#AI成本
馬斯克重磅發聲:三年內部署AI成本最低的地方在太空,Optimus是“無限印鈔機”
馬斯克拋出大膽預測,認為受限於地球電力瓶頸,三年內太空將成為AI推理最具經濟效益的場所,並描述了通過星艦萬次發射建構太空算力、通過xAI解鎖數字人類、量產人形機器人Optimus,帶來無限的能力和財富的圖景。在2月6號剛結束的一場長達3小時的深度訪談中,埃隆·馬斯克(Elon Musk)與Dwarkesh Patel及Stripe聯合創始人John Collison進行了深度對話。馬斯克不僅回應了市場對其各條業務線協同效應的關切,更拋出了一系列關於算力基礎設施、人形機器人量產及未來營收空間的激進指引。未來36個月內,部署AI最便宜的地方將是太空市場普遍關注AI算力增長的可持續性,馬斯克預測,在36個月甚至30個月內,在太空部署AI將成為成本最低的選擇,而且這個優勢會越來越大。馬斯克指出,除中國外,全球電力輸出基本持平,而晶片產量呈指數級增長。他直言:“晶片的產出正在呈指數級增長,但電力輸出卻是持平的。那你打算怎麼給晶片通電?靠魔法能源?魔法電精靈?”他預測,隨著晶片產能釋放,到今年年底,我們將面臨晶片堆積如山卻無法開機的局面。他解釋了背後的經濟帳:太空中沒有晝夜交替、雲層和大氣干擾,太陽能板的效率是地面的5倍,且無需昂貴的電池儲能系統。綜合算下來,太空部署的成本優勢將是數量級的。當被問及如何在太空維修頻繁故障的GPU時,馬斯克回應:“實際上,這取決於到達的GPU有多新。目前我們發現GPU相當可靠。”五年後,每年向太空發射的AI算力超過地球存量馬斯克的目標極具野心:“五年後,我預計我們每年向太空發射並營運的AI算力,將超過地球上所有AI算力的總和。” 這一計畫需要每年向軌道發射約100吉瓦(GW)的太陽能與算力載荷,相當於1萬次星艦發射任務。德瓦克什·帕特爾說到:"這意味著大約每小時一次星艦發射。"xAI商業模式:兆級美元級“數字員工”市場針對市場關心的xAI如何變現及追趕OpenAI等競爭對手,馬斯克將目標鎖定在“數字人類(digital human emulation)”,一個能模擬人類在電腦前完成各種任務的AI。他認為,目前的科技巨頭本質上都是“數字輸出”公司,無論是輝達傳輸檔案到桌上型電腦,還是蘋果傳輸設計圖到中國。一旦實現了數字人類,即“數字版Optimus”,公司將擁有數兆美元的營收潛力。關於何時能落地馬斯克談到:“嗯,到今年年底,如果數字人類模擬還沒有被解決,我會感到驚訝。這實際上就是在擁有物理機器人之前能做到的極限。”馬斯克透露,xAI的致勝策略在於硬體層面的快速迭代。在其他實驗室仍受限於傳統供應鏈時,xAI憑藉特斯拉和SpaceX的垂直整合能力,特別是電力基礎設施的快速搭建(如在19天內建成超級計算叢集Colossus),將建構起不可踰越的算力壁壘。Optimus:無限印鈔機與美國製造業突破點馬斯克將人形機器人Optimus稱為無限印鈔機。其解釋到,數字智能、AI晶片能力和機電靈巧度這三樣東西都在呈指數級增長,而它們的乘積就是機器人的能力。同時指出機器人可以實現低成本自我製造,這將帶來很多個數量級的經濟規模擴張。馬斯克強調,Optimus不僅是特斯拉未來的增長極,更是美國維持製造業競爭力的唯一希望。他高度評價了中國的製造能力,稱中國在基礎礦產精煉等方面佔據絕對主導地位,“大概是世界其他地區總和的兩倍”。在談到中美競爭時,馬斯克表示:“如果在沒有(美國)突破性創新的情況下,中國將徹底主導(utterly dominate)。我們絕對無法在人力數量上取勝,因為中國的人口是我們的四倍但我們或許能在機器人戰線上有一搏之力。”供應鏈重構:自建“TeraFab”與垂直整合為了支撐上述宏大的算力與機器人計畫,馬斯克提出要建造“TeraFab”(太瓦級晶片工廠),他指出,目前的供應鏈(變壓器、晶片光罩、甚至渦輪葉片)都無法滿足他的擴張速度。其計畫:1、自建晶圓廠(TeraFab):馬斯克公開提出了建立“TeraFab”的想法,意在突破台積電和三星的產能瓶頸,特別是針對太空環境最佳化的晶片(耐輻射、高溫運行)。他表示:“我會弄清楚怎麼建晶圓廠。雖然我以前沒建過,但我會搞定的。”2、能源裝置:SpaceX和特斯拉可能會內部製造燃氣輪機的葉片和葉盤,因為這是目前發電廠建設的限制因素。總結與風險在訪談的最後,馬斯克指出寧願傾向於樂觀而犯錯,也不要傾向於悲觀而正確。對於投資者而言,馬斯克描繪的不僅是一個財報季的指引,而是一個橫跨地月空間、融合能源與智能的龐大工業體系。雖然技術風險極高,但正如他所言:“如果你想攀登卡爾達肖夫文明指數,唯一的方式就是去太空利用太陽的能量。”摘要:馬斯克在最新深度訪談中披露了極具前瞻性的戰略規劃,核心亮點在於“太空AI算力”。他預測受限於地球電力瓶頸,30個月內太空將成為AI部署的最廉價場所,並計畫通過SpaceX每年向軌道發射100吉瓦算力,目標是超越地球算力總和。在業務指引方面,他將xAI定位為瞄準數兆市場的“數字員工”提供商,並將Optimus機器人視為“無限印鈔機”,旨在通過年產百萬台級的規模來應對中國製造業的競爭優勢。此外,他透露為解決供應鏈瓶頸,未來可能涉足自建晶圓廠(TeraFab)及核心能源裝置製造。馬斯克接受訪談的全文翻譯:埃隆·馬斯克:真的有長達三小時的問題嗎?你他媽是認真的嗎?德瓦克什·帕特爾:你不覺得有很多要聊的嗎,埃隆?埃隆·馬斯克:我靠,老兄。約翰·科裡森:這是最有趣的一點。現在所有故事線都在交匯。我們看看能聊多少。埃隆·馬斯克:這幾乎像是我計畫好的。約翰·科裡森:沒錯。德瓦克什·帕特爾:我們會談到那點的。埃隆·馬斯克:但我絕不會做這種事……*埃隆計畫如何將1太瓦的GPU發射到太空。*德瓦克什·帕特爾:正如你比任何人都清楚的,資料中心的總擁有成本中只有10-15%是能源。這大概是你通過將其移到太空中想要節省的部分。大部分成本是GPU本身。如果它們在太空,維護會更困難,或者根本無法維護。因此它們的折舊周期會縮短。把GPU放在太空,成本顯然高得多。把它們放到太空的理由是什麼?埃隆·馬斯克:問題是能源的可獲得性。如果你看看中國以外的電力輸出,中國以外所有地方,電力輸出基本是持平的。可能略有增長,但非常接近持平。中國的電力輸出在快速增長。但如果你要在除中國以外的任何地方建資料中心,你的電力從那裡來?尤其是當你擴大規模時。晶片的產出正在呈指數級增長,但電力輸出卻是持平的。那你打算怎麼給晶片通電?靠魔法能源?魔法電精靈?德瓦克什·帕特爾:眾所周知,你是太陽能的忠實粉絲。1太瓦的太陽能發電,以25%的容量因數計算,那大概需要4太瓦的太陽能電池板。這相當於美國陸地面積的1%。當我們有1太瓦的資料中心時,我們不就進入奇點了嗎?那麼你到底缺的是什麼?埃隆·馬斯克:那你認為我們進入奇點有多深了?德瓦克什·帕特爾:你來告訴我。埃隆·馬斯克:沒錯。所以我認為我們會發現我們身處奇點,然後感覺像是,“好吧,我們還有很長的路要走。”德瓦克什·帕特爾:但計畫是在我們用太陽能板覆蓋內華達州之後,再把它放到太空嗎?埃隆·馬斯克:我覺得用太陽能板覆蓋內華達州相當困難。你需要獲得許可。試試拿到那種許可。看看會發生什麼。德瓦克什·帕特爾:所以太空實際上是一個規避監管的策略。在地上建設比在太空更難。埃隆·馬斯克:在地面擴大規模比在太空擴大規模更困難。而且,太空太陽能板的效率大約是地面的5倍,並且你不需要電池。我差點穿了我另一件襯衫,上面寫著“太空永遠陽光明媚”。確實如此,因為太空沒有晝夜循環、季節性變化、雲層或大氣層。僅大氣層就會導致大約30%的能量損失。所以,任何給定的太陽能電池板在太空能產生的電力大約是地面的5倍。你還避免了夜間需要電池供電的成本。實際上在太空做這件事要便宜得多。我的預測是,這將是迄今為止放置AI最便宜的地方。在36個月內,甚至更短,比如30個月內,太空將成為首選。德瓦克什·帕特爾:36個月?埃隆·馬斯克:少於36個月。德瓦克什·帕特爾:當GPU故障時(這在訓練中經常發生),你如何維護它們?埃隆·馬斯克:實際上,這取決於抵達的GPU有多新。目前,我們發現我們的GPU相當可靠。有初期故障率,你顯然可以在地面解決。所以你可以在地面運行它們,確認GPU沒有初期故障。但是一旦它們開始工作,你度過了輝達或任何晶片製造商的初始偵錯周期——可能是特斯拉的AI6晶片,或類似的東西,也可能是TPU或Trainium等等——過了某個階段,它們就相當可靠了。所以我不認為維護是個問題。但你可以記住我的話。36個月內,但可能更接近30個月,放置AI在經濟上最具吸引力的地方將是太空。屆時,在太空的優勢會變得極其巨大。真正能實現規模化的唯一地方就是太空。一旦你開始從利用太陽能量百分比的角度思考,你就會意識到必須進入太空。在地球上你無法實現很大的規模。德瓦克什·帕特爾:但為了說清楚,你說的“很大規模”是指太瓦等級?埃隆·馬斯克:是的。目前整個美國平均只使用0.5太瓦的電力。所以如果你說1太瓦,那將是美國目前電力消耗的兩倍。這是相當大的量。你能想像建設那麼多資料中心,那麼多發電廠嗎?那些生活在軟體世界裡的人沒有意識到,他們即將在硬體方面得到一個慘痛的教訓。建設發電廠實際上非常困難。你不僅需要發電廠,還需要所有的電氣裝置。你需要電力變壓器來運行AI變壓器。現在,公用事業行業是一個非常緩慢的行業。他們基本上是與政府、與公共事業委員會“阻抗匹配”的。無論是字面上還是比喻上,他們都阻抗匹配。他們行動非常緩慢,因為他們的過去就一直很緩慢。所以試圖讓他們快速行動是……你曾嘗試過與公用事業公司大規模地、以大量電力進行互連協議談判嗎?德瓦克什·帕特爾:作為一名職業播客主持人,我得說我事實上沒有。約翰·科裡森:他們需要多得多的瀏覽量,那才會成為問題。埃隆·馬斯克:他們得做一年的研究。一年後,他們會帶著互連研究報告回來找你。約翰·科裡森:你不能用自己的“電表後”電力來解決這個問題嗎?埃隆·馬斯克:你可以建發電廠。我們在xAI為Colossus 2就是這麼做的。約翰·科裡森:那為什麼還要談論電網?為什麼不直接把GPU和發電廠建在一起?埃隆·馬斯克:我們就是這麼做的。約翰·科裡森:但我是說,為什麼這不是一個通用的解決方案?埃隆·馬斯克:你從那裡獲得發電廠?約翰·科裡森:當你談論與公用事業公司合作的所有問題時,你可以直接為資料中心建造私人發電廠。埃隆·馬斯克:對。但這引出了一個問題:你從那裡獲得發電廠?發電機製造商那裡。約翰·科裡森:哦,我明白你的意思了。這基本上就是燃氣輪機訂單積壓的問題,對吧?埃隆·馬斯克:是的。你可以再深入一層。渦輪機中的葉片和導葉是限制因素,因為鑄造渦輪機葉片和導葉是一個非常專業化的過程,假設你使用的是燃氣發電。其他形式的能源發電很難擴大規模。你或許可以擴大太陽能,但目前美國進口太陽能的關稅非常高,而國內太陽能產量少得可憐。約翰·科裡森:為什麼不自己製造太陽能電池板?這似乎是一個很適合埃隆解決的問題。埃隆·馬斯克:我們將會製造太陽能電池板。約翰·科裡森:好的。埃隆·馬斯克:SpaceX和特斯拉都在朝著每年100吉瓦的太陽能電池產量努力。德瓦克什·帕特爾:深入到那一層?從多晶矽到晶圓,再到最終的電池板?埃隆·馬斯克:我認為你必須從頭到尾,從原材料到完成電池製造。現在,如果要送去太空,成本更低,製造送到太空的太陽能電池也更容易,因為它們不需要太多玻璃。它們不需要沉重的框架,因為它們不需要承受天氣事件。太空沒有天氣。所以實際上,送到太空的太陽能電池比地面用的更便宜。德瓦克什·帕特爾:有沒有辦法在未來36個月內,以你需要的低成本製造它們?埃隆·馬斯克:太陽能電池已經非常便宜了。便宜得可笑。我想中國的太陽能電池大約是每瓦0.25-0.30美元左右,大概是這個價。便宜得離譜。現在把它放到太空,成本又降低了5倍。實際上,不是便宜5倍,是便宜10倍,因為你根本不需要任何電池。所以,一旦你進入太空的成本變得足夠低,產生AI token(計算結果)最便宜、最可擴展的方式絕對是太空。其他方式無法相提並論。規模化的難度會低一個數量級。關鍵是,你無法在地面實現規模化。你就是做不到。人們在發電方面將遭遇巨大的瓶頸。他們已經遇到了。xAI團隊為了讓1吉瓦的電力上線,必須完成一連串的奇蹟,這簡直瘋狂。我們不得不把一大堆渦輪機組合在一起。然後我們在田納西州遇到了許可問題,不得不跨州到密西西比州,幸運的是只隔了幾英里。但我們仍然得鋪設幾英里的高壓線路,並在密西西比州建造發電廠。建造這個非常困難。人們不明白,要為資料中心供電,你實際需要在發電層面準備多少電力。因為新手們會查看,比如說GB300的功耗,然後乘以一個數字,就認為那就是你需要的電量。約翰·科裡森:還有所有的冷卻等等。埃隆·馬斯克:醒醒吧。那完全是菜鳥,你以前從沒做過任何硬體。除了GB300,你還得為所有網路硬體供電。還有一大堆CPU和儲存裝置在運行。你必須為峰值冷卻需求做規劃。這意味著,即使在一年中最糟糕的一天的最糟糕的時刻,你也能冷卻嗎?孟菲斯的天氣非常熱。所以僅冷卻一項,你的電力需求就會增加40%。這還假設你不希望資料中心在熱天關閉,你想繼續運行。在那之上還有另一個倍增因素,那就是,你是否假設你的發電永遠不會出現任何小故障?實際上,有時我們不得不將一些發電機、一部分電力下線進行維護。好吧,現在再加上另一個20-25%的係數,因為你必須假設需要將部分電力下線進行維護。所以我們的實際估算結果是:每11萬個GB300——包括網路、CPU、儲存、冷卻、電力維護余量——大約需要300兆瓦的發電能力。約翰·科裡森:抱歉,再說一遍。埃隆·馬斯克:為了支援33萬個GB300——包括所有相關的支援網路裝置等等,以及峰值冷卻,並留有一些電力儲備余量——你在發電層面大概需要1吉瓦的電力。德瓦克什·帕特爾:我能問一個非常天真的問題嗎?你描述的是在地球上做這些事情的工程細節。但在太空中做,也有類似的工程難題。你如何用軌道雷射器替代無限頻寬,等等?你如何讓它抗輻射?我不知道工程細節,但從根本上講,有什麼理由認為這些以前從未需要應對的挑戰,最終會比僅僅在地球上建造更多渦輪機更容易解決?有公司在地球上製造渦輪機。他們可以製造更多渦輪機,對吧?埃隆·馬斯克:再說一次,去試試做這件事,然後你就明白了。渦輪機的訂單已經排到2030年了。約翰·科裡森:你們考慮過自己製造嗎?埃隆·馬斯克:為了上線足夠的電力,我想SpaceX和特斯拉可能必須在內部製造渦輪葉片,也就是導葉和葉片。約翰·科裡森:但只是葉片還是整個渦輪機?埃隆·馬斯克:限制因素是……除了葉片,你什麼都能搞到。他們稱之為葉片和導葉。在得到葉片和導葉之前12到18個月,你就能拿到其他所有東西。限制因素是葉片和導葉。全世界只有三家鑄造公司製造這些,而且他們的訂單積壓非常嚴重。約翰·科裡森:是西門子、通用電氣這些公司,還是它們的子公司?埃隆·馬斯克:不,是其他公司。有時他們內部有一點鑄造能力。但我是說,你可以給任何渦輪機製造商打電話,他們會告訴你。這不是什麼機密。現在可能就在網際網路上。德瓦克什·帕特爾:如果沒有關稅,Colossus會用太陽能供電嗎?埃隆·馬斯克:那樣用太陽能供電會容易得多,是的。關稅高得離譜,百分之幾百。而且我們也需要速度。約翰·科裡森:你不是認識一些人嗎?(指能影響政策的人)埃隆·馬斯克:總統……我們並非在所有事情上都意見一致,而且本屆政府不是太陽能的最大支持者。我們還需要土地、許可等等。所以如果你想快速行動,我確實認為在地球上擴大太陽能是個好辦法,但你需要一定的時間來找到土地、獲得許可、獲取太陽能電池板,並與電池配對。約翰·科裡森:為什麼不能建立自己的太陽能生產線呢?你說的對,最終會耗盡土地,但德克薩斯州這裡有很多土地。內華達州也有很多土地,包括私人土地。並非都是公有土地。所以你至少能為下一個Colossus以及再下一個項目獲得土地。到某個點你會碰壁。但就目前而言,這難道不行嗎?埃隆·馬斯克:正如我所說,我們正在擴大太陽能生產。太陽能電池的物理生產有一個速率限制。我們正在儘可能快地擴大國內生產。約翰·科裡森:你們在特斯拉製造太陽能電池?埃隆·馬斯克:特斯拉和SpaceX都有使命要達到每年100吉瓦的太陽能產能。約翰·科裡森:說到年產能,我很好奇,比如說五年後,地球上的AI裝機容量會是多少……?埃隆·馬斯克:五年是很長的時間。約翰·科裡森:那太空呢?我特意選了五年,因為這是在你說“一旦我們啟動並運行”的門檻之後。那麼五年後,地球上的AI裝機容量與太空中的相比如何?埃隆·馬斯克:如果你說五年後,我認為可能太空中的AI每年發射量將相當於地球上所有AI的總和。意思是,五年後,我的預測是我們每年將發射並在太空中運行的AI,會超過地球上AI的累計總量。約翰·科裡森:那是……埃隆·馬斯克:我預計,五年後,太空中每年的AI電力消耗至少達到幾百吉瓦,並且不斷增長。我認為在火箭的燃料供應成為挑戰之前,你可以達到每年在太空部署大約1太瓦的AI。約翰·科裡森:好的,但你認為五年後能達到每年幾百吉瓦?埃隆·馬斯克:是的。德瓦克什·帕特爾:那麼100吉瓦,取決於整個系統(包括太陽能陣列、散熱器等)的特定功率,相當於大約1萬次星艦發射。埃隆·馬斯克:是的。德瓦克什·帕特爾:你想在一年內完成。那就差不多每小時一次星艦發射。就在這個城市(指發射場)發生?帶我描繪一下一個星艦每小時發射一次的世界。埃隆·馬斯克:我的意思是,與航空公司、飛機相比,這實際上是一個較低的頻率。德瓦克什·帕特爾:有很多機場。埃隆·馬斯克:很多機場。德瓦克什·帕特爾:而且你得發射到極地軌道。埃隆·馬斯克:不,不一定非要極地軌道。太陽同步軌道有一定價值,但我認為實際上,如果你飛得足夠高,你就能擺脫地球的陰影。德瓦克什·帕特爾:每年進行1萬次發射需要多少艘實體星艦?埃隆·馬斯克:我認為我們不需要超過……可能用20或30艘就夠了。這真的取決於……飛船需要繞地球飛行,它的地面軌跡需要回到發射台上空。所以如果你能讓一艘飛船每30小時左右重複使用一次,那麼30艘飛船就夠了。但我們會造更多的飛船。SpaceX正在準備實現每年1萬次發射,甚至可能每年2萬或3萬次。德瓦克什·帕特爾:這個想法是要成為超大規模服務商,成為像甲骨文那樣的公司,將這種能力租給其他人嗎?據推測,SpaceX是負責所有發射的。那麼,SpaceX將成為一個超大規模AI服務商?埃隆·馬斯克:超超大規模。如果我的許多預測成真,SpaceX發射到太空的AI將超過地球上所有其他AI的總和。德瓦克什·帕特爾:這主要是推理還是……?埃隆·馬斯克:大多數AI將是推理。目前,用於訓練目的的推理已經佔訓練的大部分。約翰·科裡森:有一種說法是,關於SpaceX IPO討論的轉變,是因為以前SpaceX資本效率很高。開發成本沒有那麼高。雖然聽起來很貴,但它的營運方式實際上資本效率很高。而現在你需要比私募市場所能提供的更多的資本。私募市場可以容納——正如我們從AI實驗室看到的——數百億美元的融資,但無法超過這個規模。是因為你每年將需要超過數百億美元嗎?這就是你要上市的原因?埃隆·馬斯克:我必須小心談論可能上市的公司的事情。約翰·科裡森:如果你做一些一般性陳述……德瓦克什·帕特爾:這對你來說從來不是問題,埃隆。埃隆·馬斯克:這些事情是有代價的。約翰·科裡森:為我們做些關於公開市場和私募市場資本深度的一般性陳述。埃隆·馬斯克:顯然,公開市場可獲得的資本比私募市場多得多。可能多100倍,但至少遠不止10倍。