OPC 到 NPC，AGI 到 ASI：智谱《巨浪已来》内部信背后启示
-
- 一、智谱《巨浪已来》：一封"反直觉"的内部信
- 二、摸高计划四大引擎：智谱押注的下一个高地
- [三、技术热点全景：当 Agent 成为新生产力](#三、技术热点全景：当 Agent 成为新生产力)
-
- [3.1 RAG：记忆的雏形](#3.1 RAG：记忆的雏形)
- [3.2 Agent 与长程任务：2026，Doers 的元年](#3.2 Agent 与长程任务：2026，Doers 的元年)
- [3.3 龙虾系列 Claw：给每台电脑装一只"小龙虾"](#3.3 龙虾系列 Claw：给每台电脑装一只"小龙虾")
- [3.4 LangGraph：Agent 的认知架构](#3.4 LangGraph：Agent 的认知架构)
- [3.5 DeepAgents：开箱即用的 Agent Harness](#3.5 DeepAgents：开箱即用的 Agent Harness)
- [3.6 Agent Skills：装进脑子里的经验包](#3.6 Agent Skills：装进脑子里的经验包)
- [3.7 MCP：AI 世界的 USB-C](#3.7 MCP：AI 世界的 USB-C)
- [3.8 A2A：智能体间的对讲机](#3.8 A2A：智能体间的对讲机)
- [四、从 OPC 到 NPC：组织的消亡与重生](#四、从 OPC 到 NPC：组织的消亡与重生)
-
- [4.1 两种"公司"的定义](#4.1 两种"公司"的定义)
- [4.2 双关：当人成了系统里的 NPC](#4.2 双关：当人成了系统里的 NPC)
- [五、从 AGI 到 ASI：超级智能的四条路径](#五、从 AGI 到 ASI：超级智能的四条路径)
- 六、人类该何去何从？
- 结语：巨浪已来，且不可逆转
- 附录：智谱内部信《巨浪已来》
2026 年 7 月 11 日，智谱（02513.HK）创始人、清华大学教授唐杰发布题为《巨浪已来》的内部信，提出 "Touch High（摸高）计划"。在这封信里，他给出了一条令人脊背发凉却又无比清晰的演进路径：从 OPC（One Person Company，一人公司）到 NPC（No People Company，全自动化公司），并借 Google DeepMind 的报告，把视线从 AGI（通用人工智能）拉向 ASI（超级人工智能）。
当一家头部大模型公司公开把"不追求短期变现、直指 AGI 下一个高地"写进战略，当 Agent、RAG、LangGraph、DeepAgents、MCP、Agent Skills、龙虾系列 Claw 这些技术名词从论文走向生产线------我们不得不认真问自己一个问题：巨浪之下，人类该何去何从？
一、智谱《巨浪已来》：一封"反直觉"的内部信
2026 年 7 月，国产大模型厂商正集体站在资本市场的风口浪尖：随着上市后限售股陆续解禁，市场关注的焦点从"模型能力、产品发布"快速转向"企业的长期竞争力如何兑现"。7 月 10 日，MiniMax 收跌近 10%，智谱重挫近 20%。
就在解禁潮袭来之际，两家公司相继抛出内部信，不约而同地把长期主义与 AGI 写进了宣言。
- MiniMax（7 月 10 日） ：创始人、CEO 闫俊杰署名，宣布自当日起直到实现 AGI 之前不再领取薪酬，未来 4 年拿出相当于公司总股本 4% 的个人股份激励长期贡献团队，并拿出 1% 支持开源社区。
- 智谱（7 月 11 日） ：创始人唐杰发布《巨浪已来》，提出 "Touch High（摸高）计划"，明确表示"在行业普遍加速商业变现的当下，我们决定向上突破"，未来两年"不追求短期的应用变现，而是直指 AGI 的下一个高地"。
唐杰在信中写道："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。"
这封内部信之所以耐人寻味，在于它的"反直觉"：当行业都在比拼谁先商业化、谁先赚钱，智谱却选择把资源从应用变现"向上"抽离，集中投入四个技术方向去冲下一代模型。唐杰对此的解释是------真正的商业机会，从来不在产品和模式的微调里，而在智能上界的跃迁中。
金句回溯：唐杰曾复盘，"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。
二、摸高计划四大引擎：智谱押注的下一个高地
"摸高计划"围绕四个方向展开，唐杰称之为"四大引擎"。值得注意的是，这四点"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"------它几乎就是当下全球前沿模型公司的共识路线图。
