Musk称AI难当高性能编程
xAI创始人埃隆·马斯克（Elon Musk）在社交平台上表示，公司用于训练AI模型的C/C++技术栈目前仍是由人类工程师手写完成的。
他明确指出，人工智能目前还没有达到能够独立编写"极高性能软件"（extremely high performance software）的水平，这类软件通常对执行效率、内存管理和底层优化有着极为苛刻的要求。
不过Musk同时表态，这种局面只是"目前"的状态，他预计AI未来终将具备编写这类极致性能代码的能力，把这一短板定性为阶段性而非永久性的技术边界。
这一表态直接涉及的是AI大模型训练基础设施本身——训练大规模神经网络所依赖的底层框架和计算内核，通常需要用C/C++等系统级语言编写，以最大限度榨取GPU/TPU硬件的算力效率，其编写难度和优化要求远高于一般应用层软件开发。
从机制上看，这条表态透露出的信号是：尽管AI代码生成工具（如GitHub Copilot、Cursor以及各类大模型辅助编程产品）近年被广泛宣传为已能大幅提升软件工程效率，但在训练AI模型本身所需的极限性能底层代码这一细分领域，人类工程师目前仍然是不可替代的核心生产力，这类高端系统级工程师的稀缺性和议价能力短期内不会被AI取代式压低，反而可能因AI训练基础设施需求持续扩张而进一步走高。
来源：公开信息
ABAB AI 解读
xAI由马斯克于2023年创立，此后迅速搭建起大规模GPU集群"Colossus"用于训练Grok系列模型，其基础设施团队长期以追求极致硬件利用率和训练效率著称——Colossus集群从开工建设到10万张GPU集群上线仅用了约122天，这背后离不开大量手写、高度优化的底层训练代码支持。
xAI持续投入巨资采购英伟达GPU并建设配套数据中心与电力基础设施，同时通过高薪招揽顶尖系统工程师和编译器专家来维护和优化其C/C++训练技术栈。Musk这条表态某种程度上是在为公司持续投入高成本的人类工程团队提供合理性说明——即当前阶段用AI取代顶尖系统级工程师并不现实，资本仍需优先流向这类稀缺的人力资源，而非寄望于用AI编程工具直接替代。
这与半导体行业长期以来"芯片设计自动化工具（EDA）虽已普及，但顶尖芯片架构设计仍高度依赖资深工程师经验"的局面类似——工具可以大幅提升效率，但在最靠近物理硬件极限、性能敏感度最高的底层环节，人类专家经验短期内仍难被算法完全替代。当前AI行业正处于"应用层代码生成能力快速提升，但底层系统级性能工程仍是人类核心壁垒"的阶段。
这本质上是技术替代进程中的结构性分层：AI对软件工程岗位的替代压力，正呈现出从"应用层"向"底层系统层"逐步渗透、但尚未完全跨越的分层格局。其发生机制在于，极高性能软件对硬件底层特性（如缓存命中率、指令流水线、内存对齐）的优化高度依赖对具体芯片架构的深度理解和反复实测调优，这类知识目前仍主要存在于资深工程师的经验体系中，而非能被现有大模型充分学习和泛化的公开代码语料，这使得底层系统工程岗位在AI冲击软件行业的浪潮中，暂时保有相对更强的护城河。
ABAB News · 认知定律
应用层先沦陷，底层永远是最后的堡垒
AI能写代码，但写不出对硬件的敬畏
稀缺性不看岗位高低，看AI能不能学会