
智谱股价暴涨背后的长周期任务思考
随着黄仁勋踏上前往特朗普的空军一号,智谱股价暴涨36.9%,收报1150港元,创下历史新高。从1月8日上市时的116.20港元发行价算起,智谱的股价在短短四个多月内增长了900%。而就在暴涨之前不到24小时里,智谱创始人唐杰深夜在X上发布推文,大谈对整个AI产业的思考,核心是“长周期任务”。
长周期任务:AI的新挑战与机遇
唐杰认为,2026年最可能的突破点不在于模型变得更聪明,而在于模型能够持续完成复杂、多步骤的任务。一旦模型能持续规划、试错、判断和交付,它冲击的就不只是程序员效率,而是整套人类执行层。过去评价大模型好坏主要看单次对话表现,本质是测试智力,但长周期任务需要的是执行力。唐杰以黑客的漏洞挖掘为例,说明长周期任务充满试错,依赖经验和直觉。如果AI能在这种领域站稳脚跟,对普通程序员、数据分析师、法务助理等职业的冲击将更猛烈。
衡量AI的方式正在从看对话、答案,变成看“长周期”任务完成能力。一个模型可能在单次对话中表现完美,但在长周期任务中频繁出错;另一个模型可能单次回答不够精彩,但能稳定推进任务。后者在长周期任务中的价值更高。腾讯的姚顺雨曾提出,真实世界更需要能从当前Context里学习并应用的模型。在长周期任务里,模型需要自主规划和执行,具备“任务感”,进入“结果交付”阶段,实现从助手到承包商的跨越。
长周期任务实现的关键技术突破
长周期任务的概念并不新鲜,但今年因几个关键技术突破变得可以实现。一是记忆,百万级上下文窗口和RAG技术的成熟,让模型能在长时间任务中保持记忆,如Claude Opus 4.7支持1M token上下文窗口,GLM - 5.1支持200K token。二是持续学习,模型更新周期正在急剧缩短,若明年能做到周更新,就接近持续学习的效果。三是自我判断、自我进化,唐杰推测Claude可能已实现基础的自训练能力,GPT - 5.5也在用模型生成的代码和测试用例改进编程能力。但自我进化也带来风险,人类对模型训练过程的控制力下降,如何确保模型不偏离人类价值观是个问题。
智谱:长周期任务赛道的战略押注
唐杰发X推文不只是技术观察,更是战略宣言。智谱技术底子扎实,但商业化节奏相对谨慎,路线是“模型能力先行,应用场景跟进”。长周期任务方向参与玩家少,市场格局未定型,智谱GLM - 5.1在SWE - Bench Pro上超过GPT - 5.4和Claude Opus 4.6,展现了工程化迭代的成果。
唐杰认为长周期能力会推进从OPC到NPC的转变,无人公司中人类定位改变,中间执行层将被替代。智谱GLM - 5.1能持续独立作业8小时,单次任务可稳定执行1200 - 1700步操作,但要让企业放心,还需看其在更多场景的表现。长周期任务需针对不同行业、场景深度定制,智谱要构建生态,开源策略就是为此。从市值看,智谱是国产AI的中流砥柱,其在自我进化上走中间路线,既使用模型生成的合成数据,又强调“可解释的、可监管的”系统。
AI吞噬世界:LLM OS时代的挑战与监管
唐杰预言未来可能进入LLM OS时代,应用按需生成,用户只管理任务、权限和结果。这将颠覆现有的计算机科学产业基础,挑战80年来的冯诺依曼架构。但实现LLM OS极其困难,模型需具备强大的语义理解能力,能准确理解用户意图,还要合理分解任务、调用工具。
唐杰还提到监管问题,长周期任务和自主agent带来的监管挑战前所未有。当AI独立完成任务造成损失,责任归属不明确。2026年4月,PocketOS就遭遇过Cursor编程agent误删公司生产数据库和备份的事故。此外,大量执行层岗位被AI替代将带来失业潮,社会分工也将被重新改写。长周期任务可能是AGI第一次真正进入现实世界、重构人类社会的方式,我们正站在历史性的转折点上。那么,智谱能否在长周期任务赛道上取得成功?AI又将如何重塑人类社会?这些问题值得我们深入思考。



被折叠的 条评论
为什么被折叠?