| 引擎 | 核心命题 | 关键表述 | 行业对照 |
|---|---|---|---|
| 01 长程任务 | 从"问答"到"工程" | 模型工作单位从"回答一个问题"变成"完成一个项目"，跨数周、数月的规划执行 | 红杉称 2026 是 Long-Horizon Agents 元年 |
| 02 自治智能体系统 | 从"助手"到"员工" | 记忆、持续学习、自我评判三大难题正被逐步消解；agent 从 demo 走向生产 | Anthropic 长时托管智能体公测、Claude Sonnet 5 主打"便宜跑 agent" |
| 03 完全自我训练 | 从"人教 AI"到"AI 教 AI" | 合成数据工厂 + Self-Play，在安全沙盒内重构自身代码 | OpenAI GPT-5.3-Codex 早期版本"参与了创造它自己" |
| 04 极致安全治理 | 从"外挂补丁"到"底层公理" | 投入百亿级资源攻坚机械可解释性，厘清神经元逻辑 | Anthropic 把可解释性比作"给 AI 做核磁共振"，目标 2027 |
关于"长程任务" ，唐杰举了一个极具冲击力的例子：让模型具备将"设计一种新型抗癌药物分子"这类宏大目标，自主拆解为数千个可执行子任务的顶层能力，并贯穿项目全生命周期"边学、边做、边记"。
关于"自治智能体系统" ，他描绘的是一个数以万计、拥有不同专业"性格"与"技能"的智能体社会 ------它们自主辩论、协作、审查代码、调度资源，实现"自动驾驶"级别的数字生产力。他还用一组 METR 的数据佐证趋势：以"模型以 50% 成功率完成任务所需的人类专家耗时"衡量，2019--2025 年该指标约每 7 个月翻一倍 ，2024 年之后加速到约每 90 天翻一倍；GPT-2 时代仅 2 秒，而去年底的旗舰模型已超 5 小时------跨数周的任务，"大概就是两三年内的事"。
关于"完全自我训练" ，唐杰的判断是：在人类高质量数据即将耗尽之际，应把算力转化为进化的燃料。Karpathy 的 AutoResearch 已经能自己跑 700 个 ML 实验、找出 20 处训练改进；当海外头部企业筹建百万乃至两百万芯片级别的算力集群，其真正用途"很可能正是让模型自己训练自己"。
关于"安全治理"，这是唐杰"最想强调的一个"。他摒弃外挂式安全补丁，主张把人类伦理、社会规范与法律法规作为底层公理写入模型价值函数，并计划投入百亿级资源攻坚"机械可解释性"，推动黑盒系统向透明可解释系统转变。
"摸高"是一体两面：一只手向上摸高，挑战智能的极限；另一只手向下铺路，让最前沿的能力尽可能开放与普惠------"摸到的高度属于全人类，修成的道路也属于每一个人。"
三、技术热点全景：当 Agent 成为新生产力
围绕"摸高计划"，我们把当前最热的大模型技术名词串成一张全景图。Agent 是大脑，MCP 是手脚，Skills 是经验，A2A 是语言 ------这是理解当下智能体工程最精炼的一句话。
3.1 RAG：记忆的雏形
唐杰在内部信中专门提到，曾被视作"需要范式变革才能解决"的三大难题------记忆（Memory）、持续学习（Continual Learning）、自我评判（Self-Judge）------正在被技术与应用双重驱动逐步消解：
- 长上下文 + 检索增强生成（RAG） 正在逼近"记忆"的雏形；
- 模型迭代频次的提升本身即在逼近"持续学习"；
- 前沿模型已显露"自我评判"的萌芽。
RAG 不再只是"外挂一个向量库"的检索技巧，而是智能体拥有"长期记忆"的底层支柱：它让 Agent 在长流程任务中保持上下文稳定，不再每次都从零开始。
3.2 Agent 与长程任务：2026，Doers 的元年
如果说过去的 AI 是 Talkers 的时代，2026 年则是 Doers（执行者）的元年，转变的核心载体正是 Long-Horizon Agents（长程智能体）。它们不再满足于即时回复，而是具备自主规划、长时间运行、目标导向的专家级特征。
红杉资本在 Sequoia Capital in 2026: This is AGI 中断言：AGI 就是把事情搞定（Figure things out）的能力。LangChain 创始人 Harrison Chase 进一步指出，Agent 正迎来第三个拐点------继 Pre-training（ChatGPT）、Reasoning（OpenAI o1）之后，伴随 Claude Code 与 Opus 级别模型，Long-Horizon Agents 正式爆发。其杀手级应用，是那些"需长时间运行、产出某项任务初稿"的场景：Coding、AI SRE、Research、报告生成。
