#模型时代# xAI工程师揭秘这家公司到底在搞什么（首次公开了“巨硬”等N多事情的细节）
众所周知，xAI的人极少对外发声，发言人似乎只有马斯克一人。所以这次Sulaiman Ghori的（可能首次）在Relentless的公开播客访谈就比较难的了。他是xAI的技术骨干，从公司约100人时加入，亲历了Grok 3发布、Colossus数据中心建设、以及内部代号"Macrohard"的神秘项目。
Sulaiman之前创业做过AI项目，被xAI联合创始人Greg Yang邮件招募。他本以为是垃圾邮件，看到x.ai的域名才意识到机会。入职第一天没人告诉他做什么，没有分配团队，甚至没有固定工位——他每天随便坐在不在的人的位置上。这种混乱恰恰是xAI文化的缩影。
还有比较重要的一个信息是Macrohard，巨硬，马斯克之前透露过这个项目名称，显然是对着微软来的，但是这一次有xAI的人直接出来讲这个项目的细节。一句话解释的话，这是一个数字版的Optimus。
其他细节还有很多，比马斯克本人讲得都多。
一、xAI的速度密码
"我们没有截止日期，永远是昨天。"
1、物理层面的优势决定了软件层面的可能性
xAI最大的护城河是基础设施。别的实验室在AWS或Oracle上租算力，容量就是上限；xAI自己建数据中心，从机架上电到开始训练，有时候当天就能完成，最快几小时。传统流程需要几天甚至几周。
这带来一个有趣的结果：模型迭代可以做到每天一次，有时一天多次。"这在业内几乎看不到，但我们的超算团队消除了大部分训练障碍。"
2、122天建成Colossus的真正原因
Colossus数据中心的故事广为流传，但内部细节更疯狂。土地租约其实是临时性质的——因为申请临时用地许可（技术上是给嘉年华活动用的那种）比正式流程快得多。"我们现在技术上还是个嘉年华公司。"
电力调度更是一场实时博弈。当地电网负载升高时，整个数据中心要无缝切换到80多台移动柴油发电机供电，同时不能中断任何训练任务——而GPU的功耗以毫秒为单位在几兆瓦之间波动。后来加装了电池组，因为电池响应速度比物理旋转的发电机快得多。
3、倒推思维：从目标到物理约束
规划逻辑永远是倒推。"如果要在某个时间点达到100亿美元收入，最高杠杆的事情是什么？需要什么系统？然后才是物理和软件层面怎么实现。"物理需求是最后一步，不是起点。
一个典型例子：做Grok 4或5的规模和预期，在Grok 3时期就已经规划好了，比Sulaiman入职还早。因为团队足够可靠，长期规划的假设基本都能兑现。
二、Macrohard：数字世界的Optimus
Sulaiman目前全职投入的项目代号"Macrohard"，是xAI对数字劳动力的押注。
1、核心逻辑：直接模拟人类操作
Optimus机器人要替代人类的物理任务，Macrohard要替代人类的数字任务。方法不是让企业改造软件来适配AI，而是让AI直接模拟人类——键盘、鼠标、看屏幕、做决策，完全复制人类的工作流程。
"任何软件都不需要改造。我们可以部署到任何人类目前能工作的场景。"
2、速度是核心决策
这个项目最关键的早期决策是：模型必须比人快至少1.5倍，实际目标是8倍甚至更多。这和其他实验室的路线完全相反——别人在做更大的推理模型，xAI选择了更快的小模型。
逻辑很简单：没人愿意等10分钟让电脑做自己5分钟就能完成的事。但如果10秒就能搞定，用户愿意为此付任何价格。这和全自动驾驶的逻辑一样。
选择小模型还有个副产品：迭代周期从4周压缩到1周，实验数量可以并行到20个以上。
3、Tesla车载电脑的隐藏价值
部署100万个人类模拟器需要100万台电脑。传统方案是租AWS或买Nvidia硬件，但成本极高。
答案来自Tesla。北美有400多万辆Tesla，其中一半以上配备了Hardware 4，这是Tesla最新的车载计算芯片。这些车70-80%的时间在充电或停着，自带网络、散热、供电。理论上可以付费租用车主的闲置算力，让车载电脑运行人类模拟器。车主拿到租金，xAI获得零基建的算力网络。
"这是纯软件实现，不需要任何基础设施建设。"
4、内部测试的意外插曲
Macrohard已经在xAI内部作为"虚拟员工"测试。有时候有人在公司群里问某个"同事"问题，对方说"来我工位找我"，结果走过去发现那里什么都没有——那是个AI。
还有人看着组织架构图问Sulaiman："这个人是你的下属吗？他今天不在吗？"不是不在，是根本不存在。
三、组织运作的反常识
1、只有三层管理
IC（个人贡献者）、联合创始人/新晋经理、Elon。因为每个经理现在可能有100多人汇报，几乎不可能自上而下布置任务。大多数方案都是底层提出，上面点头，然后执行。
"我以为会有更多自上而下的指令，实际上比预期少很多。"
2、每个人都是工程师
