唐杰押注的下一家公司，不需要人坐在工位上

唐杰这次谈的重点，不是再造一个会聊天的助手，而是让一群智能体能够像一家公司一样长期工作。

他把智谱未来两年的「摸高计划」落在长程任务、自治智能体、完全自我训练和安全治理四个方向上；北京的新政则把算力、协议、技能市场、Token 计费和一人公司服务补到这条路线下面。12

真正的分水岭，却不是「NPC」这个新名词。

它是一个更硬的问题：模型能不能把跨周、跨月的任务做完，系统能不能在多智能体互相影响时发现错误，企业又能不能按结果而不是按消耗给这套系统定价。

7 月 24 日，搜狐发布了题为《专家谈｜唐杰：智能体时代，让「摸高」与「铺路」形成合力》的专访，页面标注来源为「京津冀消息通」，发布地为北京市。原文入口

文章围绕北京发布的《北京市关于加快智能体引领发展的若干措施》展开，核心脉络很清楚：政策负责「铺路」，智谱的「Touch High（摸高）计划」负责把模型能力继续往上推。

全文可以压缩成五个判断。

第一，唐杰把这轮 AI 变化解释为「智能上界」被技术抬高，而不是一次普通的产品升级。

第二，模型的能力分水岭会从即时问答转向超长程任务，也就是跨越数周、数月甚至数年的规划与执行。

第三，多智能体如果能够持续协作、互相审查和调度资源，组织形态可能从 OPC，也就是一人公司，继续走向唐杰所说的 NPC，即全自动化公司。

第四，Token 不应只被当成成本单位，竞争要看同样的计算资源究竟转化出了多少实际价值。

第五，开源普惠与安全治理必须同时推进，智谱把 GLM-5.2 的 MIT 开源和百亿级机械可解释性投入放在了同一套叙事里。后两项是专访对智谱计划和产品状态的转述，尚不能等同于已经完成的独立审计结果。1

这篇文章值得读的地方，是它把一家公司对模型未来的判断，直接接到了城市政策的具体条款上。

它也因此留下了一个读者不能跳过的追问：政策铺好的路，能不能承受一支长期运行、不断犯错、还要自己协作的数字劳动力队伍？

唐杰举的例子很具体：一个模型可以不知疲倦地在软件里寻找漏洞，学习顶级安全专家的思维方式，再用机器的耐力把这种能力放大。1

这和「把上下文窗口做得更长」不是一回事。

长程任务需要模型记住状态，持续拆解目标，调用工具，处理失败，恢复现场，还要知道什么时候应该停下来询问人类。

北京的政策文件把这些环节拆成了可执行的工程清单：在线学习、持续学习、自主进化、超长程任务、复杂推理与规划；上下文工程、任务持久化、多智能体协作、系统可扩展；以及跨模型、跨框架的协议和技能市场。2

这也是唐杰路线与 OpenAI 当前公开路线的第一个交叉点。

OpenAI 4 月公布的 Agents SDK 更新，把长程任务放进受控沙箱，让智能体可以检查文件、运行命令、修改代码，并通过快照和重新加载在计算环境失效后恢复状态；它还支持把子智能体路由到隔离环境，或者并行使用多个沙箱。3

OpenAI 没有在这篇产品文章里把它命名为「全自动化公司」。

它做的是更底层、也更不浪漫的工作：先让一条任务流水线在真实环境里跑得久一点，坏了还能接着跑。

Anthropic 的实测则给出了另一条边界。

其 2026 年 2 月发布的研究分析了 Claude Code 和公共 API 的数百万次人机交互；在最长的 Claude Code 会话中，模型连续工作的时长在三个月里从不足 25 分钟增加到超过 45 分钟，但这仍然不是跨月运行。研究还发现，复杂任务上模型主动请求澄清的频率超过人类打断它的频率。4

这并不否定唐杰把目标拉到数周、数月甚至数年的判断。

它只是提醒我们，今天行业真正已经测到的，是更长的工作回合、更少的逐步审批和更成熟的中途介入，还不是一家公司可以完全无人值守地交付长期结果。

专访把 NPC 描述成由成千上万个不同技能和性格的智能体组成的社会，它们能够自主辩论、协作、审查代码和调度资源，像一套 7×24 小时运转的数字生产力系统。1

这个设想最容易被误读成「只要把 Agent 数量加上去，效率就会自己出现」。

原文其实已经写出了反面：智能体越多，沟通混乱、任务重复和错误相互放大的风险越高。

北京政策给出的解决方案，不是让每个 Agent 自由发挥，而是建设共享平台、技能市场、互联协议、接口规范、身份标识和性能评测，把能力变成可调用、可复用、可检查的组件。2

这部分和一篇来自加州大学伯克利、斯坦福等机构研究者的论文形成了直接对照。

论文分析了 5 个多智能体框架、150 多条执行轨迹，归纳出 14 种失败模式，分为系统设计、智能体之间失配、任务验证与终止三类；在它的实验中，ChatDev 的正确率最低可到 25%，仅靠改提示词或拓扑结构的干预，最多带来 14% 的提升，仍不足以支撑真实部署。5