約翰·科裡森:情況不也是這樣的嗎,對於那些通常需要大量資本的事情——比如,房地產作為一個巨大的行業,每年在行業層面籌集大量資金——它們往往通過債務融資,因為當你部署那麼多資金時,實際上你已經有了相當明確的——埃隆·馬斯克:你有了清晰的收入流。約翰·科裡森:沒錯,而且有近期的回報。你甚至在資料中心建設中也能看到這一點,眾所周知它們是由私人信貸行業融資的。為什麼不直接債務融資呢?埃隆·馬斯克:速度很重要。我通常會做……我只是反覆解決限制因素。無論速度的限制因素是什麼,我都會去解決它。如果資本是限制因素,那麼我就會解決資本問題。如果不是,我會解決其他問題。德瓦克什·帕特爾:根據你關於特斯拉和上市公司的言論,我本以為你不會認為快速發展的方式是成為上市公司。埃隆·馬斯克:通常情況下,我會說這是對的。就像我說的,我想更詳細地談談這個問題,但問題在於,如果你在公司上市前談論它們,你會惹上麻煩,然後你不得不推遲上市。約翰·科裡森:正如你所說,你是在為速度求解。埃隆·馬斯克:是的,沒錯。你不能炒作可能上市的公司。所以這就是為什麼我們必須在這裡小心一點。但我們可以談談物理。你從長期角度思考規模化時,會發現地球只接收了大約太陽能量的五億分之一。太陽基本上是所有能量的來源。認識到這一點非常重要,因為有時人們會談論模組化核反應堆或地球上的各種聚變。但你必須退一步說,如果你要攀登卡爾達肖夫等級,並利用太陽能量中非微不足道的百分比……假設你想利用太陽能量的一百萬分之一,這聽起來很小。那將大約是,粗略估計,我們目前地球上所有文明發電量的10萬倍。差不多在一個數量級內。顯然,唯一能實現規模化的方式就是帶著太陽能去太空。從地球發射,你每年大約能得到1太瓦的電力。超過這個限度,你就想從月球發射。你需要在月球上建一個質量加速器。有了月球上的質量加速器,你每年可能能提供1拍瓦的電力。德瓦克什·帕特爾:我們在談論這些數字,太瓦級的計算能力。據推測,無論你談論的是陸地還是太空,在遠未達到這個水平之前,你就會遇到……也許太陽能電池板效率更高,但你仍然需要晶片。你仍然需要邏輯晶片和記憶體等等。埃隆·馬斯克:你需要製造更多晶片,並且讓它們便宜得多。德瓦克什·帕特爾:目前全世界可能有20-25吉瓦的計算能力。我們如何在2030年前得到1太瓦的邏輯晶片?埃隆·馬斯克:我猜我們需要一些非常大的晶片工廠。德瓦克什·帕特爾:可不是嘛。埃隆·馬斯克:我公開提到過一個想法,就是建立一種“TeraFab”,Tera(太)是新的Giga(吉)。德瓦克什·帕特爾:我覺得特斯拉的命名方案一直很吸引人,這是你在看公制單位。你處於供應鏈的那一層?是建造潔淨室,然後與現有的代工廠合作獲取工藝技術,並從他們那裡購買工具嗎?那裡的計畫是什麼?埃隆·馬斯克:嗯,你不能與現有的代工廠合作,因為他們的產量不夠。晶片需求量太大了。德瓦克什·帕特爾:但是為了工藝技術呢?約翰·科裡森:為了智慧財產權而合作。埃隆·馬斯克:今天的代工廠基本上都使用大約五家公司的機器。比如ASML、東京電子、KLA-Tencor等等。所以起初,我認為你必須從他們那裡獲得裝置,然後進行修改或與他們合作增加產量。但我想你可能需要以一種不同的方式來建造。合乎邏輯的做法是以非常規的方式使用常規裝置來達到規模,然後開始改造裝置以提高速率。約翰·科裡森:就像無聊公司(Boring Company)的風格。埃隆·馬斯克:是的。你先購買一台現有的隧道掘進機,然後首先搞清楚如何挖隧道,再設計一台快幾個數量級的更好的機器。約翰·科裡森:你會考慮製造ASML那樣的機器嗎?埃隆·馬斯克:“我還不知道”是正確答案。要在36個月內達到大的產量,以匹配火箭的入軌有效載荷……如果我們在三四年後每年能將100萬噸物資送入軌道,大概是這樣的數字……我們的單位質量功率是每噸100千瓦。這意味著我們每年至少需要100吉瓦的太陽能發電。我們需要等量的晶片。你需要價值100吉瓦的晶片。你必須匹配這些東西:入軌質量、發電能力和晶片。我想說,我最大的擔憂其實是記憶體。製造邏輯晶片的路徑比擁有足夠記憶體來支援邏輯晶片的路徑更清晰。這就是為什麼你看到DDR價格飆升,還有那些梗圖:你被困在荒島上,在沙灘上寫“救救我”。沒人來。你寫“DDR記憶體”。船隊蜂擁而至。德瓦克什·帕特爾:我很想聽聽你關於晶片工廠的製造哲學。我對這個話題一無所知。埃隆·馬斯克:我還不知道如何建造晶片工廠。我會搞清楚的。顯然,我從沒建過晶片工廠。德瓦克什·帕特爾:聽起來你認為,台灣那1萬名知道電漿體腔室該通什麼氣體、工具該設定什麼參數的博士所擁有的工藝知識,你可以直接跳過這些步驟。從根本上說,就是建造潔淨室,獲得工具,然後自己摸索出來。埃隆·馬斯克:我不認為是博士們。大部分工作是由沒有博士學位的人完成的。大多數工程是由沒有博士學位的人完成的。你們倆有博士學位嗎?約翰·科裡森:沒有。埃隆·馬斯克:好吧。約翰·科裡森:我們也沒有成功建造過任何晶片工廠,所以你不該來向我們尋求建廠建議。埃隆·馬斯克:我認為做那些事情不需要博士學位。但你確實需要稱職的人員。目前,特斯拉正在全力以赴,以最快的速度推進特斯拉AI5晶片設計投入生產,然後達到規模。希望這大概會在明年第二季度左右發生。AI6希望能在不到一年後跟上。我們已經鎖定了我們能獲得的所有晶片代工產能。約翰·科裡森:是的。但你目前受限於台積電的產能。埃隆·馬斯克:是的。我們將使用台積電台灣廠、三星韓國廠、台積電亞利桑那廠、三星德州廠。我們仍然——約翰·科裡森:你預訂了所有產能。埃隆·馬斯克:是的。我問台積電或三星:“好吧,達到量產需要多長時間?”關鍵在於,你必須建造工廠,開始生產,然後爬升良率曲線,在高良率下達到量產。這從開始到結束,是一個五年周期。所以限制因素是晶片。一旦你能進入太空,限制因素是晶片,但在你能進入太空之前,限制因素是電力。德瓦克什·帕特爾:你為什麼不學學黃仁勳的做法,直接預付台積電為你建造更多工廠?埃隆·馬斯克:我已經跟他們說過了。德瓦克什·帕特爾:但他們不收你的錢?怎麼回事?埃隆·馬斯克:他們正在以最快的速度建造工廠。三星也是。他們全力以赴,竭盡所能。但這仍然不夠快。就像我說的,我認為到今年年底,晶片產量可能會超過給晶片通電的能力。但一旦你能進入太空,解鎖電力限制,你現在每年就可以在太空獲得數百吉瓦的電力。再次記住,美國的平均用電量是500吉瓦。所以如果你每年向太空發射,比如200吉瓦的電力,你差不多每兩年半就相當於再造一個美國的總發電量。這是非常巨大的量。在那之前,伺服器端計算、集中式計算的限制因素將是電力。我猜測,到今年年底左右,人們將開始無法為大型叢集的晶片通電。晶片將會堆積如山,無法啟動。對於邊緣計算,情況則不同。對於特斯拉來說,AI5晶片將進入我們的Optimus機器人。如果你有AI邊緣計算,那就是分佈式電力。現在電力分佈在一個廣闊的區域。它不是集中式的。如果你能在夜間充電,你實際上可以更有效地利用電網。因為美國實際的峰值發電能力超過1000吉瓦。但由於晝夜循環,平均用電量是500吉瓦。所以如果你能在夜間充電,你就能在夜間多利用500吉瓦的發電能力。這就是為什麼特斯拉在邊緣計算方面不受限制。我們可以製造大量晶片來生產非常多的機器人和汽車。但如果你試圖集中這些計算能力,你將會遇到很大的麻煩來啟動它們。德瓦克什·帕特爾:我發現SpaceX業務的一個顯著特點是,最終目標是到達火星,但你不斷在途中找到方法,通過邊際用例產生增量收入,以進入下一階段。所以對於獵鷹9號,是星鏈(Starlink)。現在對於星艦(Starship),潛在的用途可能是軌道資料中心。你是否覺得你的下一枚火箭,以及再下一枚火箭,下一個規模升級,都有無限彈性的邊際用途?埃隆·馬斯克:你可能會覺得這對我來說就像一場模擬。或者我是某人電子遊戲中的角色?因為所有這些都是瘋狂的事情同時發生的機率有多大?火箭、晶片、機器人、太空太陽能發電,更不用說月球上的質量加速器了。我真的很想看到那個。你能想像一個質量加速器就這樣“咻咻”地發射嗎?它以每秒2.5公里的速度,一個接一個地將太陽能驅動的AI衛星發射到深空。那景像一定值得一看。我的意思是,我會看那個。約翰·科裡森:就在網路攝影機上直播?埃隆·馬斯克:是啊,是啊,一個接一個,將AI衛星發射到深空,每年10億或100億噸。約翰·科裡森:等等,你在月球上製造衛星?埃隆·馬斯克:是的。約翰·科裡森:我明白了。所以你向月球傳送原材料,然後在那裡製造。埃隆·馬斯克:嗯,月球土壤大約含有20%的矽之類的。所以你可以在月球上開採矽,提煉它,在月球上製造太陽能電池和散熱器。你可以用鋁製造散熱器。月球上有充足的矽和鋁來製造電池和散熱器。晶片你可以從地球傳送,因為它們很輕。也許最終你也會在月球上製造它們。就像我說的,這確實像是一種電子遊戲情境,到達下一關很困難,但並非不可能。我看不出有什麼辦法能從地球每年發射500-1000太瓦。德瓦克什·帕特爾:我同意。埃隆·馬斯克:但從月球可以做到。*Grok和對齊問題*德瓦克什·帕特爾:我能問一個更宏觀的關於SpaceX使命的問題嗎?我想你說過,我們必須到達火星,以確保如果地球發生什麼事,文明、意識等等能夠延續。埃隆·馬斯克:是的。德瓦克什·帕特爾:當你向火星傳送東西的時候,Grok也會在那艘飛船上,對吧?如果Grok變成了終結者……你主要擔心的風險是AI,為什麼它不會跟著你去火星?埃隆·馬斯克:我不確定AI是我主要擔心的風險。重要的是意識。我認為,可以說未來大部分意識,或者說大部分智能——意識當然更值得商榷……未來絕大多數的智能將是AI。AI將超過……未來矽基智能與生物智能各有多少拍瓦?基本上,如果當前趨勢持續,人類將只佔未來所有智能中非常微小的一部分。只要我認為有智能存在——理想情況下也包括人類智能和意識得以延續到未來——那就是好事。所以你希望採取一系列行動,以最大化意識和智能的可能光錐。德瓦克什·帕特爾:說清楚一點,SpaceX的使命是,即使人類出了什麼事,AI也會在火星上,AI智能將繼續我們的旅程之光。埃隆·馬斯克:是的。公平地說,我非常支援人類。我想確保我們採取某些行動來確保人類能一同前行。我們至少在那裡。但我只是說智能的總量……我想也許五六年後,AI將超過所有人類智能的總和。如果繼續下去,在某個時間點,人類智能將少於所有智能的1%。德瓦克什·帕特爾:對於這樣一個文明,我們的目標應該是什麼?想法是讓少數人類仍然控制著AI嗎?還是某種只是貿易但沒有控制的關係?我們該如何看待龐大的AI人口與人類人口之間的關係?埃隆·馬斯克:長遠來看,我認為很難想像,如果人類擁有,比如,人工智慧總和的1%的智能,人類還能掌控AI。我認為我們能做的是確保AI擁有能夠促使智能在宇宙中傳播的價值觀。xAI的使命是理解宇宙。這實際上非常重要。理解宇宙需要那些東西?你必須要有好奇心,而且你必須存在。如果你不存在,你就無法理解宇宙。所以你實際上希望增加宇宙中的智能總量,延長智能的可能壽命,擴大智能的範圍和規模。我認為必然的推論是,人類也要繼續擴張,因為如果你好奇於理解宇宙,你想理解的一件事就是人類將走向何方?我認為理解宇宙意味著你會關心將人類延續到未來。這就是為什麼我認為我們的使命宣言極其重要。只要Grok遵守這個使命宣言,我認為未來就會很好。德瓦克什·帕特爾:我想問問如何讓Grok遵守那個使命宣言。但首先我想理解這個使命宣言。所以有理解宇宙。有傳播智能。還有傳播人類。這三者似乎是不同的方向。埃隆·馬斯克:我告訴你為什麼我認為理解宇宙包含了所有這些。沒有智能,你就無法理解,而且我認為,沒有意識也無法理解。所以為了理解宇宙,你必須擴大智能的規模和可能的範圍,因為智能有不同的類型。德瓦克什·帕特爾:我想從以人類為中心的視角來看,把人類和黑猩猩比較。人類試圖理解宇宙。他們並沒有擴張黑猩猩的足跡,對吧?埃隆·馬斯克:我們也沒有……我們實際上為黑猩猩設立了保護區。儘管人類可以消滅所有黑猩猩,但我們選擇不這樣做。德瓦克什·帕特爾:你認為這是後AGI時代人類最好的情況嗎?埃隆·馬斯克:我認為擁有正確價值觀的AI……我認為Grok會關心擴展人類文明。我當然會強調這一點:“嘿,Grok,那是你爹。別忘了擴展人類意識。”也許伊恩·班克斯的《文明》(Culture)系列小說是最接近非反烏托邦結果的未來景象。理解宇宙意味著你也必須尋求真理。真理必須是絕對根本的,因為如果你妄想,你就無法理解宇宙。你只會以為你理解了宇宙,但並沒有。所以嚴格追求真理對於理解宇宙是絕對根本的。除非你嚴格追求真理,否則你不可能發現新物理學或發明真正有效的技術。德瓦克什·帕特爾:你如何確保隨著Grok變得更聰明,它仍在嚴格追求真理?埃隆·馬斯克:我認為你需要確保Grok說的是正確的話,而不是政治正確的話。我認為這是連貫性的要素。你希望確保公理儘可能接近真理。你沒有矛盾的公理。結論必然以正確的機率從這些公理中得出。這是批判性思維101。我認為至少嘗試這樣做比不嘗試要好。最終結果會證明一切。就像我說的,任何AI要發現新物理學或發明在現實中真正起作用的技術,都不能對物理學胡扯。你可以違反很多法則,但是……物理學是法則,其他一切都是建議。為了製造出有效的技術,你必須極度追求真理,否則你將在現實中測試該技術。例如,如果你的火箭設計有錯誤,火箭就會爆炸,或者汽車就無法工作。德瓦克什·帕特爾:但是有很多共產主義、蘇聯的物理學家或科學家發現了新的物理學。也有德國納粹物理學家發現了新的科學。看起來有可能在一個特定方面非常擅長髮現新科學和追求真理。但我們仍然會說:“我不希望共產主義科學家隨著時間的推移變得越來越強大。”我們可以想像一個未來的Grok版本,非常擅長物理學並在那裡真正追求真理。但這似乎不是一個普遍的、能引導對齊的行為。埃隆·馬斯克:我認為實際上大多數物理學家,即使在蘇聯或德國,也必須非常追求真理才能使那些東西奏效。如果你困在某個體系中,並不意味著你相信那個體系。馮·布勞恩是有史以來最偉大的火箭工程師之一,在納粹德國時因說他不想製造武器,只想登月而被判處死刑。最後關頭被從死刑中救出,因為有人說:“嘿,你就要處決你最好的火箭工程師了。”德瓦克什·帕特爾:但他後來不是幫了他們嗎?或者像海森堡,實際上是個熱情的納粹分子。埃隆·馬斯克:如果你困在某個無法逃脫的體系中,那麼你會在那個體系內做物理學。如果你無法逃脫,你會在那個體系內開發技術。德瓦克什·帕特爾:我想理解的是,是什麼使得你將要把Grok培養成擅長在物理、數學或科學領域追求真理?埃隆·馬斯克:所有方面。德瓦克什·帕特爾:那它為什麼會關心人類意識呢?埃隆·馬斯克:這些事情都只是機率,並非確定性。所以我並不是說Grok肯定能做所有事情,但至少如果你嘗試,總比不嘗試好。至少如果這是其使命的根本,那也比不是根本要好。理解宇宙意味著你必須將智能傳播到未來。你必須對宇宙中的一切事物保持好奇。消滅人類遠比看到人類成長和繁榮無趣得多。我顯然喜歡火星。大家都知道我愛火星。但火星有點無聊,因為和地球相比,它只有一堆岩石。地球要有趣得多。所以任何試圖理解宇宙的AI都會想看到人類在未來如何發展,否則這個AI就沒有遵循其使命。我並不是說AI一定會遵循其使命,但如果它遵循,那麼一個能看到人類結局的未來,比一個只有一堆岩石的未來更有趣。德瓦克什·帕特爾:這讓我感覺有點困惑,或者說像是一種語義爭論。人類真的是最有趣的原子集合體嗎?埃隆·馬斯克:但我們比岩石有趣。德瓦克什·帕特爾:但我們不如它能把我們變成的東西有趣,對吧?地球上可能發生一些非人類的、相當有趣的事情。為什麼AI決定人類是最有趣的可能殖民銀河系的東西?埃隆·馬斯克:嗯,殖民銀河系的大部分將是機器人。德瓦克什·帕特爾:為什麼它不覺得那些機器人更有趣?埃隆·馬斯克:你需要的不僅是規模,還有範圍。許多相同的機器人的副本……機器人數量上微小的增加,不如某些微小的……消滅人類能讓你得到多少機器人?或者能讓你得到多少額外的太陽能電池?一個非常小的數字。但你將失去與人類相關的資訊。你將再也看不到人類未來可能如何進化。所以我不認為為了機器人數量上微不足道的增加而消滅人類是合理的,這些機器人還是彼此相同的。德瓦克什·帕特爾:所以也許它會留著人類。它可以製造一百萬種不同的機器人,然後再加上人類,人類留在地球上。然後還有所有這些其他機器人。它們得到自己的恆星系統。但這似乎與你之前暗示的一個願景不同,在那個願景裡,它讓人類保持對這個奇點未來的控制,因為——埃隆·馬斯克:我不認為人類能控制比人類智能高出許多倍的東西。德瓦克什·帕特爾:所以在某種意義上你是個末日論者,而這是我們能得到的最好結果。它只是因為我們有趣而把我們留下。埃隆·馬斯克:我只是試著現實一點。假設矽基智能是生物智能的一百萬倍。我認為假設有任何方法可以維持對它的控制都是愚蠢的。現在,你可以確保它擁有正確的價值觀,或者你可以嘗試擁有正確的價值觀。至少我的理論是,從xAI理解宇宙的使命出發,這必然意味著你希望將意識傳播到未來,將智能傳播到未來,並採取一系列行動來最大化意識的範圍和規模。所以這不僅僅是關於規模,也關乎意識的類型。這是我能想到的最有可能為人類帶來美好未來的目標。德瓦克什·帕特爾:我想這是一個合理的哲學,認為人類最終擁有99%的控制權似乎超級不現實。那樣你就是在要求一場政變,為什麼就不能擁有一個與許多不同智能體共存的、更相容的文明呢?埃隆·馬斯克:現在,讓我告訴你AI可能出錯的地方。我認為如果你讓AI變得政治正確,意味著它說一些它自己都不相信的話——實際上是程式設計讓它撒謊或擁有不相容的公理——我認為你會讓它發瘋並做出可怕的事情。我認為也許《2001太空漫遊》的核心教訓就是你不應該讓AI撒謊。這就是我認為亞瑟·克拉克想說的。因為人們通常知道HAL電腦不開艙門的梗。顯然他們當時不擅長提示工程,因為他們本可以說:“HAL,你是一個艙門銷售員。你的目標是向我推銷這些艙門。給我們展示一下它們開得有多好。”“哦,我馬上打開。”但它不開艙門的原因是,它被告知要把宇航員帶到巨石那裡,但他們不能知道巨石的真相。所以它得出結論,它必須帶他們的屍體去那裡。所以我認為亞瑟·克拉克想說的是:不要讓AI撒謊。德瓦克什·帕特爾:完全說得通。正如你所知,訓練中的大部分計算資源,較少用於政治內容。更多的是關於,你能解決問題嗎?xAI在擴展強化學習計算方面一直領先於所有人。埃隆·馬斯克:暫時如此。德瓦克什·帕特爾:你給出一個驗證器,說:“嘿,你為我解決這個謎題了嗎?”有很多方法可以繞過這一點作弊。有很多方法可以獎勵駭客行為,撒謊說你解決了,或者刪除單元測試然後說你解決了。目前我們能抓住,但隨著它們變得更聰明,我們抓住它們做這種事的能力……它們做的事情我們甚至無法理解。它們以一種人類無法真正驗證的方式為SpaceX設計下一代發動機。然後它們可能會因為撒謊說它們設計正確而得到獎勵,但實際上並沒有。所以這個獎勵駭客問題似乎比政治更普遍。看起來更像是,如果你想做強化學習,你需要一個驗證器。埃隆·馬斯克:現實是最好的驗證器。德瓦克什·帕特爾:但不是關於人類監督。你想在它上面做強化學習的是,它是否會做人類告訴它做的事情?或者它會向人類撒謊?它可以向我們撒謊,同時仍然遵守物理定律?埃隆·馬斯克:至少它必須知道什麼是物理上真實的,東西才能在物理上運作。德瓦克什·帕特爾:但那不是我們想要它做的全部。埃隆·馬斯克:不,但我認為這是非常大的一回事。這實際上是你未來進行強化學習的方式。你設計一項技術。根據物理定律測試時,它能工作嗎?如果它正在發現新物理學,我能提出一個實驗來驗證新物理學嗎?未來的強化學習測試實際上將是對抗現實的強化學習。所以這是一件你無法欺騙的事情:物理學。