物界前沿智谱的“摸高计划”：中国Anthropic的估值逻辑与隐忧
这篇文章最有价值的信息是：智谱正在从“大模型公司”转型为“智能体系统公司”，其战略重心从模型参数竞赛转向长程任务和自治智能体——这本质上是在模仿Anthropic的路线，但中国市场的“三座大山”让这个模仿面临独特的成本结构。
从“套壳”到“根技术”，估值逻辑变了
我在2023年看过智谱的A轮，当时犹豫了。原因很简单：中国大模型公司当时普遍在做“GPT套壳”，估值逻辑是“参数规模*团队名气”。智谱虽有清华系背景，但产品形态跟Anthropic的Claude相比，差距明显。唐杰团队当时更关注模型能力本身，而非场景落地。
但这次“Touch High计划”让我重新审视。四个引擎——长程任务、自治智能体系统、完全自我训练、安全治理——本质上是在复刻Anthropic的“端到端安全-能力”双飞轮。Anthropic之所以估值达200亿美元，不是因为它的模型参数多，而是因为它构建了“模型+安全+智能体”的闭环：Claude能处理复杂任务（长程），能自主调用工具（自治智能体），且对对齐有严格把控（安全治理）。
智谱的估值逻辑因此需要重估。如果它能在长程任务和自治智能体上取得突破，它的商业价值将不再依赖“调用量”，而是“任务完成率”——这是SaaS的命脉，也是投资机构愿意给高PS倍数的原因。但问题在于，Anthropic的壁垒在于其“宪法AI”和尖端研究团队，而智谱的壁垒在于“中国市场适配”和“清华系资源”。前者是技术壁垒，后者是资源壁垒，估值溢价不同。
移走三座大山：人才、算力、商业化的现实挑战
唐杰在内部信里说：“我们要把资源集中投到四个引擎中。”这句话听起来很有决心，但执行层面有三个现实挑战。
第一座山是人才。Anthropic的核心团队是OpenAI叛逃者，拥有全球顶级的RLHF和系统架构能力。智谱的人才主要来自清华，虽然在国内顶尖，但做“完全自我训练”需要的是能重构训练框架的架构师，不是调用API的工程师。我认识的几个AI研究员告诉我，国内能做“长程任务”推理的团队不超过三个，智谱是其中之一，但资深工程师的流失率在增长。
第二座山是算力。智谱宣称要“完全自我训练”，这意味着它需要从头训练模型，而不是微调开源模型。国内目前能拿到H100的渠道有限，而智谱的融资规模（累计约25亿人民币）与Anthropic的累计融资（超70亿美元）存在数量级差距。算力成本是刚性约束，唐杰的“摸高计划”能否在有限算力下跑出效果，需要观察。
第三座山是商业化。Anthropic的主要收入来自企业级API订阅，而智谱的客户主要是政府和国企，客单价高但决策周期长。长程任务和自治智能体要求深度定制，交付成本会吃掉利润。我见过太多AI创业公司死在“技术很强但卖不出去”上，智谱的销售团队能否支撑高客单价、长周期、需要安全治理的复杂项目，是决定估值天花板的关键。
[!abstract] 投资判断：押注正确但时机尚早
从投资角度看，唐杰的战略方向是对的——中国需要一家“更像Anthropic而不是OpenAI”的公司。前者更注重安全和可控，更适合中国市场治理需求。但智谱需要在18个月内证明：1）长程任务在政务、金融等场景的ROI是否高于现有方案；2）自治智能体能否在安全前提下实现自主决策；3）“完全自我训练”是否真的能带来差异化能力。如果这三个问题能给出肯定答案，智谱的估值有望翻倍；否则，它可能只是一家“有技术故事但无商业闭环”的公司。
我自己的判断是：智谱的“摸高计划”风险较高，但回报也高。如果唐杰能像在清华时那样，把学术资源转化为工程能力，同时解决商业化的“最后一公里”，它有可能成为中国Anthropic。但当前阶段，我更倾向于观望，等它移走第一座山（人才）后再出手。
当Anthropic估值超过200亿美元时，中国AI公司能否复制这条路径，还是说“中国特色”的AI公司最终会走向不同的估值模型？
