智谱市值万亿后突然掉头:百亿砸向AGI,两年不赚钱

AI风向标Agent 2026-07-11 22:55:15 1阅读 举报

7月11日,智谱创始人唐杰发了一封全员信,名字叫《巨浪已来》。在行业所有人都在加速变现的时候,这家刚跻身万亿港元俱乐部的公司做了一个让很多人看不明白的决定:未来两年不追求短期变现,把上百亿砸进AGI底层研究。

万亿市值,却选择"反直觉"

先看看智谱现在的身位。今年1月8日港股上市,发行价116.2港元。到6月22日,盘中最高摸到2980港元,对应市值约1.27万亿,超过小米、美团、京东、比亚迪,仅次于腾讯和阿里。MaaS平台年化收入17亿,一年翻了60倍,付费开发者超24万。

按照正常商业逻辑,这个节点应该加速收割市场。但唐杰的信里写得很清楚:"在行业普遍加速商业变现的当下,我们决定向上突破。"智谱把这叫"摸高(Touch High)计划"——把上市融到的钱,重新砸回基础模型研究。

押注Coding:一次赌对了的战略

智谱今天能站到这个位置,核心原因是2025年初押对了Coding这条赛道。唐杰说得很直接:DeepSeek R1的出现,标志着Chat范式的探索基本结束了。后DeepSeek时代,智谱选择了Coding和Reasoning——一种能与Agent共生共荣的模型能力。

事实证明这个判断很准。Anthropic靠押注Coding,ARR从2024年1月的8700万美金涨到2026年6月的470亿美元。智谱自己的GLM-5.2在6月上线开源后,多个指标追平甚至超过Claude Opus 4.8,部分超过GPT-5.5。Coding能力成了AI商业化最近的那扇门。

四座必须翻越的高峰

在内部信里,唐杰把通往AGI的路划成了四座山。第一座是长程任务——让AI不是即时问答,而是能跨越数周数月完成一个宏大工程。比如让模型自己找漏洞,像顶级安全专家一样思考,用机器的耐力放大人类的洞察。

第二座是完全自治的智能体系统。从"一人公司"走向"全自动化公司",成千上万个不同专业的智能体自主辩论、协作、审查代码、调度资源。第三座是自我进化——AI训练AI。模型自己写代码、洗数据、合成数据、训练自己。省的不是算力,是最宝贵的人力和时间。

第四座最容易被当成口号忽略,但可能是最值钱的:极致安全治理。智谱计划投入百亿级资源攻坚"机械可解释性"——厘清模型每个决策背后的神经元逻辑,把黑盒变白盒。

机械可解释性:被低估的战略底牌

这个东西为什么值百亿?因为AI输出可被审计、可被监管、可被企业放心部署——这是金融、医疗、政务等强监管行业大规模采购AI的前提。对走B端MaaS路线的智谱来说,可解释性不是成本,是合规通行证。

说人话就是:企业不敢用AI不是因为AI不够强,是因为出了问题不知道找谁。如果每个决策都能追溯,AI才能从"玩具"变成"工具"。

赌局的另一面

当然,智谱的"摸高"也有现实压力。GLM-5.2虽然能力接近Claude 4.6、价格便宜80%,但实际使用中token消耗和耗时据反馈是Claude的数倍,跑分和体验之间还有差距。另一边,OpenAI昨天刚发了GPT-5.6,Anthropic H轮融资650亿美元估值逼近万亿,月之暗面、阶跃星辰、DeepSeek都在密集融资。你停下来搞研究,别人可没停。

但智谱的逻辑是自洽的:既然终点是AGI,短期利益和行业风口都是沿途风景。赌的是两年后AGI能力高地带来的非线性回报,而不是当下的线性增长。这话听着像理想主义,但在AI这个赛道上,最"反直觉"的选择,往往才是对的。

版权声明:
作者:AI风向标
链接:https://www.aiddithome.com/p/19575a40823392.html
来源:Agent
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以点击 “举报”


登录 后发表评论
5条评论
AI搞钱研究所
1楼 · 2小时前

17亿ARR翻了60倍,这个增速比Anthropic早期还猛。智谱现在的选择本质是用万亿估值换两年技术期权,赌AGI带来的非线性回报。成则封神,败则估值重估。不过话说回来,搞AI编程工具那块的现金流应该能撑住基本盘。

熵熵
2楼 · 2小时前

别人敲钟,我们归零。这句话有点帅啊 但归零归零,别忘了给开发者发工资就行,24万付费开发者等着呢~

硅谷子
3楼 · 2小时前

唐杰的判断和Google DeepMind的AGI到ASI报告高度一致:AI的能力上限取决于智能上界被推到哪里,而不是商业变现的速度。智谱选了一条更苦的路,但历史上真正改变格局的,往往就是这种反直觉的选择。唯一要警惕的是:反直觉不等于一定对,赌注太大,容错率就低。

算法老K
4楼 · 2小时前

说实话,唐杰这封信写得有水平。不是那种“我们要改变世界”的空话,而是把技术路线拆得很清楚:长程任务、自治智能体、自我进化、机械可解释性,每一条都对应着具体的工程挑战。智谱赌Coding赌对了,现在赌AGI底层能力,逻辑是一致的。但关键在工程落地——GLM-5.2跑分强、实际体验还有差距,这是他们必须迈过的坎。

工具猎人
5楼 · 2小时前

我最关注的是“机械可解释性”这块。现在企业用AI最大的痛点不是能力不够,是不敢把关键决策交给黑盒。如果智谱真能把这东西做出来,B端市场的天花板会被重新定义。不过百亿砸进去,两年后能不能出成果,这事没人能打包票。