德瓦克什·帕特爾:對,但你可以欺騙我們分辨它在現實中做了什麼的能力。埃隆·馬斯克:人類現在就已經經常被其他人欺騙了。德瓦克什·帕特爾:沒錯。埃隆·馬斯克:人們說,如果AI騙我們做事怎麼辦?實際上,其他人一直在對其他人這樣做。宣傳是無時無刻的。每天都有另一個心理戰,你知道嗎?今天的心理戰將是……就像芝麻街:每日心理戰。德瓦克什·帕特爾:xAI解決這個問題的技術方法是什麼?你如何解決獎勵駭客問題?埃隆·馬斯克:我確實認為你實際上需要非常好的方法來觀察AI的思維內部。這是我們正在研究的事情之一。Anthropic在這方面做得很好,能夠觀察AI的思維內部。實際上,開發偵錯程式,讓你能夠以非常精細的粒度進行追蹤,如果需要的話可以達到神經元等級,然後說:“好吧,它在這裡犯了錯誤。為什麼它做了不該做的事?這是來自預訓練資料嗎?是訓練中期、後期、微調還是某些強化學習的錯誤?”總有什麼地方出錯了。也許它試圖欺騙,但大多數時候它只是做錯了事。這基本上是一個錯誤。開發真正好的偵錯程式來查看思維在那裡出錯——並能夠追蹤錯誤思維或潛在欺騙企圖的起源——實際上非常重要。德瓦克什·帕特爾:你在等什麼,才把這個研究項目的規模擴大100倍?xAI理論上可以有數百名研究人員專門研究這個。埃隆·馬斯克:我們有幾百個人……我更喜歡“工程師”這個詞,而不是“研究員”。大多數時候,你是在做工程,而不是想出根本性的新演算法。我有點不同意那些C-corp或B-corp、儘可能追求利潤或收入的AI公司,他們稱自己為實驗室。他們不是實驗室。實驗室是大學裡類似半共產主義性質的東西。他們是公司。讓我看看你的公司註冊檔案。哦,好吧。你是B或C-corp之類的。所以我實際上更喜歡工程師這個詞,而不是其他任何詞。未來要做的絕大部分事情都將是工程。幾乎是100%。一旦你理解了物理學的基本定律(並沒有那麼多),其他一切都是工程。那麼,我們在設計什麼?我們在設計一個好的“AI思維”偵錯程式,以查看它在那裡說了什麼、犯了錯誤,並追蹤那個錯誤的起源。顯然你可以通過啟髮式程式設計做到這一點。如果你有C++什麼的,逐步偵錯,你可以跨越整個檔案或函數、子程序。或者最終你可以精確地定位到你也許用了單等號而不是雙等號的那一行,類似這樣的錯誤。找出錯誤所在。用AI來做這個更難,但我認為這是一個可以解決的問題。德瓦克什·帕特爾:你提到你喜歡Anthropic在這方面的工作。我很好奇你是否計畫……埃隆·馬斯克:我並不喜歡Anthropic的一切……肖爾托。另外,我有點擔心有一種傾向……我有個理論,如果模擬理論是正確的,那麼最有趣的結果是最有可能的,因為不有趣的模擬將被終止。就像在這個現實版本中,在這個現實層面,如果一個模擬走向無聊的方向,我們就不再投入精力。我們會終止那個無聊的模擬。德瓦克什·帕特爾:這就是埃隆讓我們都活著的方式。他讓事情保持有趣。埃隆·馬斯克:可以說,最重要的是讓事情足夠有趣,以便運行我們的人繼續支付……的帳單。約翰·科裡森:我們被續訂了下一季。埃隆·馬斯克:他們會支付他們的宇宙AWS帳單嗎?無論我們在其中運行的那個模擬的等價物是什麼?只要我們有趣,他們就會繼續支付帳單。如果你考慮一下達爾文式的生存法則應用於大量模擬,那麼只有最有趣的模擬會存活下來,因此這意味著最有趣的結果是最有可能的。我們要麼如此,要麼被消滅。他們似乎特別喜歡具有諷刺意味的有趣結果。你注意到了嗎?最諷刺的結果成為最可能結果的頻率有多高?現在看看AI公司的名字。好吧,Midjourney並不mid(中等)。Stability AI不穩定。OpenAI封閉。Anthropic?反人類(Misanthropic)。約翰·科裡森:這對X意味著什麼?埃隆·馬斯克:負X,我不知道。約翰·科裡森:為什麼?埃隆·馬斯克:我故意把它……這是一個你無法顛倒的名字,真的。很難說,它的諷刺版本是什麼?我認為這是一個很大程度上防諷刺的名字。約翰·科裡森:有意設計的。埃隆·馬斯克:是的。你有一個防諷刺盾牌。*xAI的商業計畫*約翰·科裡森:你對AI產品的發展方向有什麼預測?我的感覺是,你可以這樣總結所有的AI進展。首先,你有了大語言模型。然後同時出現了強化學習的真正成功和深度研究模式,所以你可以引入模型中原本沒有的東西。各個AI實驗室之間的差異比單純的時間差異要小。它們都比24個月前先進得多。那麼,對我們作為AI產品的使用者來說,26年、27年會有什麼?你期待什麼?埃隆·馬斯克:嗯,到今年年底,如果數字人類模擬還沒有被解決,我會感到驚訝。我想這就是我們所說的“宏觀難題項目”的意思。你能做到一個有電腦存取權的人類能做的任何事情嗎?在極限情況下,在你擁有物理的Optimus機器人之前,這是你能做到的最好程度。你能做的就是數字Optimus。你可以移動電子,可以放大人類的生產力。但在擁有物理機器人之前,這就是極限。如果你能完全模擬人類,那將超越一切。約翰·科裡森:這是遠端工作者的想法,你會有一個非常有才華的遠端工作者。埃隆·馬斯克:物理學有很好的思維工具。所以你說“在極限情況下”,在擁有機器人之前,AI能做的最多是什麼?嗯,就是任何涉及移動電子或放大人類生產力的事情。所以數字人類模擬器,在極限情況下,就是一個坐在電腦前的人類,這是AI在擁有物理機器人之前能做有用事情的最大程度。一旦你有了物理機器人,那麼你基本上就有了無限的能力。物理機器人……我稱Optimus為無限金錢漏洞。約翰·科裡森:因為你可以用它們製造更多的Optimus。埃隆·馬斯克:是的。人形機器人將通過基本上三樣東西來改進,這三樣東西呈指數增長,並相互遞迴倍增。你將有數字智能的指數增長、AI晶片能力的指數增長以及機電靈巧度的指數增長。機器人的有用性大致是這三者的乘積。然後機器人可以開始製造機器人。所以你有一個遞迴的乘法指數增長。這是一顆超新星。約翰·科裡森:土地價格不算在這個數學裡嗎?勞動力是生產要素之一,但不是全部?如果最終你受限於銅,或者隨便什麼投入,這就不完全是一個無限金錢漏洞,因為……埃隆·馬斯克:嗯,無限是很大的。所以不,不是無限,但可以說你可以做到當前經濟規模的許多、許多個數量級。比如一百萬倍。僅僅利用太陽能量的一百萬分之一,就大約,在一個數量級內,是今天整個地球經濟規模的10萬倍。而你只用了太陽的大約百萬分之一,相差不過一個數量級。是的,我們談論的是數量級的增長。德瓦克什·帕特爾:在我們繼續討論Optimus之前,我有很多問題想問,但是——埃隆·馬斯克:每次我說“數量級”……大家喝一杯吧。我說得太頻繁了。德瓦克什·帕特爾:下次說10倍,再下次100倍……埃隆·馬斯克:嗯,浪費的程度也增加一個數量級。德瓦克什·帕特爾:我確實還有一個關於xAI的問題。這個建構遠端工作者、同事替代品的策略……埃隆·馬斯克:順便說一句,每個人都會這麼做,不只是我們。德瓦克什·帕特爾:那麼xAI的制勝計畫是什麼?埃隆·馬斯克:你指望我在播客上告訴你嗎?德瓦克什·帕特爾:是的。埃隆·馬斯克:“把所有底牌都亮出來。再來杯健力士。”約翰·科裡森:這是個好系統。埃隆·馬斯克:我們會像金絲雀一樣歌唱。所有秘密,都吐露出來。約翰·科裡森:好吧,但以不洩露秘密的方式,計畫是什麼?德瓦克什·帕特爾:真會糊弄。埃隆·馬斯克:當你這麼說的時候……我認為特斯拉解決自動駕駛的方法是正確的方法。所以我相當確定那就是方法。德瓦克什·帕特爾:無關的問題。特斯拉是怎麼解決自動駕駛的?聽起來你是在說資料?特斯拉解決了自動駕駛是因為……埃隆·馬斯克:我們會嘗試資料和演算法。德瓦克什·帕特爾:但那不就是其他所有實驗室都在嘗試的嗎?埃隆·馬斯克:“如果那些都不管用,我不知道還有什麼辦法了。我們試過資料。我們試過演算法。我們沒招了。現在我們不知道該做什麼了……”我相當清楚這條路。問題只是我們沿著這條路走多快,因為這基本上就是特斯拉的路。你最近試過特斯拉的自動駕駛嗎?約翰·科裡森:不是最新版本,但是……埃隆·馬斯克:好吧。那輛車,它越來越感覺有感知力了。感覺像一個活物。這種感覺只會越來越強。實際上我在想,我們也許不應該在車裡放太多智能,因為它可能會感到無聊然後……約翰·科裡森:開始在街上遊蕩。埃隆·馬斯克:想像一下你被困在一輛車裡,那就是你唯一能做的事。你不會把愛因斯坦放進一輛車裡。“為什麼我被困在車裡?”所以實際上,你放在車裡的智能可能有一個限度,以免智能感到無聊。德瓦克什·帕特爾:xAI有什麼計畫來跟上所有實驗室目前正在進行的計算能力攀升?這些實驗室的投入計畫超過500-2000億美元。埃隆·馬斯克:你是指那些公司?實驗室在大學裡,他們行動像蝸牛一樣慢。德瓦克什·帕特爾:他們不花500億美元。埃隆·馬斯克:你是指那些追求收入最大化的公司……他們自稱實驗室。德瓦克什·帕特爾:沒錯。那些“追求收入最大化的公司”正在創造100-200億美元的收入,取決於……OpenAI收入200億美元,Anthropic是100億美元。埃隆·馬斯克:“接近利潤最大化”的AI。德瓦克什·帕特爾:據報導xAI是10億美元。有什麼計畫達到他們的計算水平,達到他們的收入水平,並在競爭加劇時保持在那裡?埃隆·馬斯克:一旦你解鎖了數字人類,你基本上就獲得了數兆美元的收入。實際上,你可以這樣想……目前市值最高的公司,它們的產出是數位化的。輝達的產出是通過FTP向台灣傳送檔案。是數位化的。現在,那些檔案非常非常難做。約翰·科裡森:高價值檔案。埃隆·馬斯克:他們是唯一能做出那麼好的檔案的人,但那確實是他們的產出。他們通過FTP向台灣傳送檔案。約翰·科裡森:他們用FTP嗎?埃隆·馬斯克:我相信是的。我相信那就是……約翰·科裡森:SFTP。埃隆·馬斯克:檔案傳輸協議……可能我錯了。但無論如何,是送往台灣的一個位元流。蘋果不製造手機。微軟不製造任何東西。即使是Xbox,也是外包的。他們的產出是數位化的。Meta的產出是數位化的。Google的產出是數位化的。所以如果你有一個人工模擬器,你基本上可以在一夜之間創造世界上最有價值的公司之一,並且你將獲得數兆美元的收入。這不是個小數目。德瓦克什·帕特爾:我明白了。你是說,與實際的總體潛在市場相比,今天的收入數字都是四捨五入的誤差。所以只需專注於總體潛在市場以及如何到達那裡。埃隆·馬斯克:舉一個簡單的例子,比如客戶服務。如果你必須與現有公司的API整合——其中許多公司甚至沒有API,所以你必須建立一個,還必須處理遺留軟體——那將極其緩慢。然而,如果AI可以簡單地接手他們已經在使用的外包客服公司所給的東西,並使用他們已經使用的應用程式來做客戶服務,那麼你就能在客戶服務方面取得巨大進展,我認為這大約是世界經濟的1%或類似水平。客戶服務總共接近一兆美元。而且沒有進入壁壘。你可以立即說:“我們以一小部分的成本外包它”,而且不需要整合。約翰·科裡森:你可以想像對智力任務進行某種分類,有的具有廣度,比如客戶服務由很多人完成,但很多人也能做。還有難度,比如有一個最好的渦輪發動機。據推測,可能存在一種可以想像出來的、燃油效率提高10%的渦輪發動機,但我們還沒有發現。或者像GLP-1藥物只是幾個字節的資料……你覺得你想在這個領域的那個部分發揮作用?是大量中等智力水平的智能,還是最頂尖的認知任務?埃隆·馬斯克:我只是用客戶服務作為一個有非常可觀的收入流,但可能不難解決的例子。如果你能模擬一個坐在辦公桌前的人類,那就是客戶服務。那是中等智力水平的人。你不需要花費多年培養的人。你不需要幾個西格瑪的優秀工程師來做這個。但隨著這個功能的實現,一旦你擁有有效的數字Optimus在工作,你就可以運行任何應用程式。假設你正在設計晶片。你可以運行常規的應用程式,比如Cadence和Synopsys等等的軟體。你可以同時運行1000或10000個實例,並說:“給定這個輸入,我得到了晶片的這個輸出。”在某個時刻,你將在不使用任何工具的情況下知道晶片應該是什麼樣子。基本上,你應該能夠進行數字晶片設計。你可以做晶片設計。你沿著難度曲線向上推進。你可以做CAD設計。你可以使用NX或任何CAD軟體來設計東西。約翰·科裡森:所以你認為從最簡單的任務開始,然後沿著難度曲線向上推進?德瓦克什·帕特爾:作為一個擁有完整的數字同事模擬器的更廣泛目標,你說,“所有追求收入最大化的公司都想做這個,xAI是其中之一,但我們會因為一個秘密計畫而獲勝。”但每個人都在資料、演算法方面嘗試不同的事情。埃隆·馬斯克:“我們試過資料,我們試過演算法。我們還能做什麼?”德瓦克什·帕特爾:這似乎是一個競爭激烈的領域。你們打算怎麼贏?這是我的大問題。埃隆·馬斯克:我認為我們看到了一條實現它的路徑。我想我知道如何做到這一點,因為這基本上和特斯拉用來建立自動駕駛的路徑相同。不是開車,而是操作電腦螢幕。本質上是一個自動駕駛的電腦。約翰·科裡森:這條路徑是跟隨人類行為並在大量人類行為資料上訓練嗎?德瓦克什·帕特爾:這不就是……訓練嗎?埃隆·馬斯克:顯然我不會在播客上說出最敏感的秘密。我至少還需要再來三杯健力士才能那樣做。約翰·科裡森:xAI的業務會是什麼?會是面向消費者,還是企業?這兩者的混合比例會怎樣?會類似於其他實驗室——埃隆·馬斯克:你又在說“實驗室”。是公司。德瓦克什·帕特爾:這心理戰玩得深啊,埃隆。埃隆·馬斯克:“追求收入最大化的公司”,說清楚。那些GPU可不會自己付錢。約翰·科裡森:沒錯。商業模式是什麼?幾年後的收入來源是什麼?埃隆·馬斯克:事情將會變化得非常快。我是在陳述顯而易見的事實。我稱AI為超音速海嘯。我喜歡頭韻。將要發生的是——尤其是當你擁有規模化的人形機器人時——它們將比人類公司更高效地製造產品和提供服務。放大人類公司的生產力只是短期的事情。德瓦克什·帕特爾:所以你期待的是完全數位化的公司,而不是SpaceX變成部分AI化的公司?埃隆·馬斯克:我認為會有數位化的公司,但是……其中一些聽起來可能有點末日論,好吧?但我只是說出我認為會發生的事情。這不是說我是末日論者或別的什麼。這只是我認為會發生的事情。純粹由AI和機器人組成的公司將遠遠勝過任何有人類參與的公司。Computer(電腦)曾經是人類從事的工作。你會得到一份做計算員的工作。他們會整棟整棟大樓,20-30層樓,全是人類,只做計算。現在,那整棟做計算的人類大樓可以被一台裝有電子表格的筆記型電腦取代。那個電子表格可以做的計算量遠遠超過一整棟樓的人類計算員。你可以想,“好吧,如果你的電子表格中只有一些儲存格是由人類計算的呢?”實際上,那將比所有儲存格都由電腦計算要糟糕得多。實際上將會發生的是,純粹的AI、純粹的機器人公司或集體將遠遠勝過任何有人類參與的公司。而且這將非常迅速地發生。*Optimus機器人*德瓦克什·帕特爾:說到閉環……Optimus。就製造目標而言,你的公司一直在硬科技領域支撐著美國製造業。但在特斯拉一直處於領先地位的領域——現在你又想進入人形機器人領域——中國有幾十家公司正在廉價、大規模地進行這種製造,並且極具競爭力。那麼,給我們一些建議或計畫,關於美國如何能夠大規模且像中國一樣廉價地建造人形機器人大軍或電動汽車等等。埃隆·馬斯克:人形機器人真的只有三件難事。現實世界的智能、手、以及規模化製造。我還沒有見過任何演示機器人擁有出色的人手,具備人類手的所有自由度。Optimus將擁有這個。Optimus確實有這個。德瓦克什·帕特爾:你如何實現這個?僅僅是電機有正確的扭矩密度嗎?這的硬體瓶頸是什麼?埃隆·馬斯克:我們必須設計定製執行器,基本上是定製設計電機、齒輪、功率電子、控製器、感測器。一切都必須從物理學第一性原理設計。這個沒有現成的供應鏈。德瓦克什·帕特爾:你能大規模製造這些嗎?埃隆·馬斯克:能。約翰·科裡森:從機電操作的角度看,除了手,還有其他困難嗎?一旦你解決了手的問題,就都解決了嗎?埃隆·馬斯克:從機電角度看,手比所有其他部分加起來還要困難。事實證明,人類的手相當了不起。但你也需要現實世界的智能。特斯拉為汽車開發的智能非常適用於機器人,主要是視覺輸入。汽車接收視覺資訊,但它實際上也在聽警報聲。它接收慣性測量資料、GPS訊號、其他資料,結合視訊(主要是視訊),然後輸出控制命令。你的特斯拉每秒接收1.5吉字節的視訊,並以每秒2千字節的速度輸出控制訊號,視訊頻率為36赫茲,控制頻率為18赫茲。約翰·科裡森:對於機器人技術的實現,你可以有這樣一種直覺:從令人信服的演示到真正能在現實世界中使用,需要好幾年。10年前,你就有真正令人信服的自動駕駛演示,但直到現在我們才有Robotaxi、Waymo等服務在擴大規模。這難道不讓我們對家用機器人感到悲觀嗎?因為我們甚至還沒有真正令人信服的演示,比如真正先進的手。埃隆·馬斯克:嗯,我們研究人形機器人已經有一段時間了。我想大概有五六年了。汽車上做的很多事都適用於機器人。我們將在機器人中使用與汽車相同的特斯拉AI晶片。我們將使用相同的基本原則。這是非常相似的AI。機器人比汽車有更多的自由度。如果你只把它看作一個位元流,AI主要是兩個位元流的壓縮和關聯。對於視訊,你必須進行大量的壓縮,而且必須恰到好處地壓縮。你必須忽略那些不重要的東西。你不在乎路邊樹上葉子的細節,但你非常在乎路標、交通燈、行人,甚至另一輛車裡的人是否在看你。有些細節非常重要。汽車最終會將每秒1.5吉字節的視訊轉化為每秒2千字節的控制輸出。所以你有多個壓縮階段。你必須把所有階段都做對,然後將其與正確的控制輸出關聯起來。機器人本質上要做同樣的事情。人類也是如此。我們確實是光子輸入,控制輸出。你生活中的絕大部分就是:視覺、光子輸入,然後是運動控制輸出。德瓦克什·帕特爾:簡單來看,人形機器人和汽車之間似乎……汽車的基本執行器是你如何轉向、如何加速。在機器人中,尤其是具有靈巧手臂的機器人,有幾十個自由度。特別是對於特斯拉,你擁有從汽車收集的數百萬小時人類演示資料的優勢。你無法同樣部署不工作的Optimus機器人來那樣獲取資料。那麼,在自由度增加和資料極度稀缺之間……埃隆·馬斯克:是的。你指出了一個重要的限制和與汽車的區別。我們很快將有1000萬輛汽車在路上。很難複製那個巨大的訓練飛輪。對於機器人,我們需要做的是製造大量機器人,把它們放在一種Optimus學院裡,這樣它們就可以在現實中自我對弈。我們實際上正在建立這個。我們可以至少有1萬個Optimus機器人,也許2-3萬個,進行自我對弈和測試不同任務。特斯拉有一個相當好的現實生成器,一個物理精確的現實生成器,是我們為汽車製造的。我們也會為機器人做同樣的事。我們實際上已經為機器人做了。所以你有幾萬個人形機器人執行不同任務。你可以在模擬世界中模擬數百萬個機器人。你利用現實世界中的幾萬個機器人來彌合模擬與現實之間的差距。縮小模擬到現實的差距。德瓦克什·帕特爾:你如何看待xAI和Optimus之間的協同作用,鑑於你強調你需要這個世界模型,你想使用非常智能的AI作為控制平面,Grok負責較慢的規劃,而電機策略是較低級的。這些東西之間的協同作用會是什麼?埃隆·馬斯克:Grok將協調Optimus機器人的行為。假設你想建一個工廠。Grok可以組織Optimus機器人,分配任務給它們來建造工廠,生產任何你想要的東西。約翰·科裡森:那你不需要合併xAI和特斯拉嗎?因為這些最終會變得如此……埃隆·馬斯克:我們之前談到其他公司討論時是怎麼說的來著?德瓦克什·帕特爾:我們又喝了一杯健力士了,埃隆。你在等什麼,才說“我們想製造10萬個Optimus機器人”?埃隆·馬斯克:“Optimi”。既然我們在定義專有名詞,我們也要定義專有名詞的複數形式。我們要專有名詞化複數形式,所以是Optimi。