入职第一周，Sulaiman和一个做企业销售的人坐在一起吃饭，本以为对方是销售背景，结果对方开始聊自己正在训练的模型。销售团队也是工程师。当时整个公司可能只有不到8个人不是工程师。
Elon在招聘讨论时反复强调：就是engineers，不用区分AI researchers还是AI engineers。"能解决问题的人，不管他之前做过什么具体领域。"
3、团队边界是模糊的
如果需要修复VM（虚拟机）基础设施的问题，Sulaiman可以直接改，给owner看一眼，合并，部署。没有严格的权限边界，所有人默认被信任能做正确的事。
"这是我从没在任何规模相近的公司见过的。"
iOS团队在推送某个大版本时只有3个人。"用户量和团队规模完全不成比例，但每个人都极其优秀。"
4、文档几乎不存在
事情变化太快，来不及写文档。想了解某个系统，要么读代码，一路go to definition（跳转到函数定义）追下去，要么直接问人。所有人都在同一栋楼，走过去问就行。
Sulaiman对此最惊讶的是：所有人都很愿意帮忙。"我以为聪明人会很傲慢，但这里的人既聪明又友善。"
四、Elon的存在感
1、打电话就能让供应商第二天出补丁
新GPU上架后经常有兼容性问题。传统流程是来回沟通几周。在xAI的做法是：开会时把问题告诉Elon，他打一个电话，Nvidia的软件团队第二天就推送补丁，然后双方工程师并肩调试到问题解决。
"那种原本要拖几周的阻碍，一个电话就清除了。"
2、反馈要么极高层，要么极底层
Elon的反馈很少落在中间层。高层面是产品方向，比如"只专注这个客户群"或"完全不要做这件事"。底层面是具体的计算效率或延迟问题，他会提出非常具体的尝试建议。
但他愿意被证明是错的——前提是有实验数据，不是谁的观点。有时候实验结果出人意料，他就接受然后调整方向。
3、时间线的校准
Elon早期的时间预估经常激进，但他自己也在不断校准。现在他的预估准确得多，而且更新频率更高，有时候每天都在根据新信息调整。
"他确实部署过极大规模、极多种类的硬件，这让他对时间的判断越来越精确。"
4、提议后的两种回应
在xAI提一个想法，得到的反应只有两种："这很蠢"，或者"为什么还没做好？"如果是后者，当天就可以实现，当天就能拿到反馈。没有等待，没有流程。
"没有人对我说不。如果我有好主意，当天就能实现，当天就能展示给Elon或任何人看，当天就有结论。"
五、招聘和筛选的细节
1、每次commit价值250万美元
xAI内部算过一笔账：把公司估值除以代码库的commit（代码提交）次数，平均每次提交大约贡献250万美元价值。"我今天commit了5次，相当于创造了1250万美元价值。"
这个算法粗糙，但逻辑清晰：一个好工程师随手改几行代码的期望回报极高，所以值得投入大量资源招聘。Sulaiman有几周每周做20场以上的面试，短的15分钟，长的1小时技术面。
2、寻找能找到10行解决方案的人
Macrohard要部署在跨越30-40年的各种硬件上，复杂方案会让代码库爆炸。AI写代码很乐意输出200行，但10行方案往往更好。
面试时Sulaiman会给一个他之前创业解决过的计算机视觉问题，解法其实非常简单，但大多数人会过度设计。他要找的是能一眼看穿简单解法的人。
3、故意埋入错误要求
这招是从联合创始人Igor学来的：在面试题里故意放一个不可能的要求或者明显错误的条件，看候选人会不会回来质疑。如果闷头做完不吭声，不录用。
"我要的是会挑战需求、挑战我的人。"
总结
xAI的运作方式可以归结为几个关键词：物理优先、倒推思维、极致信任。
硬件基础设施是真正的护城河，让软件层的实验速度成为可能。规划从目标倒推，物理约束是最后考虑的，而不是起点。组织层面几乎没有流程、权限、边界，默认信任每个人能做正确的事。
Macrohard项目是个值得关注的信号：如果真的能做到比人快8倍的通用数字劳动力，叠加Tesla车载算力网络的部署优势，影响可能比大家想象的来得更快。
核心归纳
Q1: xAI为什么能比其他AI实验室更快？
核心是自建基础设施。其他实验室受限于云服务商的容量，xAI自己建数据中心，从机架通电到训练开始最快只要几小时。这让模型迭代可以做到每天甚至一天多次，实验并行数量远超同行。
Q2: Macrohard项目的核心逻辑是什么？
不改造企业软件，而是让AI直接模拟人类操作电脑的方式（键盘、鼠标、看屏幕）。关键决策是选择小模型追求速度而非大模型追求推理深度，目标是比人快8倍以上。部署可能利用Tesla车载电脑的闲置算力。
Q3: xAI的组织方式有什么特别之处？
只有三层管理，几乎没有文档和流程，团队边界模糊，所有人默认被信任可以改动任何代码。提案的反馈只有两种："这很蠢"或"为什么还没做好"。iOS这种核心产品只有3人团队，但每个人都极其优秀。