3.3 龙虾系列 Claw：给每台电脑装一只"小龙虾"
智谱把面向个人电脑的 AI 助手昵称为 "小龙虾"（Claw） ，代表作是 AutoClaw ------"只需 1 分钟，给每台电脑装上小龙虾"。与之配套，GLM-5-Turbo 是专为龙虾场景打造的基座模型 ，从训练层深度优化 Agent 核心能力，大幅提升工具调用与长链路执行能力；GLM-5V-Turbo 则针对视觉编程与龙虾类 Agent 任务做专项优化。
"小龙虾"的隐喻很妙：它体型不大、却能在复杂环境里灵活穿行、用钳子（工具）精准作业------这正是端侧 Agent 的理想画像：轻量、自主、能调用工具。
3.4 LangGraph：Agent 的认知架构
Harrison Chase 把 LangGraph 形容为"Agent 的认知架构"。它是一个低级、可控的图状工作流框架，让开发者用有向图来编排智能体的规划、工具调用、状态管理与异常回退。在 LangGraph 之上，可以构建出复杂的多 Agent 协作拓扑------从早期的"串行链"演进到"有向无环图"，再到动态拓扑。
3.5 DeepAgents：开箱即用的 Agent Harness
LangChain 在 LangGraph 之上推出的 DeepAgents ，被官方比喻为"把所有选配都装好的高配车"：LangGraph 是发动机，create_agent 是基础车，Deep Agents 是出厂即用的高配版。其核心设计是 Middleware（中间件）模式------规划、文件系统、Sub-Agent、跨会话记忆、Human-in-the-Loop、内置 Skills、MCP 工具等能力，都以中间件方式注入 Agent 生命周期，形成可组合、可替换的洋葱模型。
与 LangGraph、AutoGen 相比，DeepAgents 在复杂长任务场景下的 Token 管理与规划能力 更为突出；而与单纯"框架（Framework）"不同，它属于 Harness（强预设的工程外壳）------默认内置 Planning tool，明确告诉模型"这就是做事的正确方式"。
3.6 Agent Skills：装进脑子里的经验包
Agent Skills 是声明式可复用能力包，通常包含 Prompt + Code + Schema，把"领域知识"与"推理逻辑"分离。它像一本可插拔的"操作手册"，让任意 Agent 动态调用某项专业技能，而不必每次重新编写提示词与工具------这正是降低 Agent 重复开发成本、构建企业级能力中台的关键原语。
3.7 MCP：AI 世界的 USB-C
由 Anthropic 主导的 MCP（Model Context Protocol，模型上下文协议） 在 2026 年已成为事实标准。它让 Agent 通过统一协议调用数据库查询、API 请求、文件操作等外部工具，不再需要为每个工具单独写适配代码------被形象地称作 "AI 世界的 USB-C 接口"。主要云厂商与 SaaS 服务商均已提供 MCP Server 实现。
3.8 A2A：智能体间的对讲机
A2A（Agent-to-Agent） 是多智能体通信总线，支持同步/异步消息与任务队列，解耦 Agent 生命周期，支持异构语言/框架互操作。如果说 MCP 解决"Agent 如何接工具"，A2A 解决的则是"Agent 之间如何对话、如何委托任务、如何聚合结果"。
一句话总结这套技术栈：Agent 是大脑，MCP 是手脚，Skills 是经验，A2A 是语言。 当这四者加上 RAG（记忆）与龙虾 Claw（入口）组合在一起，一个"自动驾驶级"的数字生产力系统便有了骨架。
四、从 OPC 到 NPC：组织的消亡与重生
唐杰在内部信里给出的那句判断，是全篇最具社会学张力的一笔：从 OPC（One Person Company，一人公司）到 NPC（No People Company，全自动化公司）的演进路径。
4.1 两种"公司"的定义
- OPC（One Person Company）：一人公司。一个个体借助 AI 杠杆，撬动原本需要一支团队才能完成的工作------写代码、做设计、跑分析、管运营，单人即是全栈。
- NPC（No People Company） ：全自动化公司。生产、研发、运维、客服乃至决策辅助，全部由数字员工（Agent）自治运行，无人值守。
这条路径的现实雏形已经出现：今年 4 月 Anthropic 长时运行托管智能体公测；6 月底 Claude Sonnet 5 主打"便宜跑 agent"；几乎同时 OpenAI 开启 GPT-5.6 自主拆子任务预览。竞争点已经从"谁能做 agent"变成"谁跑得便宜、谁能无人值守"。