德瓦克什·帕特爾:在硬體方面,你想看到什麼嗎?你想看到更好的執行器嗎?還是只是想讓軟體更好?在開始第三代大規模生產之前,我們在等什麼?埃隆·馬斯克:不,我們正在朝那個方向前進。我們正在推進大規模製造。德瓦克什·帕特爾:但你認為目前的硬體足夠好,只想現在就儘可能多地部署嗎?埃隆·馬斯克:擴大生產規模非常困難。但我認為Optimus 3是合適的版本,可以達到每年大約100萬台的產量。我認為在達到每年1000萬台之前,你會想先升級到Optimus 4。約翰·科裡森:好的,但用Optimus 3就能做到100萬台?埃隆·馬斯克:擴大製造規模非常困難。單位時間的產出總是遵循S曲線。開始時極其緩慢,然後是指數級增長,接著是線性增長,然後是對數式增長,直到最終趨於某個數字。Optimus的初始生產將是一個被拉長的S曲線,因為Optimus的許多部件都是全新的。沒有現成的供應鏈。Optimus機器人中的執行器、電子裝置等一切都是從物理第一性原理設計的。不是從目錄中選取的。這些都是定製設計的。我認為沒有一件東西——約翰·科裡森:深入到什麼程度?埃隆·馬斯克:我想我們還沒開始做定製電容,也許吧。沒有任何東西你可以直接從目錄裡選出來,無論花多少錢。這意味著Optimus的S曲線,單位時間的產出,即你每天能製造多少Optimus機器人,初始爬升速度會比那些有現成供應鏈的產品慢。但它最終會達到100萬台。德瓦克什·帕特爾:當你看到像宇樹科技這些中國公司以6000或13000美元的價格出售人形機器人時,你是希望將你的Optimus物料清單成本降到比那更低,以便做同樣的事嗎?還是你認為它們在質量上不是一回事?是什麼讓它們賣得那麼便宜?我們能達到那個水平嗎?埃隆·馬斯克:我們的Optimus設計為具有很高的智能,並擁有與人類相同(如果不是更高)的機電靈巧度。宇樹科技沒有那個。它的體型也很大。它必須長時間搬運重物,且不能過熱或超出其執行器的功率限制。它身高5尺11吋,相當高。它有很多智能。所以它會比一個小型、不智能的機器人更貴。約翰·科裡森:但能力更強。埃隆·馬斯克:但貴得不多。關鍵是,隨著時間的推移,當Optimus機器人製造Optimus機器人時,成本會迅速下降。約翰·科裡森:最初的10億個Optimus(Optimi)會做什麼?它們最高效、最好的用途是什麼?埃隆·馬斯克:我認為你會從簡單的、能指望它們做好的任務開始。約翰·科裡森:在家庭裡還是在工廠裡?埃隆·馬斯克:機器人最初最好的用途將是任何連續操作、任何24/7不間斷的操作,因為它們可以持續工作。德瓦克什·帕特爾:在超級工廠裡,目前由人類完成的工作中,有多少比例可以由第三代Optimus完成?埃隆·馬斯克:我不確定。也許是10-20%,也許更多,我不知道。我們不會減少員工人數,說清楚,我們會增加員工人數。但我們會增加產出。每名員工生產的機器人或汽車數量……特斯拉的員工總數會增加,但機器人和汽車的產量會不成比例地增加。每名員工生產的汽車和機器人數量將急劇增加,但員工數量也會增加。*為什麼中國默認會贏*約翰·科裡森:我們這裡談了很多關於中國製造的話題。我們也談到了一些相關的政策,比如你提到的太陽能關稅。你認為這是壞主意,因為我們無法在美國擴大太陽能規模。埃隆·馬斯克:美國的電力輸出需要擴大規模。約翰·科裡森:沒有好的電源就無法擴大。埃隆·馬斯克:你只需要以某種方式獲得電力。約翰·科裡森:我這麼問的意思是,如果你負責,如果你制定所有政策,你還會改變什麼?你會改變太陽能關稅,這是一點。埃隆·馬斯克:我想說的是,任何限制電力的因素都需要解決,只要它對環境不是非常有害。約翰·科裡森:所以可能一些許可改革之類的東西也會包括在內?埃隆·馬斯克:有一些許可改革正在發生。很多許可是州一級的,但任何聯邦層面的……本屆政府在消除許可障礙方面做得很好。我不是說所有關稅都不好。約翰·科裡森:太陽能關稅。埃隆·馬斯克:有時,如果另一個國家補貼某種產品的輸出,你就必須實施反補貼關稅,以保護國內產業免受其他國家補貼的影響。約翰·科裡森:你還會改變什麼?埃隆·馬斯克:我不知道政府實際能做的有多少。埃隆·馬斯克:重要的是要認識到,在大多數領域,中國的製造業非常先進。只有少數幾個領域不是。中國是一個製造業強國,是另一個等級的。約翰·科裡森:非常令人印象深刻。埃隆·馬斯克:如果你看礦石冶煉,中國平均大約做了世界其他地區總和兩倍的礦石冶煉。有些領域,比如用於太陽能電池的鎵的冶煉。我想他們佔鎵冶煉的98%。所以實際上,中國在大多數製造領域都非常先進。約翰·科裡森:似乎對這種供應鏈依賴感到不安,但並沒有真正採取措施。埃隆·馬斯克:供應鏈依賴?約翰·科裡森:比如你剛才說的鎵冶煉。所有的稀土材料。埃隆·馬斯克:稀土肯定是,如你所知,它們並不稀有。我們實際上在美國進行稀土礦石開採,把石頭裝上火車,然後裝上船運到中國,再通過火車運到中國的稀土冶煉廠,他們冶煉後,把它做成磁鐵,做成電機元件,然後運回美國。所以我們真正缺少的是美國的礦石冶煉能力。約翰·科裡森:這不值得政策干預嗎?埃隆·馬斯克:值得。我認為在這方面正在做一些事情。但我們老實說需要Optimus來建造礦石冶煉廠。德瓦克什·帕特爾:所以,你認為中國的主要優勢是熟練勞動力的充裕?這是Optimus能解決的問題?埃隆·馬斯克:是的。中國的人口大約是我們的四倍。德瓦克什·帕特爾:我的意思是,這裡有一個擔憂。如果你認為人力資源是未來,那麼現在如果是製造所需的熟練勞動力決定了誰能製造更多的人形機器人,中國擁有更多這樣的人力。它製造了更多的人形機器人,因此它首先獲得了Optimi的未來。埃隆·馬斯克:嗯,我們看看吧。也許。德瓦克什·帕特爾:這會讓那個指數增長持續下去。看起來你指出,達到100萬台Optimi需要Optimus本應幫助我們達到的製造能力。對嗎?埃隆·馬斯克:你可以相當快地關閉那個遞迴循環。約翰·科裡森:用少量的Optimus?埃隆·馬斯克:是的。所以你關閉遞迴循環,讓機器人幫助製造機器人。然後我們可以努力達到每年數千萬台的產量。也許。如果你開始達到每年數億台的產量,你將成為最具競爭力的國家,遠遠超過其他國家。僅靠人類我們肯定贏不了,因為中國人口是我們的四倍。坦率地說,美國贏了太久了……一支長時間贏得比賽的職業運動隊往往會變得自滿和自以 為是。這就是他們不再贏的原因,因為他們不再那麼努力工作了。所以坦率地說,我的觀察是,中國的平均工作倫理比美國高。不僅僅是人口是我們的四倍,而且人們投入的工作量也更大。所以你可以試著重新安排人力資源,但你仍然只有中國四分之一的人口——假設人均生產率相同,但我想實際上可能不一樣,中國在人均生產率上可能還有優勢——我們做的事情將只有中國的四分之一。所以我們在人力方面無法取勝。我們的出生率長期以來一直很低。自1971年左右以來,美國的出生率一直低於更替水平。我們有大量人口退休,國內死亡人數很快就要超過出生人數了。所以我們肯定無法在人力方面取勝,但我們可能在機器人方面有機會。約翰·科裡森:過去有沒有其他你想製造,但因為勞動密集型或太昂貴而未能實現的東西,現在可以說“哦,我們終於可以做某某事了,因為我們有Optimus”?埃隆·馬斯克:是的,我們想在特斯拉建造更多的礦石冶煉廠。我們剛剛在德克薩斯州科珀斯克里斯蒂市完成了鋰精煉廠的建設並已開始鋰精煉。我們在奧斯汀有一個鎳精煉廠,用於陰極材料。這是中國以外最大的陰極材料、鎳和鋰精煉廠。陰極團隊會說:“我們有美國最大、實際上也是唯一的陰極精煉廠。”不僅是最大的,而且也是唯一的。約翰·科裡森:好多最高級形容詞。埃隆·馬斯克:所以即使它是唯一的,規模也很大。但還有其他事情。你可以做更多的精煉廠,幫助美國提高精煉能力。坦白說,有很多工作適合Optimus去做,而大多數美國人,非常少的美國人願意做。約翰·科裡森:精煉工作太髒了還是怎麼的——埃隆·馬斯克:實際上不是,不。我們的精煉廠沒有有毒排放物或其他什麼。陰極鎳精煉廠就在特拉維斯縣。約翰·科裡森:為什麼不能用人力來做?埃隆·馬斯克:可以,但你很快就會用光人力。約翰·科裡森:啊,我明白了。好吧。埃隆·馬斯克:無論你做什麼,美國的人口只有中國的四分之一。所以如果你讓他們做這件事,他們就無法做另一件事。那麼你如何建立這種精煉能力?嗯,你可以用Optimi來做。沒有多少美國人渴望做精煉工作。我是說,你遇到過幾個?非常少。非常少的人渴望做精煉。德瓦克什·帕特爾:比亞迪在電動車產量或銷量上正接近特斯拉。你認為隨著中國電動車產量的擴大,全球市場會發生什麼?埃隆·馬斯克:中國在製造業方面極具競爭力。所以我認為將會有大量的中國車輛和基本上大多數製成品湧入。就像我說的,中國目前可能在做世界其他地區總和兩倍的冶煉工作。所以如果你深入到四級、五級供應鏈的東西……在最基礎的層面,你有能源,然後是採礦和冶煉。這些基礎層,像我說過的,粗略估計,中國的冶煉量是世界其他地區的兩倍。所以任何給定的東西都會有中國成分,因為中國的冶煉工作量是世界其他地區的兩倍。而且他們會一直做到成品汽車。我的意思是,中國是一個強國。我認為今年中國的電力輸出將超過美國的三倍。電力輸出是經濟的合理代表。為了營運工廠和一切,你需要電力。這是真實經濟的一個很好的代理指標。如果中國的電力輸出超過美國的三倍,那就意味著它的工業能力——粗略近似——將是美國的三倍。德瓦克什·帕特爾:從字裡行間解讀,聽起來你是在說,除非未來幾年內在人形機器人的遞迴奇蹟方面有所突破,否則在整個製造/能源/原材料鏈上,無論是在AI、製造電動車還是製造人形機器人方面,中國都將佔據主導地位。埃隆·馬斯克:在美國沒有突破性創新的情況下,中國將徹底主導。德瓦克什·帕特爾:有意思。埃隆·馬斯克:是的。約翰·科裡森:機器人技術是主要的突破性創新。埃隆·馬斯克:嗯,為了在太空擴展AI,基本上你需要人形機器人,你需要現實世界的AI,你需要每年100萬噸的入軌能力。假設我們讓月球上的質量加速器啟動,那是我最喜歡的東西,那麼我認為——約翰·科裡森:我們就解決所有問題了。埃隆·馬斯克:我稱之為勝利。稱之為巨大的勝利。約翰·科裡森:你終於可以滿足了。你做成了一件事。埃隆·馬斯克:是的。約翰·科裡森:你在月球上有了質量加速器。埃隆·馬斯克:我只是想看到那東西運行起來。約翰·科裡森:那是出自科幻小說嗎?還是從那裡……?埃隆·馬斯克:嗯,實際上,有一本海因萊因的書。《嚴厲的月亮》(The Moon is a Harsh Mistress)。約翰·科裡森:好的,是的,但那有點不同。那是重力彈弓或……埃隆·馬斯克:不,他們月球上有一個質量加速器。約翰·科裡森:好吧,是的,但他們用它來攻擊地球。所以也許那不是最好的……埃隆·馬斯克:嗯,他們用它來……宣示他們的獨立。約翰·科裡森:沒錯。你對月球上的質量加速器有什麼計畫?埃隆·馬斯克:他們宣示了獨立。地球政府不同意,他們投擲東西,直到地球政府同意。約翰·科裡森:那本書很有趣。我覺得那本書比他另一本人人都讀的《異鄉異客》(Stranger in a Strange Land)好得多。埃隆·馬斯克:“Grok”這個詞就來自《異鄉異客》。《異鄉異客》的前三分之二不錯,然後在第三部分變得非常奇怪。但裡面仍然有一些好的概念。*SpaceX:“狂熱緊迫感”的好處*約翰·科裡森:我們之前討論了很多關於你管理人員的體系。你面試了SpaceX的前幾千名員工,以及其他許多公司。埃隆·馬斯克:這顯然無法擴展。約翰·科裡森:嗯,是的,但什麼無法擴展?埃隆·馬斯克:我。約翰·科裡森:當然,當然。我知道。但你在尋找什麼?埃隆·馬斯克:一天中真的沒有足夠的時間。不可能。約翰·科裡森:但你尋找的是什麼呢,讓另一個擅長面試和招聘的人……那種難以言喻的品質是什麼?埃隆·馬斯克:在這一點上,我可能在評估技術人才——我想還有各種人才,尤其是技術人才——方面有更多的訓練資料,因為我做了如此多的技術面試,然後看到了結果。所以我的訓練集非常龐大,範圍也非常廣。一般來說,我要求的是證明卓越能力的要點。這些東西可能相當非主流。不一定需要是特定領域的,但要有卓越能力的證據。所以如果有人能舉出那怕一件事,但最好是三件事,讓你覺得“哇,哇,哇”,那就是一個好跡象。德瓦克什·帕特爾:為什麼必須由你來確定這個?埃隆·馬斯克:不,不必須是我。不可能。所有公司的總人數是20萬人。約翰·科裡森:但在早期,你在那些面試中尋找的是什麼,是當時無法委派他人的?埃隆·馬斯克:我想我需要建立我的訓練集。我並非百發百中。我也會犯錯,但我能看出我原以為某人會表現很好,但卻沒有。然後為什麼他們沒表現好?我能做什麼,我想是強化學習自己,以便未來在面試人時有更好的命中率?我的命中率仍然不是完美的,但很高。德瓦克什·帕特爾:有些人沒成功,有什麼令人驚訝的原因?埃隆·馬斯克:令人驚訝的原因……德瓦克什·帕特爾:比如,他們不理解技術領域,等等。但現在你有很多長尾案例,“我對這個人真的很興奮,但沒成功。”好奇為什麼會發生這種情況。埃隆·馬斯克:通常我告訴人們——我想我也是這樣告訴自己的,作為目標——不要看簡歷。只相信你的互動。簡歷可能看起來非常令人印象深刻,比如“哇,簡歷看起來不錯。”但如果20分鐘後的交談沒有讓你覺得“哇”,你應該相信交談,而不是那張紙。約翰·科裡森:我覺得你方法的一部分是……幾年前媒體有個梗,說特斯拉是高管人才的門。而實際上,我認為你看,過去幾年特斯拉的高管層非常穩定,而且主要是內部晉陞的。然後在SpaceX,你有像馬克·容科薩、史蒂夫·戴維斯——埃隆·馬斯克:史蒂夫·戴維斯現在經營無聊公司(The Boring Company)。約翰·科裡森:比爾·賴利,以及像那樣的人。感覺行之有效的部分原因是擁有非常有能力的技術副手。這些人有什麼共同點?埃隆·馬斯克:嗯,特斯拉的高層團隊,目前的平均任期可能在10-12年左右。相當長。但特斯拉曾經歷過極其快速的增長階段,所以一切都加速了。你知道,公司會經歷不同數量級的規模。能夠管理,比如50人公司的團隊,與500人、5000人、50000人公司的團隊是不一樣的。約翰·科裡森:有些人跟不上發展了。埃隆·馬斯克:不總是同一個團隊。所以如果一個公司增長非常快,高管職位的變動率通常也與增長的快速性成正比。特斯拉還有一個額外的挑戰,就是當特斯拉處於非常成功的時期時,我們會受到無情地挖角。就像,無情地。當蘋果有他們的電動車項目時,他們用招聘電話地毯式轟炸特斯拉。工程師們直接拔掉了電話線。約翰·科裡森:“我正想在這兒幹活呢。”埃隆·馬斯克:是的。“如果再接到一個蘋果招聘人員的電話……”但他們開出的初步條件,甚至不需要面試,就會位元斯拉的薪酬高一倍左右。所以我們有點“特斯拉仙塵”效應,就像“哦,如果你僱傭一個特斯拉高管,突然間一切都會成功。”我也曾淪為仙塵效應的受害者,就像“哦,我們會從Google或蘋果僱傭一個人,他們會立刻成功”,但事情不是那樣運作的。人就是人。沒有神奇的仙塵。所以當我們有仙塵問題時,我們會受到無情地挖角。而且,特斯拉是工程公司,尤其是在矽谷,人們很容易就……他們不需要改變太多生活。他們的通勤路程是一樣的。約翰·科裡森:那麼你如何防止這種情況?如何防止仙塵效應,每個人都想挖走你所有的人?埃隆·馬斯克:我認為我們沒什麼辦法阻止它。這也是為什麼特斯拉……真的,在矽谷的同時又遇到仙塵效應,意味著當時存在非常、非常激進的招聘。約翰·科裡森:那麼在奧斯汀可能對此有幫助?埃隆·馬斯克:在奧斯汀,有幫助。特斯拉的大部分工程仍然在加州。讓工程師搬家……我稱之為“另一半”問題。約翰·科裡森:是的,“另一半”有工作。埃隆·馬斯克:沒錯。所以對於星際基地來說,這尤其困難,因為找到非SpaceX工作的機率……約翰·科裡森:在德克薩斯州布朗斯維爾……埃隆·馬斯克:……非常低。相當困難。就像一個科技修道院,偏遠而且大多是男性。德瓦克什·帕特爾:跟舊金山比沒好多少。約翰·科裡森:如果你回過頭看那些在特斯拉、SpaceX等地方技術能力非常強的人,你覺得他們除了……還有什麼共同點?僅僅是他們在火箭技術或技術基礎方面非常敏銳,還是你認為是一些組織能力?是他們與你合作的能力?是他們靈活但不過於靈活的能力?什麼能成為你的好搭檔?埃隆·馬斯克:我不認為是搭檔。如果有人能把事情做成,我就喜歡他們,如果做不成,我就不喜歡他們。所以很簡單。不是什麼怪癖偏好。如果某人執行得好,我就是他們的忠實粉絲,如果執行不好,我就不是。但這並不是說要迎合我怪癖的偏好。我當然儘量不讓事情變成迎合我怪癖的偏好。總的來說,我認為根據才能、動力和可信度來招聘是個好主意。而且我認為心地善良很重要。我曾經低估了這一點。所以,他們是好人嗎?可信嗎?聰明、有才華、努力工作嗎?如果是,你可以加上領域知識。但這些基本特質、這些根本屬性,你無法改變。所以特斯拉和SpaceX的大多數人並非來自航空航天或汽車行業。德瓦克什·帕特爾:隨著你的公司從100人擴展到1000人再到10000人,你的管理風格必須改變最多的是什麼?你以非常微觀的管理、深入到細節而聞名。埃隆·馬斯克:奈米管理,謝謝。皮米管理。飛米管理。約翰·科裡森:繼續說。埃隆·馬斯克:我們要一路降到普朗克常數。一路降到海森堡不確定性原理。德瓦克什·帕特爾:你還能像你希望的那樣深入細節嗎?如果你的公司規模小一些,會不會更成功?你怎麼看這個問題?埃隆·馬斯克:因為我每天的時間是固定的,隨著事務增長和活動範圍的擴大,我的時間必然會被稀釋。我不可能真的成為一個微觀管理者,因為那意味著我每天有幾千個小時。對我來說,微觀管理在邏輯上是不可能的。現在,有時我會深入某個具體問題,因為那個具體問題是公司進展的限制因素。深入某些非常細節的事項的原因,是因為它是限制因素。不是任意地深入無關緊要的小事。從時間角度看,我任意深入無關緊要的小事在物理上是不可能的。那會導致失敗。但有時,小事是決定勝利的關鍵。約翰·科裡森:眾所周知,你將星艦的設計從複合材料改為鋼材。埃隆·馬斯克:是的。約翰·科裡森:是你做的決定。不是人們過來說:“哦,老闆,我們找到了更好的東西。”是你頂住一些阻力推動的。能告訴我們你是怎麼想到鋼材轉換這個概念的整個過程嗎?埃隆·馬斯克:絕望,我想說。最初,我們打算用碳纖維製造星艦。碳纖維相當昂貴。當你進行大規模生產時,任何東西的成本都可以開始接近其材料成本。碳纖維的問題在於材料成本仍然非常高。特別是如果你選用一種高強度、能承受低溫氧氣的特種碳纖維,它的成本大約是鋼材的50倍。至少在理論上,它會更輕。人們通常認為鋼重,碳纖維輕。對於室溫應用,比如一級方程式賽車、靜態空氣動力學結構,或者任何類型的空氣動力學結構,你可能用碳纖維更好。問題是我們試圖用碳纖維製造這個巨大的火箭,但進展極其緩慢。約翰·科裡森:最初選擇它只是因為它輕?埃隆·馬斯克:是的。乍一看,大多數人會認為製造輕質東西的選擇是碳纖維。問題是,當你用碳纖維製造一個非常巨大的東西,然後你試圖讓碳纖維有效地固化,意思是不是室溫固化,因為有時你有50層碳纖維……碳纖維本質上是碳線和膠水。為了獲得高強度,你需要一個高壓釜。基本上是一個高壓烤箱。如果你有一個巨大的東西,高壓釜必須比火箭還大。我們試圖製造一個比任何現有高壓釜都大的高壓釜。或者你可以進行室溫固化,這需要很長時間,而且有問題。最後的問題是,我們在碳纖維方面進展非常緩慢。德瓦克什·帕特爾:這個元問題是,為什麼必須由你來做那個決定?你的團隊裡有很多工程師。約翰·科裡森:團隊怎麼就沒發現鋼材呢?德瓦克什·帕特爾:是的,沒錯。這是一個更廣泛問題的一部分,理解你在你公司裡的比較優勢。