。但团队想清楚了那背后是"挖掘学科演化机理"——一件值得用十年回答的事。2021到2022年，当"让机器像人一样思考"被绝大多数人视为登月般的疯狂计划时，智谱抽调资源、押注千亿参数，做出了GLM-130B。那是ChatGPT引爆世界整整一年半之前。2026年1月8日，智谱在H股上市。那一天，公司把它当作一个全新的起点，坚定地全面回归基础模型研究，全力冲击下一代模型。“别人敲钟，我们归零。这不是姿态，这是信念——既然终点是AGI，那么短期利益或者行业风口，都只是通向终局的沿途风景。”2.2 AGI的朴素定义唐杰在内部信中对AGI给出了一个朴素而苛刻的定义：AGI不是某一个天才的智慧，而是全人类智慧水平的总和。它理应具备创造出"相对论"级别原创知识的能力，这是我们衡量是否真正到达巅峰的唯一标准。这个定义直接对标了2026年6月DeepMind发布的《From AGI to ASI》报告中的论断——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。三、摸高计划的四大引擎3.1 长程任务：从"即时问答"到"宏大工程"第一座必须翻越的山峰，是长程任务能力。今天的AI模型擅长的是"即时问答"——你问一句，它答一句。但真正的AGI需要具备跨越数周、数月乃至数年的规划与执行能力。唐杰在信中描述了一个具体场景：「一个模型可以不知疲倦地在软件中寻找漏洞，本质上是在学习一名顶级安全专家的思维方式，然后通过机器的耐力把它放大。」智谱计划研发新一代记忆架构，使模型贯穿项目全生命周期"边学、边做、边记"，并具备将宏大目标（如"设计一种新型抗癌药物分子"）自主拆解为数千个可执行子任务的顶层能力。以下是长程任务记忆架构的Go实现原型：packagemainimport("container/heap""encoding/json""fmt""sync""time")// TaskPriority 任务优先级typeTaskPriorityintconst(Low TaskPriority=iotaNormal High Critical)// SubTask 子任务typeSubTaskstruct{IDstring`json:"id"`Descriptionstring`json:"description"`Statusstring`json:"status"`// pending, running, completed, failedPriority TaskPriority`json:"priority"`Dependencies[]string`json:"dependencies"`CreatedAt time.Time`json:"created_at"`CompletedAt*time.Time`json:"completed_at,omitempty"`Resultstring`json:"result,omitempty"`ParentIDstring`json:"parent_id"`}// LongTermMemory 长期记忆typeLongTermMemorystruct{EpisodeIDstring`json:"episode_id"`Goalstring`json:"goal"`Statestring`json:"state"`// planning, executing, reviewing, completedSubtasksmap[string]*SubTask`json:"subtasks"`Contextmap[string]interface{}`json:"context"`LessonsLearned[]string`json:"lessons_learned"`CreatedAt time.Time`json:"created_at"`UpdatedAt time.Time`json:"updated_at"`}// PriorityQueue 优先级队列typePriorityQueue[]*SubTaskfunc(pq PriorityQueue)Len()int{returnlen(pq)}func(pq PriorityQueue)Less(i,jint)bool{returnpq[i].Prioritypq[j].Priority}func(pq PriorityQueue)Swap(i,jint){pq[i],pq[j]=pq[j],pq[i]}func(pq*PriorityQueue)Push(xinterface{}){*pq=append(*pq,x.(*SubTask))}func(pq*PriorityQueue)Pop()interface{}{old:=*pq n:=len(old)item:=old[n-1]*pq=old[0:n-1]returnitem}// LongHorizonTaskEngine 长程任务引擎typeLongHorizonTaskEnginestruct{mu sync.RWMutex memoriesmap[string]*LongTermMemory taskQueue PriorityQueue maxSubtasksint}funcNewLongHorizonTaskEngine(maxSubtasksint)*LongHorizonTaskEngine{returnLongHorizonTaskEngine{memories:make(map[string]*LongTermMemory),maxSubtasks:maxSubtasks,}}// DecomposeGoal 将宏大目标分解为子任务func(lte*LongHorizonTaskEngine)DecomposeGoal(goalstring)(*LongTermMemory,error){lte.mu.Lock()deferlte.mu.Unlock()episodeID:=fmt.Sprintf("EP-%d",time.Now().UnixNano())memory:=LongTermMemory{EpisodeID:episodeID,Goal:goal,State:"planning",Subtasks:make(map[string]*SubTask),Context:make(map[string]interface{}),LessonsLearned:make([]string,0),CreatedAt:time.Now(),UpdatedAt:time.Now(),}// 模拟目标分解：将"设计抗癌药物分子"分解为子任务decompositions:=[]struct{idstringdescstringpriority TaskPriority deps[]string}{{"T001","文献调研：现有抗癌药物靶点分析",High,nil},{"T002","收集已批准的激酶抑制剂分子结构",Normal,[]string{"T001"}},{"T003",