汇金通配资平台马斯克真的（不）懂AI吗

汇金通配资平台马斯克真的（不）懂AI吗 | 笔记

马斯克诉奥特曼案的法庭上，OpenAI联合创始人、总裁布洛克曼（Greg Brockman）作证，回忆2017年与马斯克在OpenAI内部控制权之争时，说了一句炸裂的话：“他懂火箭，懂电动车，但他当时不懂、而且我相信现在也不懂AI。”所以，他选择了支持奥特曼。

什么？世界上最具影响力的科技人物，十多年来向AI领域投入了数百亿美元，他竟然不懂自己在做的事？

其实，即使要搞清楚马斯克是不是“懂”AI，还真需要从头谈起。

2012年，马斯克以个人身份参与投资DeepMind这家名不见经传的伦敦研究机构。他是AI学术小圈子之外最早感知到深度学习潜力的人士之一。2015年，他与奥特曼（Sam Altman）、布洛克曼等人联合创办OpenAI，试图以非营利方式对冲AI风险。2016年，他创立Neuralink，押注脑机接口——这也是AI与人类融合的极端路径之一。同年，特斯拉宣布全系标配Autopilot硬件，把自动驾驶的竞争提前了数年。

这一系列布局，展示出马斯克惊人的战略嗅觉。在大多数人还在没有脱离科幻谈论AI的时候，马斯克已经在三条不同赛道上同时落子。他无疑是AI时代最重要的预言者和启动者之一。

但这里有一个关键区别，值得从一开始就厘清：预见一件事的重要性，与理解这件事的内在机理，是两种截然不同的能力。

布洛克曼的证词，揭示出马斯克与OpenAI之间的分歧不仅是控制权之争，更是技术判断之争。

当时正是2017年，Transformer架构仅以论文的形式存在，GPT系列还在酝酿之中，强化学习和神经网络的研究路线众说纷纭。马斯克对技术的理解，在研究者眼中，充满直觉而又显得粗颗粒度。他喜欢的是“AI会不会杀死我们”这样的宏观命题来吸引公众的注意力，而不是“注意力机制为什么优于循环网络”这样的技术问题。

马斯克对AI的理解，是宏观的、上帝视角的、关于权力与风险分配的；他对AI的恐惧也许不是装出来的，他对AI重要性的判断是超前的，但当具体到研究路径、模型架构、训练方法论时，他的理解止步于哪个方向更危险，而不是哪个方向更有效。

当年马斯克看到GPT-1时，称这项技术“愚蠢”，并说“互联网上的孩子们”都能做得更好。这番言论令一位OpenAI早期员工感到非常沮丧，他几乎因此几乎放弃AI研究。

布洛克曼认为，马斯克根本没有时间去弄懂AI。

2023年，马斯克创办xAI，推出Grok系列模型。这让我们可以更直接观察他不是真懂AI，不是通过他说什么，而是通过他用AI来做什么。

Grok模型在技术层面取得了实实在在的进步：Grok 4.1在LMArena的排名一度位居第一，Elo达到1483；Grok 4在数学和科学基准测试上进入全球前列。这说明xAI团队的研究能力不弱，当然也通过蒸馏从OpenAI那里学到了不少。

马斯克在X上频繁展示Grok在意识形态话题上的“去政治正确”表现，喜欢晒出大量AI生成的美女图，着力推广模仿维基百科的Grokipedia，所以这些颇能显示出他的AI品味。

对于马斯克来说，Grok似乎首先是一个政治和叙事工具，其次才是认知工具。这种定位，与真正深入理解AI系统能力的人，有着本质的差异。

2025年，马斯克用122天在孟菲斯建成了Colossus超算集群，这一基础设施成就令整个行业瞠目。他随后将其扩展至55万块英伟达H100/H200 GPU，宣称拥有全球最大的AI训练集群。