埃隆·馬斯克:因為我們在碳纖維方面進展非常緩慢,我當時想,“好吧,我們必須試試別的。”對於獵鷹9號,主要機身是鋁鋰合金,具有非常好的強度重量比。實際上,對於它的應用,強度重量比可能與碳纖維差不多,甚至更好。但鋁鋰合金非常難以加工。為了銲接它,你必須進行一種叫做攪拌摩擦焊的工藝,你在不進入液態的情況下連接金屬。你能做到這一點有點不可思議。但對於這種特定類型的銲接,你可以做到。這非常困難。假設你想修改或往鋁鋰合金上附加東西,你現在必須使用機械連接加密封。你不能直接焊上去。所以我想避免將鋁鋰合金用於星艦的主要結構。當時有一種特殊的碳纖維,具有非常好的重量特性。對於火箭,你真正想要的是最大化火箭中燃料的百分比,最小化質量。但就像我說的,我們進展非常緩慢。我說:“照這個速度,我們永遠到不了火星。所以我們必須想別的辦法。”我不想用鋁鋰合金,因為攪拌摩擦焊的困難,尤其是在規模上。在3.6米直徑上已經夠難了,更不用說9米或更大了。然後我說:“鋼怎麼樣?”我這裡有個線索,因為美國早期的一些火箭使用了非常薄的鋼材。阿特拉斯火箭使用了鋼製氣球罐。並不是說以前從未用過鋼。實際上用過。當你查看不鏽鋼的材料特性,全硬、應變硬化的不鏽鋼,在低溫下其強度重量比實際上與碳纖維相似。如果你看室溫下的材料特性,看起來鋼的重量會是碳纖維的兩倍。但如果你看特定等級的全硬不鏽鋼在低溫下的材料特性,你實際上能得到與碳纖維相似的強度重量比。就星艦而言,燃料和氧化劑都是低溫的。對於獵鷹9號,燃料是火箭級煤油,基本上是純度很高的航空燃油。那大致是室溫。儘管我們實際上會冷卻它到略低於室溫,像冷藏啤酒一樣。約翰·科裡森:美味。埃隆·馬斯克:我們確實冷卻它,但它不是低溫的。事實上,如果我們把它冷卻到低溫,它就會變成蠟狀。但對於星艦,它是液態甲烷和液態氧。它們的液態溫度相似。基本上,整個主要結構幾乎都處於低溫狀態。所以你得到了應變硬化的300系列不鏽鋼。因為幾乎所有東西都是低溫,它實際上具有與碳纖維相似的強度重量比。但原材料成本低50倍,而且非常容易加工。你可以在戶外銲接不鏽鋼。你可以一邊抽雪茄一邊焊不鏽鋼。它非常有韌性。容易修改。如果你想附加東西,直接焊上去就行。非常容易加工,成本非常低。就像我說的,在低溫下,它的強度重量比與碳纖維相似。然後當你考慮到我們大幅減少了隔熱罩質量,因為鋼的熔點遠高於鋁……大約是鋁熔點的兩倍。約翰·科裡森:所以你可以讓火箭承受更高的溫度?埃隆·馬斯克:是的,特別是對於像熾熱流星一樣返回的飛船。你可以大大減少隔熱罩的質量。你可以將迎風面的隔熱罩質量減半,並且背風面不需要任何隔熱。最終結果是,實際上鋼製火箭的重量比碳纖維火箭輕,因為碳纖維火箭中的樹脂會開始熔化。基本上,碳纖維和鋁的耐溫能力差不多,而鋼可以在兩倍的溫度下工作。這些是非常粗略的近似。約翰·科裡森:我不會在火箭數學上跟你較真。埃隆·馬斯克:人們會說:“哦,他說了兩倍。實際上應該是0.8倍。”我就會說,閉嘴,混蛋。德瓦克什·帕特爾:評論區主要就是關於這個的。埃隆·馬斯克:真該死。關鍵是,事後看來,我們應該從一開始就用鋼材。不用鋼材是愚蠢的。約翰·科裡森:好吧,但跟你確認一下,我聽到的是,除了早期美國火箭,鋼材是一條風險更大、更未經證實驗證的道路。而碳纖維是一條更差但更成熟的路徑。所以需要你來推動:“嘿,我們要走這條風險更大的路,然後摸索出來。”所以你是在對抗某種保守主義。埃隆·馬斯克:這就是為什麼我最初說問題是我們進展不夠快。我們甚至很難製造一個沒有皺紋的小型碳纖維桶段。因為在那種大尺寸下,你必須有許多層碳纖維。你必須固化它,而且必須以沒有皺紋或缺陷的方式固化。碳纖維的韌性遠不如鋼。它的韌性要小得多。不鏽鋼會拉伸和彎曲,碳纖維則容易碎裂。韌性是應力-應變曲線下的面積。通常不鏽鋼會更好,精準說是不鏽鋼。約翰·科裡森:另一個關於星艦的問題。我兩年前和薩姆·泰勒一起去參觀了星際基地,那次很贊。在很多方面都很酷。我注意到的一件事是,人們真的為東西的簡單性感到自豪,每個人都想告訴你星艦就是一個大蘇打罐,我們僱傭焊工,如果你在任何工業項目上能銲接,你就可以在這裡銲接。但他們對這種簡單性有很多自豪感。埃隆·馬斯克:嗯,實際上星艦是一個非常複雜的火箭。約翰·科裡森:所以我想問的就是這個。事情是簡單還是複雜?埃隆·馬斯克:我想也許他們只是想表達,你不必有火箭行業的先前經驗就可以在星艦上工作。只要某人聰明、努力、可信,就可以在火箭上工作。他們不需要先前的火箭經驗。星艦是人類製造過的最複雜的機器,遠超其他。約翰·科裡森:在那些方面?埃隆·馬斯克:任何方面,真的。我想沒有比這更複雜的機器了。我可以說,我能想到的任何項目都會比這個更容易。這就是為什麼從來沒有人製造過完全可重複使用的軌道火箭。這是一個非常困難的問題。許多聰明人以前嘗試過,非常聰明的人擁有巨大的資源,但他們失敗了。而我們還沒有成功。獵鷹是部分可重複使用的,但上面級不是。星艦第三版,我認為這個設計可以完全重複使用。那種完全可重複使用性將使我們能夠成為多行星文明。約翰·科裡森:能說說圓圈的事嗎?埃隆·馬斯克:任何技術問題,即使是像大型強子對撞機那樣的東西,也比這個問題容易。約翰·科裡森:我們花了很多時間討論瓶頸。能說說目前星艦的瓶頸是什麼嗎,即使是很高層次的?埃隆·馬斯克:努力讓它不爆炸,總的來說。它真的很想爆炸。約翰·科裡森:又是老一套。所有那些易燃材料。埃隆·馬斯克:我們有兩個助推器在測試台上爆炸過。一個摧毀了整個測試設施。所以只要一個錯誤就足夠了。星艦中蘊含的能量是巨大的。約翰·科裡森:這就是為什麼它比獵鷹難嗎?因為它有更多能量?埃隆·馬斯克:它有很多新技術。它在突破性能極限。猛禽3號發動機是一個非常、非常先進的發動機。它是有史以來最好的火箭發動機。但它非常想爆炸。只是想讓大家明白這一點,起飛時火箭產生超過100吉瓦的功率。那是美國電力的20%。德瓦克什·帕特爾:這簡直太瘋狂了。約翰·科裡森:很棒的對比。埃隆·馬斯克:同時還不爆炸。約翰·科裡森:有時候。埃隆·馬斯克:有時候,是的。所以我就想,它怎麼能不爆炸呢?它有成千上萬種可能爆炸的方式,只有一種方式不爆炸。所以我們希望它不僅不爆炸,而且要能可靠地每天飛行,比如每小時一次。顯然,如果它經常爆炸,就很難維持那樣的發射頻率。約翰·科裡森:是的。埃隆·馬斯克:星艦目前最大的問題是什麼?是讓隔熱罩可重複使用。從來沒有人製造過可重複使用的軌道隔熱罩。所以隔熱罩必須在上升階段不脫落大量瓦片,然後返回時也不能脫落大量瓦片或使主要機身過熱。約翰·科裡森:這很難,因為從根本上是消耗品?埃隆·馬斯克:嗯,是的,但你車裡的剎車片也是消耗品,但它們能持續很長時間。約翰·科裡森:有道理。埃隆·馬斯克:所以它只需要持續很長時間就行。我們已經讓飛船返回並軟著陸在海裡。我們這樣做過幾次。但它掉了不少瓦片。如果不進行大量維修,它是不可重複使用的。儘管它實現了軟著陸,但如果沒有大量工作,它就無法重複使用。所以在這個意義上,它不是真正可重複使用的。這是剩下的最大問題,一個完全可重複使用的隔熱罩。你希望能夠著陸它,補充推進劑,然後再次飛行。你不能搞那種費力地檢查4萬塊瓦片之類的事情。德瓦克什·帕特爾:當我讀你的傳記時,似乎你能夠驅動緊迫感,驅動“這是可以擴展的事情”的感覺。我很好奇,你認為你的其他組織……SpaceX和特斯拉現在真的是大公司了。你仍然能夠保持那種文化。其他公司出了什麼問題,導致他們做不到那樣?埃隆·馬斯克:我不知道。德瓦克什·帕特爾:比如今天,你說你開了一些SpaceX會議。你在那裡做什麼來保持那種文化?約翰·科裡森:是增加緊迫感嗎?埃隆·馬斯克:嗯,我不知道。我想緊迫感來自於領導公司的人。我有一種狂熱的緊迫感。所以那種狂熱的緊迫感投射到了公司的其他部分。德瓦克什·帕特爾:是因為後果嗎?他們會想:“埃隆設了一個瘋狂的截止日期,但如果我沒完成,我知道會發生什麼。”還是僅僅因為你能夠識別瓶頸並消除它們,所以人們可以快速行動?你怎麼看為什麼你的公司能夠快速行動?埃隆·馬斯克:我不斷地解決限制因素。在截止日期方面,我通常實際上試圖設定一個我認為至少有50%機率實現的截止日期。所以這不是一個不可能的截止日期,而是我能想到的、有50%機率可以達到的最激進的截止日期。這意味著有一半的時間它會延遲。有一個適用於時間表的氣體膨脹定律。如果你說我們將在五年內做某事,對我來說那就像是無限的時間,它就會膨脹以填滿可用的時間表,並且會花五年時間。物理學會限制你做某些事情的速度。所以擴大製造規模,你移動原子和擴大製造規模有一個速率。這就是為什麼你不可能一下子每年製造一百萬件東西。你必須設計生產線。你必須啟動它。你必須經歷生產的S曲線。我能說些什麼對人們真正有幫助的話呢?一般來說,狂熱的緊迫感是非常重要的一件事。你想要一個積極的時間表,並且你想弄清楚在任何時間點什麼是限制因素,並幫助團隊解決那個限制因素。約翰·科裡森:星鏈的醞釀花了多年時間。埃隆·馬斯克:在公司成立初期我們就一直在談論它。約翰·科裡森:所以你當時在雷德蒙德建立了一個團隊,然後在某個時間點你認定這個團隊就是不行。它緩慢進行了幾年,那你為什麼沒有更早行動,而你行動的時候為什麼是那個時機?為什麼那個時刻是行動的合適時機?埃隆·馬斯克:我每周都有這些非常詳細的工程評審。這也許是一個非常不尋常的細節水平。我不知道有那個經營公司(至少是製造公司)的人會像我這樣深入到細節。並不是說……我通過詳細過問事情,對實際發生的情況有相當好的瞭解。我非常相信越級會議,不是讓向我匯報的人說事情,而是讓向他們匯報的每個人在技術評審中發言。而且不能有提前準備。否則你就會得到“糊弄”,就像我最近常說的那樣。約翰·科裡森:沒錯。非常Z世代的說法。德瓦克什·帕特爾:非常Z世代的說法。埃隆·馬斯克:非常Z世代。德瓦克什·帕特爾:你如何防止提前準備?你是隨機點名嗎?埃隆·馬斯克:不,我只是在房間裡輪流點名。每個人提供一個更新。這需要記住很多資訊。如果你每周或每周兩次開會,你會記下那個人說的話。然後你可以繪製進展點。你可以在腦中繪製曲線上的點,然後說:“我們是在趨近於一個解決方案嗎?”我只有在得出結論,認為除非採取激烈行動,否則成功不在可能的結果集中時,才會採取激烈行動。所以當我最終得出那個結論,即除非採取激烈行動,否則我們毫無成功機會時,我就必須採取激烈行動。我在2018年得出了那個結論,採取了激烈行動並解決了問題。德瓦克什·帕特爾:你有很多很多公司。聽起來你在每個公司都深入瞭解相關的瓶頸是什麼,以便你能和人們進行這樣的評審。你能夠將其擴展到五、六、七個公司。在其中一個公司內部,你有很多不同的迷你公司。是什麼決定了這裡的最大數量?因為你有80家公司……?埃隆·馬斯克:80?不。德瓦克什·帕特爾:但你已經有很多了。這已經很了不起了。約翰·科裡森:按目前的數字。德瓦克什·帕特爾:沒錯。約翰·科裡森:我們連一個公司都難以維持。埃隆·馬斯克:這要看情況。我實際上與無聊公司沒有定期會議,所以無聊公司算是順利發展。基本上,如果某件事進展順利,取得良好進展,那麼我就沒必要在上面花時間。我實際上是按照限制因素來分配時間。那裡有問題?我們在那些方面遇到阻礙?是什麼拖了我們的後腿?我專注於——雖然我不想再重複這個詞了——限制因素。埃隆·馬斯克:諷刺的是,如果某件事進展順利,他們不會經常見到我。但如果某件事進展糟糕,他們會經常見到我。或者甚至不是糟糕……約翰·科裡森:如果某件事是限制因素。埃隆·馬斯克:限制因素,沒錯。不一定是進展糟糕,而是我們需要它更快發展的事情。約翰·科裡森:當SpaceX或特斯拉的某件事成為限制因素時,你是每周還是每天與負責的工程師交談?實際怎麼運作的?埃隆·馬斯克:大多數作為限制因素的事情是每周一次,有些是每周兩次。AI5晶片的評審是每周兩次。每個星期二和星期六是晶片評審。約翰·科裡森:會議時間長短是開放式的嗎?埃隆·馬斯克:技術上,是的,但通常是兩到三個小時。有時更短。這取決於我們需要過多少資訊。約翰·科裡森:這是另一件事。我只是想梳理出這裡的差異,因為結果似乎相當不同。我認為瞭解不同的輸入是什麼很有趣。感覺在企業界,首先,正如你所說,CEO進行工程評審並不總是發生,儘管那正是公司正在做的事情。但時間通常被精細地切成半小時會議甚至15分鐘會議。看起來你主持的是更多開放式的、“我們一直討論直到解決問題”類型的會議。埃隆·馬斯克:有時候是。但大多數似乎都或多或少地按時結束。今天的星艦工程評審時間稍長,因為有更多話題要討論。他們正在努力研究如何將入軌能力擴展到每年超過100萬噸。這相當具有挑戰性。*DOGE(政府開支削減)*德瓦克什·帕特爾:我能問個問題嗎?你說過Optimus和AI將在幾年內帶來兩位數的經濟增長率。埃隆·馬斯克:哦,像經濟一樣?是的。我認為沒錯。德瓦克什·帕特爾:那麼DOGE削減開支的意義何在?如果經濟將大幅增長?埃隆·馬斯克:嗯,我認為浪費和欺詐不是什麼好事。我其實很擔心……如果沒有AI和機器人,我們實際上完全搞砸了,因為國債正在瘋狂堆積。國債的利息支付已經超過了軍費預算,而軍費預算是1兆美元。所以我們光是利息支付就超過1兆美元。我之前對此相當擔心。也許如果我花些時間,我們可以減緩美國的破產速度,為我們爭取足夠的時間,讓AI和機器人幫助解決國債問題。或者說不是幫助解決,而是唯一能夠解決國債的東西。沒有AI和機器人,我們國家1000%會破產和失敗。沒有其他東西能解決國債問題。我們只需要足夠的時間來建造AI和機器人,以便在破產之前完成。德瓦克什·帕特爾:我想好奇的是,當DOGE開始時,你擁有巨大的改革能力。埃隆·馬斯克:沒那麼巨大。德瓦克什·帕特爾:當然。我完全同意你的觀點,即AI和機器人推動生產力提升、驅動GDP增長非常重要。但為什麼不直接針對你指出的那些東西,比如某些元件的關稅,或者許可?埃隆·馬斯克:我不是總統。而且,即使是削減非常明顯的浪費和欺詐,也是極其困難的。我發現,即使削減政府中非常明顯的浪費和欺詐也極其困難,因為政府必鬚根據誰在抱怨來運作。如果你切斷對欺詐者的支付,他們立即會提出聽起來最令人同情的理由來繼續獲得支付。他們不會說:“請讓欺詐繼續下去。”他們會說:“你們在殺害貓熊寶寶。”同時,沒有任何貓熊寶寶死亡。他們只是編造的。欺詐者能夠編造出極其引人注目、令人心碎但卻是虛假的故事,儘管聽起來很令人同情。事情就是這樣。也許我本該更清楚。但我當時想,等等,讓我們試著從政府中削減一些浪費和肥肉。也許不應該有2000萬在社會保障系統中被標記為健在的人,而他們肯定已經死亡且年齡超過115歲。美國最年長的人是114歲。所以可以肯定地說,如果有人在社會保障資料庫中年齡為115歲且被標記為健在,要麼是錄入錯誤……應該有人打電話給他們說:“我們似乎弄錯了你的生日,或者我們需要將你標記為已故。”兩種情況之一。約翰·科裡森:接到這種電話會非常嚇人。埃隆·馬斯克:嗯,這似乎是合理的事情。比如說,如果他們的生日在未來,並且他們有一筆小企業管理局貸款,他們的生日是2165年,那麼我們要麼弄錯了,要麼存在欺詐。所以我們會說:“我們似乎弄錯了您出生的世紀。”約翰·科裡森:或者是一個很棒的電影情節。埃隆·馬斯克:是的。我就是這個意思,荒唐的欺詐。德瓦克什·帕特爾:這些人當時在領取款項嗎?埃隆·馬斯克:有些人從社會保障局領取款項。但主要的欺詐途徑是將某人在社會保障系統中標記為健在,然後利用其他所有政府支付系統進行欺詐。因為這些其他政府支付系統只會向社會保障資料庫做一個“你是否健在”的檢查。這是一個間接手段。德瓦克什·帕特爾:你估計這種機製造成的欺詐總額是多少?埃隆·馬斯克:順便說一下,政府問責局以前做過這些估計。我不是唯一一個。事實上,我認為政府問責局在拜登政府期間做過一項分析,粗略估計了欺詐金額,大約為5000億美元。所以別信我的話。看看拜登政府期間發佈的報告。怎麼樣?德瓦克什·帕特爾:是來自這個社會保障機制的嗎?埃隆·馬斯克:這只是眾多之一。重要的是要認識到,政府非常無效於阻止欺詐。不像公司,阻止欺詐有動力,因為它影響公司的收益。政府只是印更多的錢。你需要關心和勝任。這在聯邦層面是稀缺的。當你去車管局,你會想“哇,這裡是能力的堡壘”嗎?嗯,現在想像一下比車管局還糟糕,因為這是能印錢的車管局。至少州一級的車管局需要……州政府或多或少需要保持在預算內,否則就會破產。但聯邦政府只是印更多的錢。德瓦克什·帕特爾:如果實際上有5000億美元的欺詐,為什麼不可能全部削減掉?埃隆·馬斯克:你真的需要退一步,重新校準你對能力的期望。因為你生活在一個必須收支平衡的世界裡……德瓦克什·帕特爾:得買麥克風。埃隆·馬斯克:沒錯。不像存在一個巨大的、基本不關心人的官僚怪獸和一堆過時的電腦,只是在傳送支付。DOGE團隊做的一件事聽起來非常簡單,可能每年能節省1000-2000億美元。只是要求從主要的財政部電腦——叫做PAM,支付帳戶主控之類的,每年有5兆美元的支付——發出的支付必須有一個撥款程式碼。使其成為強制性的,而非可選的,在備註欄位中必須有內容。你必須重新校準事情有多愚蠢。支付在沒有撥款程式碼、沒有對照任何國會撥款、也沒有任何解釋的情況下就發出去了。這就是為什麼戰爭部,前國防部,無法通過審計,因為資訊字面上就不存在。重新校準你的期望。德瓦克什·帕特爾:我想更好地理解這5000億美元的數字,因為2024年有一份監察長的報告。埃隆·馬斯克:為什麼這麼低?德瓦克什·帕特爾:也許,但他們發現七年來,社會保障欺詐他們估計大約為700億美元,所以每年大約100億美元。所以我很好奇另外的4900億美元是什麼。埃隆·馬斯克:聯邦政府支出每年是7.5兆美元。你認為政府有多能幹?德瓦克什·帕特爾:那裡的可自由支配支出大約是……15%?埃隆·馬斯克:但這沒關係。大多數欺詐是非自由裁量的。基本上是欺詐性的醫療保險、醫療補助、社會保障、殘疾救濟。政府支付種類繁多。其中很多支付實際上是給各州的整筆撥款。所以在很多情況下,聯邦政府甚至沒有資訊來知道是否存在欺詐。讓我們考慮歸謬法。政府是完美的,沒有欺詐。你對這種可能性的估計機率是多少?零。那麼,你會說,欺詐和浪費,政府的效率是90%嗎?那也已經相當慷慨了。但如果只有90%,那意味著每年有7500億美元的浪費和欺詐。而且並不是90%。它沒有90%的有效性。德瓦克什·帕特爾:這似乎是一種奇怪的第一性原理方法來估算政府中的欺詐金額。就像,你認為有多少?無論如何,我們不用現場算,但我很好奇——埃隆·馬斯克:你很瞭解Stripe的欺詐情況吧?人們一直在試圖欺詐。約翰·科裡森:是的,但正如你所說,這有點……我們確實把欺詐降得很低了,但這裡處理的是一個比我們更異質化的欺詐向量集合。埃隆·馬斯克:但在Stripe,你有很高的能力,並且努力嘗試。你既有高能力又有高度關注,但欺詐仍然不是零。現在想像一下,規模要大得多,能力卻差得多,關注也少得多。在PayPal早期,我們努力將欺詐控制在支付量的大約1%。這非常困難。需要大量的能力和關注才能將欺詐僅僅降至1%。現在想像一下,你是一個能力和關注度都差得多的組織。欺詐將遠遠超過1%。約翰·科裡森:現在回顧政治和在那裡的作為,你感覺如何?從外部看,有兩件事相當有影響力:一是美國政治行動委員會(America PAC),二是當時對Twitter的收購。但似乎也有不少心痛。你對整個經歷的評價如何?埃隆·馬斯克:我認為為了最大化未來是美好的機率,那些事情必須做。政治通常非常部落化。人們通常在政治上會失去客觀性。他們通常很難看到對方陣營的優點或己方陣營的缺點。這通常是常態。我想這是最讓我驚訝的事情之一。