论文的结论并不是「多智能体没有价值」。

它说的是，群体智能不会自动继承单个模型的能力，系统还必须补上明确的通信协议、状态管理、置信度、验证机制和终止条件。5

唐杰把问题推向了「智能体社会」，政策和学术研究却共同把问题拉回了工程现场：谁能给任务分工，谁来阻止越权，谁验证结果，谁为错误负责。

北京政策第六条提出发展 Token 经济，推动从按 Token 消耗量计费转向按价值计费，并探索 Token 即服务、智能体即服务和结果即服务等模式。文件还提出，要围绕智能质量、调用量和转化效率建立评价指标。2

唐杰在专访中转述了智谱提出的「Token 架构力」：调用智能的量，乘以智能的质量，再乘以把智能转化成经济价值的效率。

换句话说，行业不再只比谁烧掉更多 Token，而要比同样的算力和调用量能完成多少有效工作。1

这个判断抓住了智能体商业化最现实的一层。

如果 Agent 只是多生成几段文字，按量计费足够简单。

如果 Agent 要负责一项跨系统、跨周期的工作，客户关心的就会变成任务是否完成、返工多少次、节省了多少人工时间，以及出了错由谁承担成本。

这也是北京把跨模跨芯协同、推理缓存、任务路由和软硬件联合调优写进同一条政策的原因：不把单次推理成本压下来，结果计费很快会被成本吞掉。2

但这里有一个全球同行尚未解决的落差。

OpenAI 这次 Agents SDK 更新仍明确写着，相关能力通过 API 提供，按标准 API 定价，计费依据是 Token 和工具使用。它把执行环境做得更可靠，却没有在这篇文章里宣称已经完成从资源计费到结果计费的转换。3

这说明「价值计费」目前更像一个要靠产业规则、合同和评估体系共同完成的制度目标，而不是模型公司单方面改一个价格表就能实现的产品功能。

专访把智谱的开源路线和安全路线放在一起讲。

文章称，GLM-5.2 面向全量用户开放，并将以 MIT 协议正式开源；同一篇专访还转述唐杰在内部信中的表态，智谱计划投入百亿级资源研究机械可解释性，试图理解模型作出判断时的内部机制。这里的模型发布状态和投入规模，本文只按专访原文归因给智谱与唐杰，不把公司计划写成已完成成果。1

唐杰在专访中说：「AI 必须服务于人类福祉，服务于国家战略。」他还主张把人类伦理、社会规范和法律法规写入模型的价值函数，并让安全研究与超级智能同步推进。1

这部分的意义不在于口号听起来多完整。

它把「开放多少能力」和「谁能理解、限制、追责这套能力」放到了同一张路线图上。

北京的政策也分别安排了开源开放和安全治理：一边推动智能体、开发框架和互联协议开源，另一边建设分级分类监管、安全服务平台、可信沙箱、漏洞扫描和安全检测等基础设施。2

Anthropic 的实地研究提供了一个不那么宏大的参照。

在其抽样的公共 API 工具调用中，80% 的调用看起来至少带有一种安全措施，73% 的调用存在某种人类参与，只有 0.8% 的动作看起来不可逆；但研究也强调，软件工程之外的高风险领域正在出现，安全边界会随着使用扩张而移动。4

这让「机械可解释性」面临一个具体考验：不能只解释模型内部发生了什么，还要能帮助部署者决定什么时候暂停任务、怎样回滚、如何定位责任，以及哪些行为根本不应交给 Agent。

四者并不完全冲突。

唐杰回答的是「下一代 AI 组织可以长什么样」，北京回答的是「一个城市怎样给这类组织铺底座」，OpenAI 在补执行器，Anthropic 和学术界则在测量自主性与失败。

第一，看长程任务有没有从演示变成可复现的工作流。

跨数月的目标必须有可公开检查的成功标准、失败率、人工介入次数和恢复能力，否则「长程」仍然只是时间跨度更大的宣传词。

第二，看 NPC 的协作成本会不会超过它创造的价值。

需要观察的不是启动了多少 Agent，而是通信 Token、重复任务、错误传播和验证时间占总成本的比例。

第三，看「Token 架构力」能不能变成合同里的数字。

客户要能知道自己买的是一次调用、一个过程，还是一个可验收的结果；服务商也要能说明结果失败时如何返工、回滚和赔付。

第四，看开源承诺能否对应到真正可用的模型、工具和治理接口。

MIT 协议解决的是使用权限，不自动解决权重质量、部署成本、滥用风险和后续维护。

第五，看百亿级可解释性投入能否产出外部可验证的工具和评测，而不只是内部战略表述。

唐杰把路线图画到了「全自动化公司」；真正需要补上的，是一条能复现、能审计、能收费的任务流水线。