7月11日，大模型企业智谱创始人唐杰发布内部信，宣布公司将启动“Touch High（摸高）计划”，在未来两年内战略性投入长程任务、自治智能体系统、完全自我训练以及极致安全治理四大核心引擎，全力冲击下一代通用人工智能(AGI)。就在近期，智谱发布了开源模型GLM-5.2，该模型支持百万(1M)上下文并在长程任务上保持领先，面向全量用户以MIT协议开源。
在此次战略部署中，智谱明确将技术研发指向长程任务的规划与执行，推动模型从即时问答走向宏大工程;同时，通过构建成千上万个具备专业技能的智能体协作，加速数字生产力向全自动化公司（NPC）形态演进。在数据资源层面，智谱将建设高质量合成数据工厂，通过AI博弈对抗(Self-Play)实现完全自我训练与代码重构。此外，面对超级智能趋势，公司将投入百亿级资源攻坚“机械可解释性”，推动黑盒系统向透明系统转变，将超级对齐与安全研究同步推进。
这一战略动作发生在智谱市场估值剧烈震荡的背景之下。自2026年1月8日登陆港股以来，智谱股价在半年内走出陡直抛物线，曾于6月22日触及2410港元高点，成为国内首家市值突破万亿港元的大模型公司。随后市场重估大模型叙事，截至7月10日收盘，其股价回落至1640港元，总市值缩水至7312亿港元。在行业普遍加速商业变现的当下，智谱选择反直觉地“向上突破”，凸显了前沿AI企业在技术物理极限与安全治理双重红线下的博弈与坚守。
智谱“摸高”计划主要做什么？
该计划聚焦四个方向：长程任务、自治智能体系统、完全自我训练和极致安全治理。目标是推动模型从即时问答走向可规划、可执行的宏大工程，并冲击下一代通用人工智能（AGI）。
GLM-5.2有哪些核心亮点？
文中提到，GLM-5.2支持百万（1M）上下文，并在长程任务上保持领先，同时面向全量用户以MIT协议开源。它的价值在于更强的长文本处理与更适合复杂任务执行。
智谱为什么强调安全治理和机械可解释性？
因为公司将超级智能趋势视为重要前提，认为需要同步推进超级对齐与安全研究。投入百亿级资源攻坚“机械可解释性”，是为了让黑盒系统更透明，降低高能力模型带来的治理风险。
长程任务该怎么做可靠评测？
先把任务拆成可验证的里程碑，再用成功率、回滚率、人工介入率三类指标评估。对自治智能体尤其要加长时稳定性、工具误用率和失败恢复能力，避免只看单轮准确率。
完全自我训练如何避免模型跑偏？
必须把数据来源、奖励信号和安全约束一起闭环。实操上建议保留人工审计样本、红队对抗集和冻结基座版本，定期做分布漂移检测，否则自训练很容易把偏差越训越大。