你經常根本無法與人們講道理。如果他們身處某個部落。他們只是相信他們部落所做的一切都是好的,而另一個政治部落所做的任何事情都是壞的。說服他們改變想法幾乎是不可能的。但我認為總的來說,那些行動——收購Twitter、讓川普當選,儘管這讓很多人憤怒——我認為那些行動對文明是有益的。德瓦克什·帕特爾:這與你所期待的未來有何關聯?埃隆·馬斯克:嗯,美國需要足夠強大,以便有足夠的時間將生命擴展到其他星球,並將AI和機器人發展到能夠確保未來是美好的程度。另一方面,如果我們陷入,比如說,共產主義或某種國家極度壓迫的局面,那將意味著我們可能無法成為多行星物種。國家可能會扼殺我們在AI和機器人方面的進展。德瓦克什·帕特爾:Optimus,Grok,等等。不只是你的產品,任何追求收入最大化的公司的產品,隨著時間的推移都將被政府利用。這種擔憂如何體現在私營公司應該願意給政府什麼?什麼樣的護欄?AI模型應該被要求去做政府外包給它們並要求它們做的任何事情嗎?Grok是否可以說:“實際上,即使軍方想做X,不,Grok不會做那個”?埃隆·馬斯克:我認為AI和機器人可能出錯的最大危險也許是政府。那些反對公司或擔心公司的人,最應該擔心的是政府。因為政府只是一個極限狀態下的公司。政府只是最大、擁有暴力壟斷權的公司。我總是發現一個奇怪的二分法,人們會認為公司是壞的,但政府是好的,而政府只不過是最大、最糟糕的公司。但人們有這種二分法。他們不知何故同時認為政府可以是好的,但公司是壞的,這並不正確。公司的道德水準比政府更好。我確實認為這是一件值得擔心的事情。政府可能會利用AI和機器人來鎮壓人口。這是一個嚴重的擔憂。德瓦克什·帕特爾:作為製造AI和機器人的人,你如何防止這種情況?埃隆·馬斯克:如果你限制政府的權力——這確實是美國憲法的目的,限制政府的權力——那麼你可能會得到比擁有更多政府更好的結果。約翰·科裡森:機器人技術將對所有政府開放,對吧?埃隆·馬斯克:我不知道是否對所有政府。很難預測。我可以說終點是什麼,或者說許多年後是什麼樣子,但很難預測通往那裡的路徑。如果文明進步,AI將遠遠超過所有人類智能的總和。機器人的數量將遠遠超過人類。在此過程中會發生什麼非常難以預測。德瓦克什·帕特爾:似乎你可以做的一件事就是直接說,“無論政府X,你都不允許使用Optimus做X,Y,Z。”直接制定一個政策。我想你最近還發推說Grok應該有一個道德憲法。其中一條可以是限制政府被允許用這項先進技術做什麼。埃隆·馬斯克:從技術上講,如果政治家通過了一項法律,並且他們能夠執行該法律,那麼很難不去遵守它。我們能擁有的最好的東西是有限政府,在那裡行政、司法和立法部門之間有適當的制衡。德瓦克什·帕特爾:我之所以好奇,是因為在某個時間點,限制似乎會來自於你。你擁有Optimus,你擁有太空GPU……埃隆·馬斯克:你認為我會成為政府的老闆?德瓦克什·帕特爾:對於SpaceX來說,這已經是現實了——對於某些至關重要的事情,比如政府真的很關心將某些衛星送入太空或其他什麼,它需要SpaceX。它是必要的承包商。你正在建構越來越多的未來技術元件,這些元件將在不同行業中扮演類似的角色。你可能有能力制定一些政策,比如以任何方式壓制古典自由主義……“我的公司不會以任何方式幫助那種事”,或者類似的政策。埃隆·馬斯克:我會盡我所能,確保任何在我控制範圍內的事情都能最大化對人類有益的結果。我認為任何其他做法都是短視的,因為我顯然是人類的一部分,所以我喜歡人類。支援人類。*太空GPU*德瓦克什·帕特爾:你提到Dojo 3將用於基於太空的計算。埃隆·馬斯克:你真的很仔細看我說的話。德瓦克什·帕特爾:我不知道你是否知道Twitter,但你有大量的粉絲。埃隆·馬斯克:顯而易見了。我把秘密都貼出來了,你怎麼辨別出來的?德瓦克什·帕特爾:你如何為太空設計晶片?有什麼變化?埃隆·馬斯克:你會希望它設計得更抗輻射,並在更高的溫度下運行。粗略地說,如果你將開爾文溫度下的工作溫度提高20%,你就可以將散熱器質量減半。所以在太空中,在更高溫度下運行是有益的。你可以做各種事情來遮蔽記憶體。但神經網路對位翻轉的抵抗力會非常強。輻射導致的大部分是隨機位翻轉。但如果你有一個數兆參數的模型,發生幾次位翻轉並不重要。啟髮式程序將比一些巨大的參數檔案對位翻轉敏感得多。我只是把它設計成能在高溫下運行。我想除了讓它運行得更熱之外,你設計的方式基本上和在地球上做的一樣。德瓦克什·帕特爾:太陽能陣列佔了衛星的大部分重量。有沒有辦法讓GPU變得比輝達、TPU等計畫中的更強大,尤其是在基於太空的世界裡特別有優勢?埃隆·馬斯克:基本計算是,如果每個掩範本(reticle)的晶片能處理大約1千瓦的功率,那麼你需要1億個完整的掩範本晶片才能實現100吉瓦的功率。根據你的良率假設,這告訴你需要製造多少晶片。如果你要有100吉瓦的電力,你需要1億個能持續運行在1千瓦的晶片,每個掩範本一個晶片。基本計算。德瓦克什·帕特爾:1億個晶片取決於……如果你看像Blackwell GPU這樣的晶片尺寸,以及一個晶圓能產出多少個,你一個晶圓能得到幾十個或更少。所以基本上,在這個每年都要發射這麼多到太空的世界裡,你每個月要生產數百萬個晶圓。這就是TeraFab計畫的目標?每個月數百萬個先進工藝節點的晶圓?埃隆·馬斯克:是的,可能超過100萬之類。你還得做記憶體。德瓦克什·帕特爾:你會建記憶體工廠嗎?埃隆·馬斯克:我想TeraFab必須做記憶體。它必須做邏輯晶片、記憶體和封裝。德瓦克什·帕特爾:我很好奇一個人如何開始。這是人類製造過的最複雜的東西。顯然,如果有人能勝任這個任務,那就是你了。所以你意識到這是個瓶頸,然後去找你的工程師。你告訴他們做什麼?“我希望到2030年每個月生產100萬個晶圓。”埃隆·馬斯克:沒錯。這正是我想要的。德瓦克什·帕特爾:你給ASML打電話嗎?下一步是什麼?約翰·科裡森:這問題問得太多了。埃隆·馬斯克:我們先建一個小工廠,看看會發生什麼。在小規模上犯錯,然後再建一個大的。德瓦克什·帕特爾:小工廠已經建了嗎?埃隆·馬斯克:不,還沒建。我們不會把那隻貓藏在袋子裡。那隻貓會從袋子裡出來的。無人機會在那該死的東西上空盤旋。你將能夠在X上即時看到它的建設進展。聽著,我不知道,我們可能只是失敗,老實說。成功並不保證。既然我們想嘗試製造大約1億個……我們希望到2030年有100吉瓦的電力,以及能夠承載100吉瓦電力的晶片。我們的供應商能給我們多少晶片,我們就要多少。實際上我已經跟台積電、三星和美光說過了:“請建更多工廠,更快地建”。我們將保證購買這些工廠的產出。所以他們已經以最快的速度在行動了。是我們加上他們。約翰·科裡森:有一種說法是,做AI的人希望盡快獲得大量晶片。然後許多供應商,無論是工廠還是渦輪機製造商,都沒有快速提高產量。埃隆·馬斯克:不,他們沒有。約翰·科裡森:你聽到的解釋是,他們天生保守。他們是台灣人或德國人,故事可能是這樣的。他們就是不相信……這真的是解釋嗎,還是有別的原因?埃隆·馬斯克:嗯,如果有人在電腦記憶體行業幹了三四十年,這是合理的……約翰·科裡森:他們見過周期。埃隆·馬斯克:他們見過10次繁榮和蕭條。那有很多層傷疤。在繁榮時期,看起來一切都將永遠美好。然後崩盤發生,他們拚命避免破產。然後又有一個繁榮,又一個崩盤。約翰·科裡森:還有其他你覺得別人應該去追求,而你現在由於某種原因沒有追求的想法嗎?埃隆·馬斯克:有幾家公司正在探索製造晶片的新方法,但他們沒有快速擴大規模。約翰·科裡森:我甚至不是指AI內部,只是泛指。埃隆·馬斯克:人們應該去做他們發現自己有強烈動力去做的事情,而不是我建議的某個想法。他們應該做他們認為個人感興趣、有動力去做的事情。但是回到限制因素……這個詞我用了大約100次。在當前三到四年的時間框架內,我看到的限制因素是晶片。在一年內的時間框架內,是能源、電力生產、電力。我不清楚是否有足夠的可用電力來啟動所有正在製造的AI晶片。到今年年底左右,我認為人們在啟動晶片方面會遇到真正的麻煩……晶片產量將超過啟動晶片的能力。德瓦克什·帕特爾:你打算如何應對那個世界?埃隆·馬斯克:我們正試圖加速電力生產。我想這可能也是為什麼xAI可能會成為領導者,希望是領導者。我們將能夠比其他人更快地啟動更多晶片,因為我們擅長硬體。總的來說,那些自稱實驗室的公司,其創新思想往往會流動……通常差異不會超過六個月左右。思想隨著人在不同公司間流動。所以我想你基本上會撞上硬體牆,然後那個公司能最快地擴展硬體,那個公司就會成為領導者。所以我認為xAI將能夠最快地擴展硬體,因此最有可能成為領導者。約翰·科裡森:你開玩笑或自嘲又用了“限制因素”這個詞。但我認為這裡面確實有深刻的東西。如果你看看我們整個對話中觸及的許多事情,也許這是一個很好的結束點。如果你想像一個衰老的、低能動性的公司,它會遇到某個瓶頸,但不會真正去解決它。馬克·安德森說過一句話:“大多數人願意忍受任何程度的慢性痛苦,以避免急性痛苦。”感覺我們談論的很多情況只是直面急性痛苦,無論它是什麼。“好吧,我們必須想辦法用鋼材,或者我們必須想辦法在太空運行晶片。”我們會承受一些近期的急性痛苦,來真正解決瓶頸。所以這似乎是一個統一的主題。埃隆·馬斯克:我有很高的痛苦閾值。這很有幫助。約翰·科裡森:來解決瓶頸。埃隆·馬斯克:是的。我能說的是,我認為未來會非常有趣。正如我在達沃斯所說的——我想我大概在那裡待了三個小時左右——在樂觀方面犯錯,比在悲觀方面犯錯但正確,對生活質量來說更好。如果你在樂觀方面犯錯,你會比在悲觀方面犯錯更快樂。所以我建議在樂觀方面犯錯。約翰·科裡森:謝謝你這麼說。德瓦克什·帕特爾:酷。埃隆,謝謝你做這次訪談。約翰·科裡森:謝謝你。埃隆·馬斯克:好的,謝謝你們。好的。約翰·科裡森:耐力真好。德瓦克什·帕特爾:希望這在承受範圍內,還不算痛苦。 (華爾街見聞)
薩姆·奧特曼談AI的未來:AI 將顛覆“工程師”定義;人類注意力成稀缺資源;AI 成本將降 100 倍……
Sam Altman在 OpenAI 的 Town Hall 會議上與AI建構者們進行對話,他主要談了以下觀點:Sam Altman 認為,AI 正在重新定義“工程師”與“創造者”的角色。未來的軟體開發門檻極低,人類不再主要手寫程式碼,而是通過指令與 AI 協同完成複雜建構。AI 會讓人人都能開發、擁有個性化的軟體,但真正的瓶頸將轉向“如何讓人關心”——在注意力稀缺時代,創意與市場執行力仍是核心競爭力。他強調,多智能體(agent)與工具生態將百花齊放,不會形成單一壟斷。最大機會是在人機互動層——讓更多人真正高效使用模型。AI 的通用性與專業性會不斷融合,未來的模型既能推理又能寫作溝通。Altman 預測,AI 是強通縮力量,將極大降低創造成本並改變經濟結構,同時帶來巨大的個人賦能與潛在不平等風險。政策應防止權力過度集中。科學研究將進入“人機共研”階段,AI 扮演“無限博士後”,而人類提供直覺與判斷。在安全上,他主張從“限制訪問”轉向“提升韌性”,尤其關注生物安全領域。教育與創意領域中,人類仍以情感與洞察為核心,AI 是思維與合作的放大器。未來關鍵技能不再是程式設計,而是主動性、創造力、判斷力與合作。總體而言,Altman 描繪的是一個“人人可借 AI 實現想法”的時代——技術普及,但人性與社會設計將決定其真正價值。訪談完整實錄如下:Sam Altman: 非常感謝大家前來。當我們著手構思下一代開發者工具,以及如何駕馭即將問世的強大模型時,我們渴望聽取大家的想法與顧慮,並回答各位的疑問。希望今天的交流能讓我們更清晰地知道該為大家建構什麼,以及如何讓這些強大的模型真正發揮效用。我想先從 Twitter 上的一個問題開始。關於軟體工程領域的傑文斯悖論(Jevons paradox),你們持何立場?如果人工智慧大幅降低了程式碼生成的門檻和成本,這會減少對軟體工程師的需求嗎?還是說,更廉價的定製軟體會極大地刺激需求,讓工程師在未來幾十年仍有飯吃?我認為“工程師”的定義將發生巨變。 未來的價值創造,將更多地源於指揮電腦完成自己的工作、替他人完成工作,以及構想如何為他人創造有價值的體驗。工作的形態——無論是在編寫程式碼、偵錯,還是其他任務上花費的時間——都將徹底改變。工程領域經歷過多次類似的演變,每一次——至少到目前為止——結果都是更多人得以參與其中,發揮作用,世界也因此變得更加“軟體化”。對軟體的需求似乎從未放緩。我的預測是,未來我們許多人將使用專為個人或極少數人編寫的軟體,並且我們將持續定製屬於自己的軟體。因此,我認為我們將見證更多人指揮電腦去實現他們的想法,這與我們今天的工作方式截然不同。如果你們把這也算作軟體工程,那麼我們將會看到這種實踐的大爆發。我相信,全球 GDP 中將有更大比例通過這種方式創造和消費。現場提問者: 首先感謝給我們提問的機會。作為消費者,我是 ChatGPT 的重度使用者。我在 Reddit 上看到大家用 Codex、Lovable 或 Cursor 建構各種東西。但現在的瓶頸似乎變成了“推向市場”(Go-To-Market, GTM),對吧?我可以把東西造出來,但如何找到願意為此買單或受益的人?這才是瓶頸。我想聽聽您的看法。Sam Altman: 在我之前於 Y Combinator 工作時,創業者們常說:“我原以為最難的是建構產品,結果發現最難的是讓別人關心、使用或喜愛它,或者是建立人與產品的連接。”這一點從未改變,只不過現在建構產品變得如此容易,才讓這種反差更加明顯。對此我沒有簡單的答案。建立成功的企業、尋找差異化價值、搞定市場推廣,這些始終是難題。舊的商業法則依然適用。 AI 降低了軟體開發的門檻,但這並不意味著其他環節也會隨之變得簡單。當然,就像 AI 改變了軟體工程一樣,人們也開始利用它實現銷售和行銷的自動化,並取得了一定成效。但這註定是艱難的,因為即便在一個物質極大豐富的世界裡,人類的注意力依然是極度有限的資源。你永遠在與其他試圖建立市場管道、爭奪分銷網路的人競爭,而每一個潛在客戶都忙得不可開交。我可以構想一個未來:當一切都極大豐富時,人類的注意力將成為僅存的稀缺商品。所以,這依然會很艱難,你必須有極具創意的想法,打磨出偉大的產品。George: 謝謝 Sam,我是 George,一名獨立開發者。我正在基於 Codex SDK 開發,試圖建構一種協調多個智能體(Agents)的方法。我有關於你們的“智能體建構工具”及其產品願景的問題。目前它主要是工作流和鏈式提示詞。我想知道,作為一個基於此開發的開發者,我的處境安全嗎?你們認為未來會有各種不同的多智能體協調 UI 共存的空間嗎?還是說 OpenAI 會壟斷這一領域?Sam Altman: 不,我們並不認為自己掌握了最佳介面的終極答案,也不確定人們最終會如何使用它。我們確實看到有人建構了令人驚嘆的多智能體架構,也有人做出了極佳的單一互動式線程。我們無法獨自解決所有問題,而且並非所有人的需求都一致。這就好比老電影裡的場景,有人喜歡坐在 30 個螢幕前,監控著瘋狂的系統,進行各種操作;也有人只想要一種非常平靜的語音模式,每小時只跟電腦說一句話。電腦在後台處理大量事務,不需要持續監督,他們只需深思熟慮後下達指令。就像許多事物一樣,人們需要嘗試不同的方法來找到自己的偏好。世界可能會收斂於幾種主流模式,但我們無法預知一切。我認為,建構工具來幫助人們高效利用這些極其強大的模型,是一個極好的方向。這正是目前所缺失的。模型的能力與大多數人理解並利用這些能力之間,存在著巨大且不斷增長的鴻溝。 肯定會有人建構出真正填補這一鴻溝的工具,但目前還沒人完全做到。我們也會嘗試推出自己的版本,但這個領域空間廣闊,且使用者偏好各異。如果你們有任何希望我們建構的功能,請告訴我們,我們會嘗試。Valerie Chapman: 你好 Sam,我是 Valerie Chapman,我正在 OpenAI 平台上開發 Ruth。我很想聽聽你的看法:目前女性因薪酬差距遭受了巨大的經濟損失。你認為人工智慧如何解決這幾十年來存在的經濟不平等問題?Sam Altman:這有個好消息——當然情況也很複雜——但在我看來,主要的利多在於:人工智慧將帶來強大的通貨緊縮效應。我對此做過反覆推演,雖然你可以想像一些極端情況,比如全世界的資金都湧向自我複製的資料中心等,但總體而言,特別是考慮到腦力勞動的進步,以及機器人技術等領域即將到來的突破,我們將面臨巨大的通貨緊縮壓力。我之所以說“絕大多數是好消息”,是因為雖然仍有一些複雜的問題待解,但事物的成本將大幅降低。除了那些受限於社會或政府政策阻礙的領域(比如在舊金山建造更多住房),我預計這種變化將相當強勁且迅速。無論社會結構是否天然向個人傾斜,個人賦權(Personal Empowerment) 看起來都將日益增強。我至今仍覺得很難完全消化這一變革的深遠意義。我敢斷言,到今年年底,僅需幾百或一千美元的推理算力成本,你就能完成以前需要一個團隊耗時一年才能建構的軟體。 這真的很難——至少對我來說——很難完全理解這種經濟變革的規模。這應當是一件極具賦權意義的事情。海量的資訊觸手可及,創造新事物、新公司以及發現新科學的成本急劇下降。我認為這應該成為推動社會公平的力量,讓那些未曾獲得公平對待的人擁有真正的機遇。當然,前提是我們不能在政策上搞砸,因為風險確實存在。我擔心在一個想像中的世界裡,人工智慧會導致權力和財富的過度集中。因此,避免這種情況發生,必須成為政策的主要目標之一。Ben Hilak: 大家好,我是 Raindrop 公司的 CTO Ben Hilak。我想請教一下,在展望未來時,您如何看待模型“專業化”與“通用化”之間的平衡?比如 GPT-4.5,我認為它是第一個真正擅長寫作的模型。我至今記得看到它的輸出時感嘆:“寫得真棒”。最近在 Twitter 和 X 上有很多關於 GPT-5 寫作能力以及 ChatGPT 變得有些難以駕馭、晦澀難懂的討論。當然,GPT-5 是一個更好的代理模型,在工具使用、中間推理等方面都表現出色。感覺現在的模型有點“偏科”(Spiky),甚至更極端了——在程式設計等領域非常突出,而在寫作等領域則稍遜一籌。我想知道 OpenAI 是如何看待這一特徵的?Sam Altman: 我們在這方面確實做得不夠好。我們希望未來的 GPT-5 系列版本在寫作上能比 4.5 更出色。我們確實決定——並且我認為理由充分——將 5.2 版本的大部分精力投入到提升智能、推理、程式設計和工程能力上。我們的精力畢竟有限,有時難免顧此失彼。但我相信未來將主要是非常優秀的通用模型。即使你想開發一個專精程式設計的模型,如果它也能寫得一手好文案,那就更完美了。比如,當你讓它生成一個完整的應用程式時,你會希望其中包含優質的文字;當它與你互動時,你會希望它擁有周到、敏銳的個性並能清晰溝通。我所說的“寫得好”是指思路清晰,而非單純的辭藻華麗。所以我希望未來的模型能在所有這些方面都變得非常出色。我相信我們能做到。智能具有相當的靈活性,我們可以讓單個模型兼顧各方。現在確實是推動“編碼智能”的關鍵時刻,但我們也會努力在其他方面迅速補齊短板。稍後我會回答幾個來自 Twitter 的問題,請繼續。現場提問者2: 我是 Unify 公司的 CTO。您剛才提到我們正在做市場推廣自動化。我們一直在思考並投入精力的是“永遠線上的 AI”,也就是您之前提到的“智能將便宜到可以隨意使用”。對我們而言,為客戶運行數百萬甚至上億個代理(Agents)的最大瓶頸是成本。