最近，The Information的报道戳破了这个故事。xAI的MFU（模型浮点利用率）只有11%。Meta和谷歌的同一指标是43%至46%。即便当年效率并不高的GPT-3训练，MFU也维持在21%至26%左右。xAI总裁尼科尔斯（Michael Nicolls）在内部备忘录中说这个数字“低得令人难堪”（embarrassingly low），并设定了提升至50%的目标。

要把55万块GPU的利用率从11%提升到行业水平的40%，需要的不是更多的硬件，而是分布式训练系统的软件成熟度、数据流水线的精细调优、通信拓扑的深度优化、以及对GPU集群行为的系统级理解。这是谷歌和Meta花费十年才积累起来的能力，无法通过购买更多硬件来跳过。

马斯克搞AI基础设施，用的是SpaceX放卫星的方式：资源堆砌，速度优先，宣示领先。但硬件堆砌能解决的问题，在AI系统的现实里越来越小。真正的竞争壁垒，正在向软件栈和系统效率迁移。

结果是xAI开始把Colossus的闲置算力出租给Cursor等第三方，用别人的工作负载填补自己大量闲置的集群。

但马斯克还要堆砌更大的AI基础设施。他最近宣布了Terafab计划,由Tesla、SpaceX和xAI联合建设，目标是每年生产1太瓦AI算力，采用2纳米制程，初期投资数百亿美元。他称之为“史上最宏大的造芯计划”，并宣布产能的80%将部署在太空轨道数据中心。

半导体制造是人类历史上最复杂的工业系统，它的核心竞争力不是资金，而是数十年的工艺经验、良率积累和隐性知识，这些都不是砸钱能掌握的。

发布仅一个月后，TeraFab就宣布引入Intel 14A制程技术。原本自己造芯片的叙事，悄悄变成了用Intel代工。

4680电池也是一个先例。2020年，马斯克在电池日上宣布，干法电极工艺将使电池成本削减50%，一年内产能达到10 GWh。五年后，4680项目屡屡延期，干法电极工艺经历了六七次重大修改。Tesla自己的顶级电池供应商公开表示：马斯克不懂怎么造电池。

从4680到Colossus到Terafab，呈现出马斯克的一贯套路：以宏大的制造业叙事掩盖对系统复杂性的低估，以极端速度完成硬件部署，然后在软件/工艺/系统层面陷入漫长的瓶颈。

贯穿所有这些案例的，不是能力问题，而是马斯克认知结构。

资源是约束，速度是武器，规模是壁垒，马斯克在SpaceX和Tesla中锻造出来的这套方法，在火箭和汽车领域奏效，因为核心瓶颈确实是物理约束——材料、推力、产能。

但AI、芯片制造、机器学习系统，面对的是复杂系统的涌现性问题。在这个领域，投入更多资源不会线性地产出更高效率；更快的速度反而可能跳过必要的迭代积累；规模在系统不成熟时是负担而非武器。

他的另一个套路是宏大叙事优先。他对AI的真实兴趣，更多在于它作为文明级工具的意义，而不是它的技术机理。这使他能够比任何人都更早感知到AI的重要性，但也使他在面对具体的工程问题时，倾向于用叙事代替理解，用规模代替深度。

业内人士也发现，马斯克公司的核心技术突破，往往来自他能够吸引的顶级人才，而不是他本人的技术判断。SpaceX有Tom Mueller，Tesla有JB Straubel，xAI有一批顶级研究员。他真正懂的，是识别和说服这些人。当这些人离开时，当xAI的联合创始人们陆续出走时，马斯克的公司就会开始暴露出他本人认知边界的真实轮廓。

话虽如此，马斯克依然是这个AI时代的主要设计师之一。

他在FSD上的坚持，推动了业界对纯视觉自动驾驶路线的重新评估。他对AI安全风险的持续警告，虽有时带有政治色彩，但客观上推动了AI治理讨论的提前展开。他创立OpenAI时投入的资源和信誉，是这家后来改变世界的机构能够起步的重要条件。他建造Colossus的速度，即便利用率只有11%，也迫使整个行业重新思考数据中心建造的可能速度。

不管别人怎么说，马斯克依然是AI的“懂王”。