返回快訊

Elon Musk:固定規模智力百倍因特斯拉正在做

XPRIZE執行主席Peter Diamandis寫道,Elon Musk曾預測在模型參數規模固定的前提下,人工智能智力可提升100倍;當時這句話處在可信邊緣,現在在他看來已是事實,且遠未碰到天花板。馬斯克回覆:他知道這一點,是因爲特斯拉人工智能團隊正在這樣做。

該預測來自1月6日Diamandis主持的Moonshots節目。當時討論已從參數數量轉向文件體積與低比特運算,現場有人提出智力密度可能出現10倍到100倍的突然躍升,原因包括更低精度計算與查找式優化,而不是單純堆參數。馬斯克在節目裏強調要用文件大小而不是參數計數說話。

約十天後,Epic Games創始人Tim Sweeney用幾乎同一句式說:固定模型規模下100倍智力增益當時勉強可信,現在只是事實,並追問下一步。馬斯克接着補充:單一語言、單一知識領域的專科模型是又一個100倍。公開討論中有人舉例,約270億參數的聚焦模型可在領域任務上打贏大三到五倍的通用模型,運行成本約低一個數量級。

特斯拉一側,智力密度主張與車端與機器人端的推理芯片綁定,而不是隻與數據中心訓練集羣綁定。馬斯克同期還把跨公司目標說成每年建設1太瓦級人工智能算力,對照當時全球約20吉瓦的人工智能電力口徑,並區分機器人與汽車用的邊緣推理芯片,以及面向空間計算的抗輻射高功率芯片。工廠規劃放在奧斯汀。

Diamandis把100倍從“預測”改寫成“事實”,並沒有給出可獨立複覈的公開基準分數或固定參數對照實驗;依據是當事人與其播客圈的交叉背書,以及馬斯克把現場證據指定爲特斯拉內部工作。天花板被雙方同時否定,專科路由被寫成下一層乘數。

市場機制上,買方是需要“同樣硅片更聰明”故事的機器人與自動駕駛資本,賣方是仍按參數規模和訓練算力賣估值的實驗室與雲廠商。事件由播客舊句被重新認證觸發。資金流向邊緣推理、專科模型和電力擴產,而非只流向更大通用稠密模型。受益的是能在車上和人形機器人上覆用同一套密度提升的特斯拉體系,承壓的是把進步完全寫成參數擴張的定價方式。

來源:公開信息

ABAB AI 解讀

馬斯克把智力寫成密度而不是體積,是爲了給Dojo、車載推理和Optimus共用一套敘事。參數競賽的贏家是能買到最多加速器的實驗室;密度競賽的贏家是已經擁有影子模式里程和工廠閉環的車企。2008年他讓戴姆勒小額入股特斯拉換電動技術,後來反覆說對方只想應付監管;這一次他不再向外買故事,而把“我們正在做”指定爲特斯拉人工智能。1月播客裏的100倍,8月被Diamandis和Sweeney先後蓋章,形成創始人圈層的交叉認證,而不是第三方評測機構的認證。

資本路徑是:訓練可以外溢到xAI與超大集羣,產品必須在功率信封裏變聰明,否則Robotaxi和人形無法量產。固定模型規模提升智力,等於在不增加車端熱耗與成本的前提下提高決策質量。動機是芯片、內存與電力都在漲價,繼續只靠堆卡會先撞上製造牆。戰略是再疊一層專科模型:通用模型負責調度,領域模型負責駕駛、工廠或單一語言,乘數寫在路由上而不是寫在總參數上。

類似結構出現在移動時代的專用神經網絡加速器替代通用GPU、遊戲引擎把全局光照改成查找表、以及空軍把大型預警機能力拆進小型專用載荷。通用大模型處在擴張期,邊緣與專科模型處在用密度挑戰體積的替代期。特斯拉同時站在兩條線上:一邊要太瓦級訓練,一邊要在車裏證明100倍不是口號。

本質是技術替代。當智力的邊際來自量化、記憶結構和路由,而不是來自參數清單加長,定價權就從“誰的模型更大”轉到“誰能在固定瓦數下完成任務”。機制是物理約束先出現在汽車和機器人上,數據中心可以繼續加電,移動機器不能;誰先把播客裏的倍數做成車端可測量的延遲與事故率,誰就能把這句話從社交流量換成產品溢價。

ABAB News · 認知定律

  1. 固定體積裏變聰明,比把體積加大更難定價

  2. 當事人說正在發生,不等於評測機構已經畫完座標

  3. 下一層100倍,往往來自分工而不是來自更大的同一個模型