4.2 双关：当人成了系统里的 NPC
更值得警惕的是这个缩写里藏着的另一层意思------在游戏语境里，NPC 是 Non-Player Character（非玩家角色）：那些由系统设定、按脚本行动、没有自主意志的背景人物。
当 AI 接管了生产，人若只做旁观，便成了系统中的 NPC------Non-Player Character（非玩家角色）。组织的 OPC → NPC 与角色的 玩家 → NPC，是同一场巨浪的两面。
这提醒我们：技术演进有两种可能的落点。一种是人退居为"看客"，把主动权全盘交出去；另一种是人以"玩家"身份，持续为系统设定目标、提供价值判断、赋予意义。选择哪一种，决定了我们是站在浪尖，还是被浪吞没。
五、从 AGI 到 ASI：超级智能的四条路径
内部信还引用了 Google DeepMind 于 6 月挂到 arXiv 的报告 《From AGI to ASI》（60 页），推演从通用智能到超级智能的四条路径。
报告给出了一条最冷峻、也最容易被忽视的论断：
"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。"
这意味着 ASI 未必需要先有"一个比人聪明一万倍的单体模型"。四条路径分别是：
- 能力持续提升------单模型能力向上突破；
- 递归自我改进------模型自我训练、自我博弈，进化速度摆脱人类工程师的物理限制；
- 群体智能涌现------一亿个共享底层大脑、零成本复制经验的实例，在群体层面构成超级智能；
- 工具与基础设施放大------算力与工具杠杆，让同等智能产生指数级产出。
唐杰特别点出：当海外筹建百万乃至两百万芯片级算力集群，其真正用途很可能正是"让模型自己训练自己"。速度，在智谱看来是最重要的------快速迭代会直接拉开技术代际差距。
六、人类该何去何从？
写到这里，问题回到了标题本身。从 OPC 到 NPC，从 AGI 到 ASI，人类并非旁观者，但也不必然是主角。我们至少有三种态度可选：
态度一：逃避与否认
把 AI 当作噱头，认为"它永远替代不了真正的创造性工作"。这种态度风险在于------当长程 Agent 已经能提交 PR、写报告、跑实验、管运维，否认只会让人更早沦为系统中的 NPC。
态度二：焦虑与对抗
把 AI 视作威胁，呼吁全面刹车。但唐杰的信和 DeepMind 的报告都指向同一结论：巨浪已来，且不可逆转。对抗浪潮，不如学会冲浪。
态度三：共生与驾驭（更值得提倡）
把 AI 当作"外置的大脑与双手"，人守住三件机器短期内难以替代的事：
- 提出目标：定义"要设计抗癌分子"这类价值指向，是意义的起点；
- 价值判断：在多个可行方案之间做伦理与取舍，是人类的底层权责；
- 意义赋予：为产出标定目的、为过程注入动机，让智能服务于人而非反之。
真正的格局，不是"人 vs 机器"，而是"人 + 机器 vs 问题"。最有效的单元，从来不是最聪明的单体，而是会提需求、会把关、会赋予意义的人，配上一支 7×24 小时、自我进化、零成本复制经验的数字员工军团。
与此同时，治理不能缺席。智谱把"极致安全治理"列为四大引擎之首，Anthropic 把可解释性比作"给 AI 做核磁共振"，目标 2027 年前可解释性可靠查出大部分模型问题------这些都指向同一个共识：能力越强大，安全约束机制也必须越稳固。把伦理法律写入模型价值函数，让黑盒走向透明，是超级智能时代不可推卸的底线工程。
结语：巨浪已来，且不可逆转
从感知到认知，从认知到通用，从通用走向超级智能------这条路已经铺开。智谱的《巨浪已来》不只是一封公司内部信，它是一份写给整个时代的备忘录：
- 在技术上，长程任务、自治智能体、自我训练、安全治理 正在汇聚成下一代模型的主航道；
- 在工程上，RAG + Agent + LangGraph + DeepAgents + Skills + MCP + A2A + 龙虾 Claw 正在把"自动驾驶级生产力"从 demo 推向生产；
- 在组织的形态上，OPC → NPC 正在重写"公司"的定义；
- 在智能的边界上，AGI → ASI 正在通过能力、递归、群体与杠杆四条路径悄然逼近。
而人类的位置，不取决于技术本身，而取决于我们自己如何选择。
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。
巨浪已来，且不可逆转------真正的问题从来不是浪潮会不会来，而是当浪潮到来时，你是弄潮儿，还是 NPC。
附录：智谱内部信《巨浪已来》