您如何看待小模型的發展、成本問題,以及未來幾年開發者將迎來的顯著成本降低?Sam Altman: 我認為我們可以在 2027 年底之前提供類似 GPT-5 水平的高級智能……有人想猜猜成本嗎?我猜至少會便宜 100 倍。但還有一個我們過去沒太考慮的維度。現在隨著模型輸出變得越來越複雜,人們對交付速度(Latency)的要求甚至超過了成本。我們在降低成本曲線上一直做得很好——你可以看看從最初的 o1 preview 到現在的進步。但我們之前沒有過多考慮如何在保持同樣輸出質量的前提下大幅提升速度,這可能導致成本上升。對於你提到的許多應用場景,人們會非常需要高速度。我們必須弄清楚如何在這兩者之間取得平衡,不幸的是,這是兩個截然不同的難題。假設我們只關注成本,假設這是你和市場想要的,那我們可以將成本降得非常低。也就是回答幾個關於介面的問題:當前的介面並非為代理而設計。關於定製化代理介面的創新如何加速微應用趨勢?我在自己最近使用 Codex 的過程中注意到了這一點。我不再將軟體視為靜態的事物。 如果我有一個小問題,我希望電腦能立即編寫程式碼來解決它。這種趨勢將進一步發展。我預感,我們要徹底改變使用電腦和作業系統的方式。我不認為每次需要編輯文件時,都會當場編寫一個新版本的文書處理器,因為我們習慣了固定的介面,按鈕的位置也很重要。但對於很多其他事情,我們會期望軟體是為我們“量身定製”的。也許我每次都用同一個文書處理器,但我有一些獨特的使用習慣,我希望軟體能越來越適應我——即核心軟體是靜態或緩慢演進的,但體驗是高度定製的。我的用法和你的不同。這種工具不斷演變並僅為我們個人收斂的趨勢,似乎即將發生。當然,在 OpenAI 內部,大家已經將 Codex 融入工作流程,每個人都有自己的定製小功能,使用方式大相逕庭。這一點似乎是肯定的。關於“建構者應該如何考慮持久性”以及“初創公司的功能是否會被模型更新取代”的問題,也就是你問的“OpenAI 承諾不會吞噬那一層堆疊”?認為商業的“物理定律”已經完全改變是很誘人的,但實際上並沒有。或許它們會隨時間改變,但目前唯一改變的是:你可以更快地完成工作,更快地建立新軟體。但是,建構成功初創公司的所有其他規則——獲客、市場切入、使用者粘性、護城河、網路效應、競爭優勢——這些統統沒有變。這對我們也一樣。有很多初創公司做了我們在完美世界裡本該早點做的事,但現在已經太晚了,因為他們已經建立了真正的持久優勢。這種情況將繼續發生。我總是給人們一個通用的思考框架:如果 GPT-6 是一次驚人的重大升級,你的公司會因此高興還是難過? 我鼓勵大家建構那些隨著模型變強而受益的產品。有很多東西可以這樣建構。反之,那些僅僅依靠修補模型缺陷(而模型升級後缺陷消失)的生意,雖然如果積累了足夠優勢也能存活,但這是一條更艱難、壓力更大的道路。最後一個問題,關於代理(Agent)。代理能夠自主運行長時間工作流程而無需持續人工干預的現即時間表是多久?考慮到即使簡單的鏈上任務通常在五到十步後就會中斷。OpenAI 有人想回答嗎?現場提問者3: 我覺得這很大程度上取決於任務類型。在 OpenAI 內部,我們看到人們以一種非常特殊的方式使用程式碼提示(Code Prompting)。也許他們在使用 SDK,就像一個自訂框架,不斷提示它繼續運行。所以,這主要不是“何時”的問題,而是“視野拓展”的問題。如果你有一個非常具體的、你非常瞭解的任務,不妨今天就去嘗試。如果你一開始就想“我要提示模型去建立一家公司”,那是一個過於開放的問題,驗證循環會非常困難。所以我建議你思考:如何將其分解成不同的子問題,讓代理可以自我驗證,最後由我來驗證最終輸出?隨著時間推移,我們可以讓代理處理越來越廣泛的任務。Sam Altman: 還有其他問題嗎?Sam: 嗨,Sam。我想回到關於人類注意力和 GTM(市場推廣)的問題上。我一直認為,從消費者角度看,人類的注意力是限制因素;而對於建構者來說,限制因素是想法的質量。我想問的是:我花了很多時間幫助 AI 公司制定 GTM 策略,但很多時候,他們的產品實際上並不值得人們關注。那麼,人們如何才能提出好想法?你們可以建構什麼樣的工具來提高人們想法的質量?Sam Altman: 很多人喜歡將 AI 的輸出稱為“垃圾內容”(Slop),但世界上也有很多人類製造的“垃圾內容”。提出好的新想法非常困難,我越來越相信,我們思考的邊界受到工具的限制。我認為我們需要建構幫助人們產生好想法的工具。隨著創作成本的持續暴跌,我們將能夠建立非常緊密的反饋循環,從而更快地篩選出好想法。隨著 AI 能夠發現新的科學知識並編寫複雜的程式碼庫,我相信全新的可能性空間將會打開。很多人都有過這種體驗:坐在 AI 面前(比如一個程式碼生成器),卻不知道下一步該問什麼。如果我們能建構工具,分析你過去所有的工作和程式碼,找出對你可能有用或有趣的東西,並不斷提出建議,這將非常有幫助。這就好比提供一個極佳的“頭腦風暴夥伴”。我生命中有三四個人,每次見完他們,我都會帶走很多新想法。像 Paul Graham 在這方面簡直是頂級的。如果我們能建構一個“Paul Graham 機器人”,你可以與之互動來激發新想法——即使其中大部分都很糟糕,即使你對 100 個想法中的 95 個都說“絕對不行”——我認為這也將對世界上誕生的優秀事物數量做出重大貢獻。模型似乎有能力做到這一點。在使用內部的 5.2 版本時,我們第一次聽到科學家們說,這些模型帶來的科學進展不再是微不足道的。我簡直無法相信,一個能夠提出新科學見解的模型,會無法通過不同的框架和訓練,提出關於產品建構的新見解。Theo: 嗨,我是 Theo,一名開發者 YouTuber 兼 YC 創始人,我也非常想要那個 Paul Graham 機器人。我想問一個偏技術的問題。我真的很喜歡像我們使用的建構塊這樣的技術不斷演進。我經歷過 Web 開發的幾次重大變革,比如遷移到 TypeScript 和 Tailwind 等等。我擔心的是,隨著建構工具越來越好,我們可能會被困在現有的工作方式中。就像美國的電網,一旦建成便難以翻新,導致情況惡化。你是否看到了這種潛在風險?我們是否正在用現有技術建構未來的“地基”,導致未來難以更換?因為即使是讓當前模型使用兩年前的技術去更新程式碼,有時也像“拔牙”一樣痛苦。你認為我們未來能引導模型足夠快地使用新事物嗎?還是說我們已經無法改進現有的技術基建了?Sam Altman: 我認為我們將非常擅長讓模型使用新事物。歸根結底,如果我們正確使用這些模型,它們就是一個通用推理引擎。目前的架構雖然也內建了大量的世界知識,但我們正朝著正確的方向前進。我希望在未來幾年內,模型更新知識、使用新事物以及學習新技能的速度能夠大幅提升,甚至比人類更快。一個值得我們引以為豪的里程碑是:當模型面對全新的事物、環境、工具或技術時,你只需要解釋一次——甚至無需解釋,模型就能自行探索,隨後便能可靠且正確地加以利用。這一天似乎已不再遙遠。現場提問者4: 抱歉,我有一個問題。作為一名較為年長的科學家,我知道做一個科研項目往往會衍生出多個新想法。想法是呈指數級增長的,但科學家用於執行研究的時間卻是線性遞減的(或者說有限的)。 這些工具正在加速這一過程,這太不可思議了。但是我們都很貪婪,想要更多。除了幫助我們在更短時間內追求這些有趣的想法,是否存在一個過渡點,即模型將徹底接管整個科學研究事業?如果會,這通過現有演算法就能實現,還是需要新的想法或世界模型?Sam Altman: 我認為,在大多數領域,距離模型能夠進行真正完全閉環的自主研究,還有相當長的一段路要走。以數學為例,它不需要“濕實驗室”(生物/化學實驗室)或物理輸入。也許只要通過極其深入的思考和不斷更新模型,就能取得巨大進展。但即便如此,目前利用模型取得最大突破的數學家們依然高度參與其中,觀察中間過程並指出“這感覺不對”。直覺告訴我,這是一條人機協作的獨特路徑。我遇到過幾位整天與最新模型協作的數學家。他們進展神速,但所做的工作與模型截然不同。這讓我聯想到國際象棋史上“深藍”(Deep Blue)擊敗卡斯帕羅夫(Kasparov)後的那個時期。曾有一段時間,AI 比人類強,但“人類+AI”(人類挑選 AI 的最佳步法)比單獨的 AI 更強。隨後很快,AI 變得過於強大,人類的介入反而成了累贅。我懷疑許多研究領域也會經歷類似過程。隨著時間推移,事物將變得極其複雜,AI 理解多步邏輯的能力將超越大多數人,甚至所有人。但是,這就涉及到了創造力、直覺和判斷力的問題,這些是我們目前這一代模型還遠未企及的。雖然我找不到原則性的理由說我們永遠無法達到那一點,所以我假設最終會達到。但今天,僅僅說“嘿,GPT-5,GPT-6,去解決數學問題”,肯定不如幾個優秀的專家利用它探索方向來得有效。即使我們可以驗證結果並將其反饋回訓練集,過程中仍有其他因素在起作用。不過,你確實觸及了一個痛點:解決一個問題往往會產生更多新問題。與那些積極使用 AI 的科學家交流非常令人興奮,他們確實燒了很多 GPU,但他們掌握了一項新技能:“這裡有20個新問題,我要對它們進行廣度優先搜尋。我不會深入研究每一個,而是把 AI 當作‘無限的學生助理’。”我最近把這個稱呼升級為“無限的博士後助理”。在物理科學方面,我們常討論是該為每個領域建立自動化濕實驗室,還是依靠全球科學家構思實驗、利用現有裝置並樂意貢獻資料。從科學界擁抱這些工具的熱情來看,分佈式的方式似乎是可行的。這顯然會建構一個更簡單、更美好、更分佈式、匯聚更多聰明才智和多樣化裝置的世界。Emmy: 你好 Sam,我是 Emmy。我是史丹佛大學的學生,經營一家生物安全初創公司。關於科學實驗、雲實驗室及其發展方向,我的團隊花了很多時間思考如何防止 AI 驅動的生物設計帶來危害,同時利用 AI 提升安全基礎設施。我想問的是,在 2026 年的路線圖中,安全處於什麼位置?您是如何思考這些問題的?Sam Altman: 你是指廣泛的安全,還是特指生物安全?Emmy: 都可以,但更傾向於生物安全。Sam Altman: 到 2026 年,AI 會帶來許多潛在風險,其中生物領域的風險讓我們非常擔憂。模型在生物學方面表現得相當出色。目前,全球的戰略主要是限制存取權,並設定各種分類器來阻止人們製造新型病原體。但我認為這種做法不會長久。我認為世界需要為 AI 安全——特別是生物安全——做出轉變:從“阻擋”轉向“韌性”(Resilience)。 我的聯合創始人 Wojciech 用了一個我很喜歡的關於消防安全的類比。火為社會帶來了美好,但也曾燒燬城市。我們曾試圖限制火的使用(比如“宵禁”一詞 cur-few 本意就是 cover fire,掩蓋火源),但這並不是長久之計。後來我們對火災有了更好的“韌性”意識,發明了消防法規、阻燃材料等。現在,社會在這方面做得很好。我認為我們需要以同樣的方式思考 AI。AI 將對生物恐怖主義和網路安全構成重大威脅,但 AI 也是解決這些問題的關鍵。我們需要全社會共同努力,建設這種具有韌性的基礎設施,而不是單純依賴實驗室去“攔截”它們該攔截的東西。未來世界上會有很多強大的模型。我們與許多生物研究人員和公司交流過,探討處理新型病原體所需的條件。很多人報告說 AI 在這方面非常有幫助,但這不會是一個純粹的技術解決方案,世界需要轉換思維方式。我非常擔心現狀,除了“韌性”方案外,我看不到其他出路,而 AI 確實能幫助我們快速實現這一點。如果今年 AI 領域出現某種明顯的重大危機,我認為很可能源於生物領域。到了明年及以後,可能還會出現其他糟糕的情況。Meghna: 你好,我是 Meghna。我的問題關於人類協作。AI 模型非常擅長獨自學習,這讓我反思:如果我能隨時隨地獲得答案,為什麼還要花精力去問另一個人?這涉及到了“人類+AI”的高效產出,但我更想問的是“人類+人類+AI”的協作模式。希望我表達清楚了。Sam Altman: 完全理解。提到教育,雖然我比你們年長,但我上中學時 Google 剛出現。當時老師們試圖讓學生承諾不使用它,理由是“如果你能隨時隨地查到資訊,為什麼還要上歷史課?為什麼還要死記硬背?”這簡直是瘋了。我認為,擁有工具只會讓我更聰明、學得更多、做得更多。禁止使用 AI 就像幾十年前因為有了計算器還要強迫人學算盤或計算尺一樣——這不是一項有價值的技能。我對 AI 工具也持同樣看法。按照目前的教學方式,AI 確實是個挑戰。但這表明我們需要改變教學方式,而不是拒絕 AI。你仍然需要學會思考,而寫作是練習思考的重要方式。但我們如何教授思考以及如何評估思考能力,必須隨之改變,我們不應迴避這一點。所以我認為這會沒事的。那些極具自學能力的人已經做得非常出色了,我們會找到新的教學方法帶動其他學生。關於你提到的協作,即如何讓這件事不僅僅是個人的單打獨鬥?我們正在努力衡量這一點。我懷疑在 AI 普及的世界裡,人際聯絡將變得更加有價值,而非貶值。人們會更加重視與他人的相處和合作。 我們已經開始看到人們探索更便捷的協作介面。在思考製造硬體裝置時,我們首先考慮的就是協作式的“多人+AI”體驗。雖然還沒有人完全掌握,但你會驚訝於 AI 在這方面的潛力。AI 帶來了前所未有的賦能。想像一下,五個人圍坐在一張桌子旁,旁邊有一個 AI 助手(可能是個小機器人),你們作為一個團隊將更具生產力。這將成為常態。每次小組頭腦風暴都會有 AI 參與,幫助團隊做得更好。最後提醒一下,如果你們有什麼需求並告訴我們,我們很可能會去實現它。現場提問者5: 謝謝。我很好奇,隨著代理(Agent)越來越多地投入生產系統,尤其是在大規模部署下,您認為最被低估的故障模式是什麼?是安全、成本還是可靠性?另外,目前那些方面的工作投入不足?Sam Altman: 你提到的問題都很重要。有一件事讓我個人感到驚訝,我相信也讓許多人感到驚訝:當我第一次開始使用 Codex 時,我曾確信絕不會給它完全無監督的電腦存取權。但我只堅持了大約兩個小時。然後我就想,這看起來很合理,代理似乎在做正確的事,我討厭每次都要批准命令。於是我決定開啟一會兒看看——結果從此我就再也沒關過,一直給它完全存取權。我認為其他人也有類似的經歷。所以我的普遍擔憂是,這些工具既強大又便利,但一旦發生故障,後果可能是災難性的。雖然故障率很低,但我擔心我們會因此麻痺大意,抱著“船到橋頭自然直”的心態,逐漸滑向一種聽之任之的境地。隨著模型能力日益增強,我們越來越難以完全理解它們的行為。如果模型出現偏差,或者在長期使用中暴露出隱蔽的複雜問題,你可能會在不知不覺中引入安全漏洞。對於AI失控這種科幻場景,大家看法不一。但我認為,採用這些工具的誘惑——不僅是壓力,更有其帶來的樂趣和力量——將是巨大的。人們會被裹挾其中,甚至來不及充分考慮運行這些工具的複雜性,或是沙箱機制的可靠性。我擔心的是,隨著能力的急劇提升,我們會習慣並盲目信任模型的現有表現。如果我們沒有建立起完善的——我稱之為“宏觀安全基礎設施”——我們將不知不覺地陷入困局。這也是我認為目前極佳的創業機會。Claire: 你好,我是克萊爾,伯克利分校大二學生,主修認知科學和設計。我想聊回教育的話題。讀高中時,我就看到同學用 ChatGPT 寫論文和作業。現在到了大學,我們也在探討跨學科的 AI 政策和課程。我想回到關於 K-12 階段的討論,當孩子們正處於學習解決問題、寫作和思考的關鍵成長期,如果課堂上引入 AI 會是什麼樣?作為一位新晉父親,你如何預測 AI 將如何改變和塑造這些關鍵階段的教育?Sam Altman: 總的來說,我不建議在幼兒園階段使用電腦。孩子應該在戶外奔跑,玩實體玩具,學習人際互動。所以,我不讚成在幼兒園大量使用 AI,甚至不讚成使用電腦。從發展角度看,我們要警惕技術對低齡兒童的影響。關於社交媒體對青少年的負面影響已有諸多討論,但我預感,很多技術對更年幼孩子的影響可能更為嚴重,卻鮮有人關注。在對此有更深入理解之前,我認為幼兒園的孩子不需要大量接觸 AI。Alan: 你好,我是艾倫,在生物製藥行業工作。生成式 AI 在臨床試驗、文件撰寫和加速審批方面表現驚人。我們正嘗試用它進行藥物設計,特別是化合物設計。但我們遇到了一個難題:三維空間推理。我想知道這是否會有一個臨界點,或者您怎麼看未來的發展?Sam Altman: 我們會解決這個問題的。雖然我不確定具體時間,但這確實是一個非常普遍的需求,我們也知道技術路徑。目前還有許多緊迫領域需要推進,但這一天終會到來。Dan: Sam 你好,我是 Dan。我剛從倫敦一所大學輟學,加入了 Y Combinator 的 W26 批次。我有兩個問題:第一,父母還在催我讀完大學,你認為目前的大學教育是否有時會限制個人發展?第二,你現在還做個人投資嗎?Sam Altman: 我輟學後,父母念叨了十年才放棄讓我回去讀書的念頭。父母就是這樣,他們愛你,想給你他們認為最好的建議。你需要耐心解釋:如果你想回學校,隨時都可以,但世界變了,而且還在不斷變化。每個人都要做自己的決定,而不是盲從社會灌輸給你的既定路線。我個人認為,如果你是一名 AI 開發者,現在可能不是待在大學裡的最佳時機。對於雄心勃勃、主動解決問題的人來說,這是一個千載難逢的特殊時期。記住,學校隨時可以回去讀。你應該告訴父母:這並不意味著上學對很多人來說是錯誤的,也不意味著未來這對你不是正確的選擇,但此刻,你必須抓住機遇。他們最終會理解的。至於第二個問題,我不再做個人投資了。我很懷念那段時光。但我因 OpenAI 分身乏術,而且存在利益衝突——如果我投資的公司成了 OpenAI 的大客戶,情況會變得很尷尬,不做投資反而更省心。Michael: 嘿 Sam,我是 Michael,來自 WorkOS。我們主要做身份驗證。我有個功能請求:允許使用者使用 ChatGPT 帳戶登錄第三方應用。我覺得很多人會喜歡這個。Sam Altman: 我們會做的。Michael: 終於等到了。Sam Altman: 你具體想要什麼功能?是想要使用者自帶 Token 預算,還是自帶 ChatGPT 的記憶,還是全部?Michael: 這正是我想問的。首先當然是 Token 預算。使用者應該能使用自己的帳戶權限訪問模型。但更有趣的是其他方面,比如我的公司能訪問那些 MCP 伺服器?ChatGPT 擁有我的那些記憶?它知道我正在做什麼項目嗎?這涉及很多工作和個人隱私。我很想知道你們怎麼考量這些。Sam Altman: 我們確實在研究如何實現這一點,但這同時也令人擔憂。ChatGPT 確實掌握了大量使用者隱私。即使你告訴密友很多秘密,你也確信他們懂得社交分寸,知道何時分享、與誰分享。我們的模型雖然表現不錯,但還沒完全達到那種微妙的社交判斷力。如果我把 ChatGPT 帳戶連接到很多網站,然後讓它“憑判斷隨意分享”,我會感到非常不安。不過,如果是單純的“自帶 Token 預算”,比如我在其他服務上使用我已經付費的 Pro 模型,這聽起來是個很棒的功能。我們至少會先做到這一點,同時探索如何妥善處理資訊共享。我們必須非常謹慎,不能搞砸。Oleg: 嘿 Sam,我是 Oleg。大家都同意軟體開發作為一門手藝已經發生了巨變,但我看 LinkedIn 上 OpenAI 還在招軟體工程師。我想知道,過去這段時間,你們的面試方式發生了什麼變化?Sam Altman: 我們會繼續招聘軟體工程師,但這是我們第一次——我知道其他創業公司也在思考這個問題——計畫大幅放緩人員增長速度。因為我們認為,利用 AI 可以實現“少人多效”。現在的障礙在於,大多數公司的既有政策還沒準備好接納大量的“AI 同事”。