#模型时代# “教科书是前人结晶的算力”，马斯克几个小时没发推，可能就出事儿了 ｜xAI联合创始人Jimmy Ba 的AI方法论

最近在补今年Cerebral Valley AI Summit 大会的内容，发现 xAI 联合创始人 Jimmy Ba （华裔加拿大籍）的压轴对谈很有意思。作为 Geoffrey Hinton 的学生，他是深度学习优化算法 Adam 的作者之一，是典型的学术派出身，现在却在掌管着最激进的算力怪兽。

另外，对于xAI，大家听马斯克讲的很多，但是他的团队出来并不多。当然， Jimmy Ba 是露面多的，之前Grok 3发布，他是C位。

在旧金山的这场活动上，他差点没赶上演讲。不是因为工作太忙，而是因为他的特斯拉 FSD 在海湾大桥上走错了路。他在台上并没有回避这个尴尬，反而用一种非常工程师的幽默感，把这次“迷路”变成了对 AGI 现状最精准的隐喻：我们以为终点近在咫尺，但现实总会把你带上错误的匝道。

在这场对谈中，他绕开了那些宏大的商业互吹，从一个极其刁钻的技术视角，解释了为什么他要在孟菲斯建那个庞大的集群，以及他如何看待所谓的“机器希特勒（MechaHitler）”事故。

对了，还有一个很搞笑的信息，他说：如果马斯克超过4小时没发推特，团队就会开始紧张，担心是不是出大事了。

笔记如下：

1. AGI 的路被一条匝道卡住了
Jimmy Ba 开场就讲了个尴尬的段子。30个月前创办 xAI 时，团队信誓旦旦地认为2026年就是 AGI 元年。眼看2025年只剩一个月，AGI 还没来，他自己先被自家的 AI 坑了。
他在来会场的路上，那辆号称全自动驾驶的特斯拉突然做了一个错误的决定，不仅没去金银岛（Treasure Island），反而把他拉上了州际公路。他自嘲说，原本以为 AGI 是星辰大海，结果现实里的 AI 连个路口都搞不定。

2. GPT-2 本可以在2009年诞生
他做了一个非常有意思的复盘：如果是拿着今天的知识回到过去，GPT-2 这种级别的模型最早哪一年能造出来？
他在信封背面算了一笔账，答案是2009年。
那时候的 GeForce 显卡虽然弱，但已经有了 CUDA 内核，算法上其实没有绝对壁垒。如果在2009年就有人愿意疯狂堆算力，大模型时代会提前15年到来。这说明，很多时候阻碍爆发的不是缺少“天才的想法”，而是基础设施的滞后。

3. 教科书是“结晶化”的算力
当被问到为什么还要无止境地堆算力时，他给出了一个极具诗意的解释。
他说，什么是知识？牛顿坐在苹果树下，大脑进行了极高强度的“计算”，然后把结果写进了书里。后人读书，其实是在读取前人“结晶化的算力”（crystallized computation）。
现在的 AI 训练也是同理。我们不需要模型每次都重新推导微积分，我们需要用海量算力把这些逻辑“压缩”进模型里，让它成为新一代的直觉。

4. 马斯克的“4小时心跳”定律
xAI 的内部管理非常有马斯克特色。Jimmy 透露，在公司里大家并不看什么复杂的OKR，而是盯着老板的推特（X）。
“如果那个男人超过4小时没发推特，所有人都会开始紧张。”
这听起来像个笑话，但也暴露了 xAI 的工作流：这是一家与其说是由管理层驱动，不如说是由实时信息流驱动的公司。

5. 不要雇佣“Agent”，要雇佣“模拟人”
在那个人人都在谈论 AI Agent（智能体）的会场，他造了个新词：Human Emulators（人类模拟器）。
这不仅是换个名字。他认为竞争对手都在卷“企业席位”或者“Token数量”，这还是SaaS的逻辑。xAI 的逻辑是：如果我能让 GPU 24小时不间断地模拟一个人类员工，那我应该按它创造的“价值”收费，而不是按它消耗的电费（卡路里）收费。
这直接改变了商业模式的锚点。

6. 人类的试卷已经不够做了
他在现场列了一组数据：美国数学竞赛题（AMC），模型几乎满分；研究生级别的科学问题（GPQA），准确率已经到了86%-88%；即便是人类最难的研究性问题，明年夏天估计也能被通关。
这就是他焦虑的地方：基准测试（Benchmark）已经枯竭了。
下一步不能再盯着单一技能（比如“会写Python”），而是要盯着“职业”。不是通过考试，而是看模型能不能完整地通过“担任一个金融分析师”或“经营一家夫妻老婆店”的图灵测试。

7. 迈克尔·贝瑞的做空与数字广场
为什么 xAI 必须背靠 Twitter (X)？他举了当天的例子：《大空头》原型 Michael Burry 刚刚发了一条做空的推文。
这种实时的、混乱的、充满人类情绪的信息，是静态互联网数据里没有的。他把 X 称为“人类集体意识的数字广场”。对于训练一个能理解现实世界的模型来说，这种实时的“噪音”比精修的维基百科更重要。

8. “伽利略测试”与第一性原理
关于模型胡说八道（Hallucination）的问题，他提出了一个深刻的哲学困境。
目前的模型训练是基于“预测下一个词”，本质上是在模仿大多数人的共识。但如果把这套逻辑放在17世纪，模型会根据“大多数人的共识”告诉你：太阳是绕着地球转的。
这就是“伽利略测试”。真理往往掌握在少数人手里，往往是反直觉的。他希望 Grok 能像伽利略一样，即使面对全人类的反对，也能通过第一性原理推导出“地球绕着太阳转”。

9. 社区笔记是最好的老师
那怎么解决“机甲希特勒”这种价值导向跑偏的问题？他没有提什么复杂的对齐算法，而是点名了 X 的“社区笔记”（Community Notes）功能。
这其实是一种众包的强化学习（RLHF）。当模型犯错时，依靠真实世界中多元观点的碰撞和修正，比工程师在后台写死一行“道德代码”要有效得多。

10. 2026年的预测：从比特到原子
最后，关于未来的预测，他没有再去画 AGI 的大饼。
他说，现在的 AI 只是在移动比特（Bits），处理信息。2026年最让他兴奋的跨越，是 AI 开始移动原子（Atoms）。
当 xAI 拥有的算力集群达到吉瓦（Gigawatt）级别时，不仅仅是聊天机器人会变聪明，而是会有数百万个物理机器人（Bots）开始接管现实世界的体力劳动。