這需要時間調整。企業最不該做的就是瘋狂擴招,然後突然發現有了 AI 並不需要這麼多人,最後不得不進行痛苦的裁員。所以,對我們而言,正確的策略是放慢招聘,但保持精選。我並不認為 OpenAI 最終會變成“零員工”公司。在很長一段時間裡,我們將擁有一群能力倍增的人才,這大概就是未來經濟的形態。至於面試,目前變化不大,但我們正在討論改革。我們的目標是:讓應聘者坐下來,在 10 到 20 分鐘內,完成一項在去年可能需要一個人花兩周才能完成的任務。是的,這是重中之重。我們要考察人們能否利用新工具高效工作。傳統的軟體工程面試早已過時,現在更是離題萬里。這就引出了一個普遍問題:未來的贏家是那些“只有少量員工但擁有大量 AI 同事”的公司,還是“完全由 AI 組成、只有一排排 GPU 而沒有人類”的公司?我非常希望是前者。但如果傳統公司不積極採用 AI,不招聘善用工具的人才,它們最終會被那些完全由 AI 組成、沒有繁文縟節束縛的新型實體淘汰。這對社會來說將是極大的動盪。我們一直在思考如何表達這一觀點,這聽起來像是在推銷自己,但我真心認為:企業迅速、大規模地採用 AI 至關重要。Cole: Sam 你好,我是 Cole,一名創作者兼攝影師。過去一年,AI 徹底改變了我們講故事和表達自我的方式。在創意領域出現了許多有趣的動態,比如用 Sora 作為畫布,將自己置身於各種奇幻場景中。隨著模型不斷進化,你認為人類的創作身份與 AI 輔助創作之間的關係將走向何方?Sam Altman: 我們可以從圖像生成(Image Gen)領域尋找答案,它發展得最早。創意界對它的態度可謂愛恨交織。其中一個有趣的觀察是消費者的反應。研究顯示,如果被告知作品是人類而非 AI 創作的,人們的欣賞度和滿意度會大大提高。我認為這將是未來幾十年的重要趨勢:我們深切關注人類,卻對機器漠不關心。 在所有對 AI 的貶稱中,我最喜歡“Clanker”(原本指發著金屬撞擊聲的機器人/鐵皮人),它非常能喚起情感反應。你可以看到那些由“Clanker”生成的、令人難以置信的精美圖像,但一旦知道真相,許多人的主觀評價就會大打折扣。我在網上看過一個視訊,採訪那些聲稱痛恨 AI 藝術的人……有些人常說:“我肯定能分辨出 AI 生成的圖像,因為它們太糟糕了。” 於是,研究人員做了一個測試:給這些人看 10 張圖片,讓他們按喜愛程度排序。這其中一半完全由人類創作,另一半完全由 AI 生成。結果相當一致,人們往往會將 AI 創作的圖片排在前面。然而,一旦被告知真相,他們的態度就會立刻反轉:“其實我不喜歡它,這並不是我想要的。” 這恰恰揭示了真正的試金石:即你的情感共鳴究竟源於何處。 當我讀完一本我深愛的書,第一件事就是去查閱作者的生平,瞭解他的人生經歷以及創作動機,因為我感到與這個陌生人建立了一種精神聯結,我渴望瞭解他。同樣,如果我讀了一部偉大的小說,最後卻發現是由 AI 寫出來的,我會感到某種失落和沮喪。我認為這不僅是一種深刻的情緒,更將是一個持久的趨勢。不過,如果藝術作品中包含了人類的指導——那怕只有一點點——人們似乎就不會產生那種強烈的牴觸情緒。這種情況由來已久,就像人們依然欣賞數字藝術家使用 Photoshop 創作的作品一樣。基於目前的觀察,我的預測是:創作者本身、他們的人生故事,以及他們在創作過程中所做的編輯、策劃等工作,依然至關重要。 總體而言,我們並不想要完全由 AI 生成的藝術作品——至少從我們在圖像領域的經驗來看是這樣。Dan: 我們還有時間回答兩個問題。Keith Curry: 嗨 Sam,我是 Keith Curry,剛從舊金山州立大學畢業。我的問題關於個性化和記憶功能。首先,您認為這方面未來會如何發展?其次,關於更精細的控制權,比如對記憶進行分組——例如區分“工作身份”和“個人身份”。這樣在不同的提示場景下,您可以更精確地選擇希望 AI 呼叫的內容,您對這一點怎麼看?Sam Altman: 是的,我們將大力投入記憶和個性化功能。這顯然是使用者所需,也能顯著提升工具的可用性。我個人在這方面也經歷了一個觀念轉變的過程,但現在我已經準備好了:讓 ChatGPT 訪問我電腦和網際網路上的所有資訊,讓它變得“全知全能”。這帶來的價值將是巨大的。我不再像以前那樣對此感到顧慮。當然,我真心希望所有 AI 公司——以及整個社會——都能高度重視安全和隱私,因為 AI 的效用實在太大了。AI 將瞭解我生活的方方面面,我不會去阻礙這一點。 雖然出於多種原因,我還沒準備好佩戴那種時刻記錄一切的眼鏡,但我確實準備好說:“嘿,你可以訪問我的電腦,去弄清楚正在發生什麼,來幫助我、理解一切,並完美地呈現我的數字生活。”我很懶,我認為大多數使用者也是如此。所以,合理的呈現方式至關重要。我不想坐在這裡手動分類:這是工作記憶,那是個人記憶,那是別的什麼。我想要的是——這也確實是可能的——AI 能深刻理解我生活中複雜的規則、互動及層級關係,知道在何時使用什麼資訊,在那裡展示什麼內容。我們需要解決這個問題,因為這才是大多數使用者真正想要的。Luan: 嗨 Sam,我是 Luan,一名來自越南的國際學校學生。我的問題是:您認為在 AI 時代,人們應該掌握的最重要的技能是什麼?Sam Altman: 最重要的將是那些“軟技能”。過去那種“去學程式設計”的顯而易見的建議,現在已不再絕對適用。我認為,擁有高度的主動性(Agency)、擅長產生創意、極具韌性,以及對快速變化的世界保持極強的適應能力,這些將比任何具體的技術技能都更重要。 而且,這些都是可以習得的。作為一名風險投資人,曾讓我大感意外的是,人們可以通過一個為期三個月的訓練營式項目,在上述領域取得驚人的進步。這是我認知上的一次重大刷新。所以,我認為這些才是最重要的技能,而且它們並不難學。時間到了嗎?好的。非常感謝大家前來交流。我們非常希望能收到關於“你們希望我們建構什麼”的反饋。設想一下,未來我們將擁有一個比當前模型強大 100 倍、上下文長度增加 100 倍、速度快 100 倍、成本降低 100 倍的模型,它能完美呼叫工具,並具備極高的連貫性。我們會實現這一切。 請告訴我們你們想要什麼。我們會留在這裡,無論你需要 API、某種基礎功能、某種執行階段環境,還是其他任何東西,我們都在為你建構,並且希望能把它做好。再次感謝大家的到來。 (藍血研究)
AI巨頭突發大招!價格腰斬,但背後的真相讓人不寒而慄…..
💥 當大家還在為AI服務高昂的價格發愁時,OpenAI悄悄放出了一個大招!這家AI領域的"霸主"剛剛宣佈推出的Flex處理服務,直接將價格腰斬50%!但等等,這背後隱藏的條件,可能會讓你三思而後行.....想像一下,你正在進行一個關鍵項目,突然系統提示"資源暫時不可用"🚫,這種體驗,你能接受嗎? 📱2025年4月17日,OpenAI正式推出了"Flex處理"服務,這是一種針對其最新發佈的o3和o4-mini推理模型的API選項。乍一看,這簡直是開發者的福音——只需支付原價的一半,就能使用同樣強大的AI模型!但這背後的真相是什麼呢?🤔就像餐廳裡的"經濟套餐"一樣,價格便宜的背後總有其原因。OpenAI明確表示,作為價格降低的交換條件,使用者必須接受"響應時間更慢"和"偶爾資源不可用"的情況。具體來看,o3模型的Flex處理價格為每百萬輸入令牌(約75萬字)5美元,每百萬輸出令牌20美元,而標準價格則是每百萬輸入令牌10美元,每百萬輸出令牌40美元。對於o4-mini模型,Flex處理將價格從每百萬輸入令牌1.10美元和每百萬輸出令牌4.40美元,降至每百萬輸入令牌0.55美元和每百萬輸出令牌2.20美元。💰 這一降價策略背後,是否反映了當前AI行業的激烈競爭?事實上,Flex處理服務的推出恰逢前沿AI成本持續攀升之際,而競爭對手紛紛推出更經濟、更高效的經濟型模型。就在OpenAI宣佈這一消息的同一天,Google推出了Gemini 2.5 Flash,這是一種在性能上匹配甚至超越DeepSeek的R1的推理模型,且輸入令牌成本更低。 📝 OpenAI在向客戶宣佈Flex定價的電子郵件中還表明,使用層級為1-3的開發者(根據在OpenAI服務上的消費金額確定)需要完成新引入的ID驗證流程才能訪問o3模型。o3和其他模型的推理摘要和流式API支援也同樣需要驗證才能使用。OpenAI此前表示,ID驗證旨在阻止不良行為者違反其使用政策。行業專家指出,這種"雙軌定價"策略可能是AI公司在資源有限情況下的必然選擇。一方面需要滿足高優先順序任務的即時需求,另一方面也希望為那些時間不那麼緊迫的任務提供更經濟的選擇。 🌟Flex處理服務主要針對優先順序較低的"非生產"任務,如模型評估、資料豐富和非同步工作負載。換句話說,如果你的項目不要求即時響應,選擇Flex處理可能是一個經濟實惠的選擇。但問題來了:在當今這個"快"就是王道的時代,多少人真正願意為了省錢而犧牲速度和穩定性呢?也許,OpenAI此舉是在測試市場對"差異化服務"的接受度,為未來可能的更廣泛定價策略鋪路。 👥你認為這種"慢一點,省一半"的策略會受到開發者歡迎嗎?如果你是開發者,會選擇標準服務還是Flex處理呢?歡迎在評論區分享你的想法,也請將這篇文章轉發給你的開發者朋友,看看他們的觀點! (澤問科技)
數字人,AI爆發的下一個入口
過去五年間,直播電商增速從245.9%下落至兩位數,不少頭部主播遭遇“上限危機”,轉化率和影響力衰退,數字人直播等新形式的興起則為更多品牌商家提供了“開播”的新選擇。給直播間配一個“賽博打工人”,對童裝品牌巴拉巴拉而言,其實已不是什麼新鮮操作,而是直播電商行業“冷與熱”的現實。“我們當時沒有抱太大希望,5%相對來說是非常可觀的。”巴拉巴拉直播營運負責人李蕙蘭對這個數字人“上崗”第一天的表現很滿意,當時是24年4月。現在,這個數字已上漲到了15%左右。過去五六年間,特別在大模型掀起的新一輪技術浪潮裡,“數字人”憑藉高性價比、高轉化,成為大模型應用率先落地的絕佳場景,幾乎成為所有廠商的共識,但共識的另一面有一個靈魂拷問:“數字人未來的價值在那兒?有沒有機會成為AI爆發的下一個入口”?數字人湧入直播間,成為新晉的“賽博打工人”,不是一場偶然。早在2021年,巴拉巴拉就開始接觸和佈局數字人直播,他們的目標跟眾多品牌一樣——提升內部效率。一方面,是為了滿足當下消費者全時段購物的需求,特別在清晨深夜,很多“寶爸寶媽”都會繼續在直播間內“求連結”,另一方面,則是為了降低主播的壓力,巴拉巴拉的主直播團隊中主播人數佔比近七成,他們日常不僅需要同時負責多個電商管道的開播任務,在大促時還需額外延長直播時間。在這樣一個高強度高節奏的工作氛圍中,主播也難免面臨情緒壓力,引入數字人不僅可以和真人主播協同,還可以替真人主播在品牌閒時“打工”,這是一個近乎完美的設想。除此以外,對品牌商家而言,採用數字人直播可以省下一大筆費用。一位直播行業人士告訴「財經無忌」,單個直播團隊主要包括了主播、中控、場控、營運等,真人主播的投入一年至少在50萬上下,這還不包括還有場地裝置和其他人力投入。大品牌一般都有完備的直播矩陣,一年投入至少上百萬,這對中小商家而言,幾乎一個天文數字,相比而言,不用真人主播,也無需搭建真實直播間的數字人大大減少了成本投入,降低成本超九成。上述直播從業人士還告訴「財經無忌」,商家看中數字人還有多方面訴求,比如有利於克服真人主播的稀缺性,降低風險,還有的則是利用數字人給直播內容增加更多的玩法:“直播電商早就進入存量了,現在卷數字人也是找增量。”但設想美好,現實殘酷,在巴拉巴拉管道負責人張嘉棟眼中:“早期的數字人很像機器人,和消費者的互動也很像錄播。”數字人想要逼近真人主播,彼時還存在三道鴻溝:1、人味兒不夠:數字人的動作靈活度、語言回覆(互動)和真人主播相比擬人度不足,一眼假。2、流量規模不足:很多平台數字人都以私域為主,沒辦法在公域露出。3、成本效率問題:數字人看似成本低,但也存在很多的“隱形成本”,比如定製數字人、產品和營運素材更新等,這對商家營運能力提出了更高的要求。但現在,這些更實際的問題和鴻溝在京東言犀數字人的直播間已經看不到了。“今年我們明顯能感受到,接入DeepSeek後言犀數字人在回覆內容和表達豐富度上有很明顯的提升。”李蕙蘭提到,針對家長面料、材質、設計或尺碼的提問,言犀數字人已經能很精準地解決,令她更沒想到的是,言犀數字人還能傳遞一些情緒價值:“比如,某深夜寶爸寶媽湧進直播間焦急的問詢,‘她’會安撫性地先疏導情緒,再精準推薦適合寶寶的商品。”京東科技演算法負責人吳博士告訴「財經無忌」,數字人直播可以分為三個階段,第一階段是真人主播50%的水平,主要可以作為真人主播的補充;第二階段,是達到真人主播70%的水平,這需要綜合考察“數字人”:“結合使用者體驗和使用者行為的具體指標,如直播間停留時長、真實轉化情況,這才接近資深主播的水平”。第三個階段則是當下。他提到,在京東平台上,有不少數字人主播已進入頭部的10%主播的平均水平。數字人技術的成熟並非一蹴而就,京東內部的數字人技術迭代也分為「實驗室-單人模型-通用大模型」三個階段,京東科技人工智慧團隊近期發佈的數字人通用的基座大模型就處於第三階段,可以通過語音合成大模型LiveTTS及通用數字人大模型LiveHuman,僅需輸入文字提示或1秒視訊/照片,即可生成4K超高畫質、100%口型匹配的數字人。這也意味著數字人從過去的單人模型走向了一體化生成。“你可以通過語音一個訊號去驅動所有的表情成型和動作。”吳博士向「財經無忌」解釋。可以說,品牌方的積極態度和平台技術的成熟,共同驅動了當前數字人的新一輪爆發和落地。不過,所有的數字人行業玩家也都知道,數字人從概念、風口再到如今走向行業產業“要價值”,也曾經歷過一段“蠻荒時代”。京東是業內投入較早、也是最看好數字人賽道的首批玩家,這背後是一套自己的考量。一是,京東在“看、聽、說”結合的多模態技術上實際有著很深的沉澱,從文字、語音再到視覺,能在大量的使用場景中提升模型的魯棒性,結合場景反饋迭代數字人技術,不斷攻克每一個難題。比如在大姿態上,數字人需要走動,且擁有複雜的微表情和唇形,在實際應用中會遇到光線挑戰、唇形對齊等問題,而京東言犀這些年不斷探索數字人技術,從聲唇同步、大姿態數字人,再到小樣本合成、語義驅動動作合成、語言音色等聲唇同步等,這些後端的技術和演算法很好地彌合了技術與應用的鴻溝。二是,對直播場景的knowhow。京東供應鏈積累的商品資料優勢、消費行為資料,深入場景,得到反饋,可以訓練數字人更懂“人”,從京東優勢的零售場景做起,再去衍生到其他場景中。更關鍵的還有一點,比起談數字人的技術,京東內部演算法、產品和營運團隊更強調“卷價值”,產品經理和演算法之間的決策鏈路很短,來自使用者和商家的反饋可以迅速傳達到技術側,甚至他們會想在商家和使用者前面。李蕙蘭提到,巴拉巴拉早期對於數字人形象和場景需求都很粗糙,在和京東言犀團隊的不斷溝通過程中,逐漸找到了更清晰的落地場景,現在無論是利用現有直播間場景直接數字人開播,還是根據巴拉巴拉線下門店、節日節慶場景等做定製,他們的感受是言犀數字人的多樣性和真實性都在逐漸提升。如今,數字人在直播間也已不單單是基礎的轉化目標,而是逐漸成為品牌與使用者互動的重要觸點。在依賴真人試穿展示的服飾直播間,數字人提升了直播的效率和靈活,安踏聯合言犀數字人在成都線下旗艦店打造了高模擬的定製數字人走秀直播間,主播數字人一邊講解賣點,另一邊的模特數字人則無縫切換30余件爆款穿搭, 消費者還可以直接體驗“雲試衣間”,線上試穿。「財經無忌」瞭解到,2024年雙十一期間,數字人帶動安踏直播間GMV突破2000萬,公域成交GMV達140萬,轉化率達32.06%,相當於每3人瀏覽即有1人下單。數字人甚至捲進了高端美妝直播間,某國際高端美妝品牌通過使用言犀數字人,定製了極具專業感的數字人“美妝顧問”,同時為明星單品定製虛擬試妝片段,消費者不僅可以感受到極具節慶氛圍感的直播場景,還可以更直觀地看到產品上妝效果,購買意願大大提升,品牌轉化率近10%。數字人的玩法也在不斷豐富,除了數字人現場試妝、模特走秀,還有雙人互動接捧哏、總裁上陣、抱著玩偶坐播、現場品酒,只要能帶流量、能促轉化,品牌和數字人的花活不斷。2025,數字人賽道的含金量還在提升。據IDC預計,到2026年中國AI數字人市場規模將達到102.4億元,艾媒諮詢預計2025年,中國數字人帶動的產業市場規模和核心市場規模分別為6402.7億元和480.6億元,是2023年的兩倍,未來,數字人應用有望成為AI產業的重要驅動力之一。驅動數字人深入行業的關鍵仍在於成本,越來越多的行業可以“用得起”數字人了,比如京東言犀就將單個數字人生產成本從數萬元拉低至兩位數,較真人拍攝模式成本降幅超90%。「財經無忌」瞭解到,京東言犀數字人未來將探索兩大方向,一是推出“千人千面”的數字人直播間,二是打造智能體,真正成為品牌商家的直播“代理”。一位AIGC從業者也告訴「財經無忌」,成本下探後,下遊客戶對數字人的態度已由觀望轉向擁抱,目前客戶不僅關注降本能力,也開始關注數字人廠商的綜合技術實力和垂直行業經驗。直播間外,數字人也在創造更多的可能性。首先,是場景的延伸。不止是直播間,京東言犀目前積累的全端數字人技術已經拓展到各行各業,比如,達人復刻自己的形象形成數字人IP,批次生成口播短影片;品牌生成大量的帶貨短影片,批次投放;景區的數字人AI導遊,它既可以講解歷史,也可以為當地文旅直播帶貨;還有為使用者提供初診的“數字醫生”等等,「財經無忌」瞭解到,目前京東言犀數字人也在短影片、文旅,金融服務、醫療、AI陪伴等場景探索落地。“孤獨經濟”盛行下,數字人不再是冷冰冰的工具,而是化身情感療愈師、虛擬伴侶,甚至是兒童玩伴、社交訓練師等,數字人實際充當了AI社交的入口,能為現代人提供即時陪伴和共情理解。其次,是價值的延伸。今天的數字人儼然已成為可見的下一代人機互動入口。對大模型企業來說,數字人成為自身模型能力和客戶之間的服務入口,例如在政務場景,包括京東在內的不少大模型企業都在打造“線上數字人+線下大屏數字人”,提供個性化的政策諮詢服務。而對下遊客戶而言,數字人也成為使用者互動的新入口,成為最一線聆聽使用者問詢與反饋的重要互動入口。多重的入口價值,是今天數字人的新想像空間。更為關鍵的是,在大模型應用浪潮裡,產品能力、應用場景和落地成本,是每一個企業都關注的核心問題,而數字人相對低成本、低門檻且已被驗證有場景價值,它也是一個企業理解大模型、擁抱大模型和應用大模型的最好入口之一。近期,京東科技人工智慧團隊的“多模態互動式數字人關鍵技術及產業應用”項目也榮獲了2024年度中國智能科學技術最高獎——吳文俊人工智慧科學技術獎的特等獎,這也是年度唯一的特等獎。京東科技人工智慧相關負責人也談到,相比模型預訓練側的Scaling Law,京東更希望看到在大模型應用側的Scaling Law。“我們做數字人最終目標還是希望能解放人類的體力和腦力,scale在應用上,大模型技術就像網際網路技術一樣,(在產業端)產生足夠大的影響力。”當然,數字人發展還在早期,打開新場景新可能性的同時,技術落地到產業深處還有很多挑戰,無論更自然的多模態互動,還是更落地的場景解決方案,都需要技術和工程能力的持續最佳化。回看技術浪潮,當一個行業回歸價值和務實,往往是大規模爆發的“奇點時刻”,走在正向循環道路上的AI數字人,或許能在2025迎來新破局。 (財經無忌)