核心观点

• AI 改进自己（递归式自我改进）这事真的要来了。
  • Karpathy 去了 Anthropic 就是干这个。
  • 如果 AI 能够直接参与自己的训练，那模型提升速度就不是线性了，简直是坐火箭冲上天。
  • 结合持续学习（continual learning），这将极大地拉近通用人工智能的到来。
• 大家嘘 AI，其实不是讨厌技术，是害怕自己被淘汰。
  • 钱都被少数模型公司赚走了，普通人看着大厂裁员只能犯失业焦虑。
  • 对付这种公关危机，别写那些弱智的“衡量者”裁员信（点名批评 Cloudflare），
  • 多讲讲普通人怎么用 AI 救自己女儿这种故事才有用。

有意思的细节

• Gemini Nano 偷偷塞进 Chrome
  • 默默占了用户 4G 空间做拼写校对，虽然有隐私争议，但也代表模型开始离用户越来越近了。
• 罕见病父亲的自救
  • 一个父亲在女儿出生患有神经元不放电罕见病时，自己用 LLM 查文献找解药，成功将女儿神经元放电从 30% 提高到 80%，现在还在进一步用 AI 搞靶向定制药。
• Cloudflare 裁员信的反面教材
  • CEO Matthew Prince 在公司业绩创记录时裁员，并在公开信中冷冰冰地称人为“衡量者”（Measurers），
  • Chamath 骂这封信简直是“弱智公关学校的产物”，极大地引发了社会对 AI 的恐惧。

逐字稿精选

• “他（Karpathy）会花 1/4 的时间去标注数据。你能想象吗？2016年、2017年，手工标注 Tesla 的视频数据。他真的这么做了。”
  • 个人启示：
    • 即便是站在最前沿的巨星，也需要极强的好奇心和动手能力，甚至愿意花大量时间做最基础、最脏的标注工作，没有捷径。
• “闭嘴吧，回到键盘后面，做好你的工作。如果你需要管理某件事，那就去管理，但别写这种长篇宣言。你们写的太烂了，你们所有人都很烂，你们真的不擅长这个。”
  • 个人启示：
    • 当管理者面临决策 and 阵痛时，别发小作文，回到键盘前解决具体问题更重要。
• “我办 AI Hackathon 做了很多工具，让自己的工作更高效，CEO 就把我裁了……你在工作时训练出一个取代自己的东西，希望之后还有别的工作留给你。”
  • 个人启示：
    • 打工人在 AI 时代最真实的黑色幽默——工具越好，提效越快，失业就来得越早。
• “随着我年纪变大，我觉得真的不值得市场起伏带来的刺激感……我管理自己的方式是，我只持有几家我真正相信的公司，我在这些公司上有极度集中的大仓位……我不会跟踪 30 个东西，我真正持续跟进的大概就 4 个东西。”
  • 个人启示：
    • 精力收缩，专注做自己熟悉的事。极度集中精力与大仓位（公开持股 <5 只），用专注换内心平静。
• “大家要记住，假设这次（Starship）变成一个大火球，SpaceX 也还是会从中学到东西。如果你不失败，就说明你没有在学习。同样，如果你一天里从来没错过，那你那天也没学到什么。”
  • 个人启示：
    • 炸火箭依然带回数据。没有失败反馈，大脑就没有更新，就等于没学到东西。

Cursor 新模型的破局：算力与数据飞轮

• Cursor 之前在算力上差点卡死，直到接入马斯克 算力集群直接翻盘。
  • 算力瓶颈突破：
    • Cursor 本来在算力获取上远远落后于 Codex (OpenAI)、Google 和 Anthropic。
    • 马斯克让他们接入了 xAI 的 Colossus 超级算力集群后，模型的迭代成长速度瞬间起飞。
  • Composer 2.5 的 Vibes 压倒性优势：
    • 新模型上线仅 3-4 周，就在 Pareto 效率曲线上取得了主导地位，成为 Cursor 用户选择最多的模型。
    • 虽然传统跑分未必能体现全部，但推特上开发者一致反馈的“Vibes”（直觉体验）极好。
  • 下一步棋：训练全新的 Base Model：
    • 接下来，他们打算利用在超级算力集群上跑的巨量算力，结合 Cursor 积攒的世界上最大、最连贯的“用户编辑器交互与代码修改轨迹”数据，去训练一个全新的 Base Model。这可能会颠覆现有的代码 Agent 市场，一年后他们很可能会成为主导玩家。

启示

• Model 像处理器，Harness 像操作系统
  • 模型底座差距没那么大，今天你领先，明天我赶上。
  • 但 Harness（也就是 Cursor、Claude Code、Codex，以及 xAI 发布的 Grok Build 这一套运行沙箱、状态、记忆管理）才是真正的生态。
  • 用户的肌肉记忆和工作流都在 Harness 上，底座随时可以像芯片一样插拔替换。
• 数据飞轮必须在真实任务里跑
  • 天天和 AI 吹水聊天没有任何积累。Agent 在真实环境下干活留下的“任务轨迹”（遇到什么问题、调了什么工具、人在哪里接管、怎么完成闭环）才是能训练的宝贵数据，这也是 Coding Agent 最先跑通的原因。
• Chrome 内置 Gemini Nano 的启示：本地小模型正在成为隐形的基础设施
  • Google 把 4G 的模型静默装进所有人的 Chrome 浏览器里，做本地的校对和拼写补全。这说明未来本地推理（Local Inference）会成为像拼写检查一样的免费默认服务。
  • 不要在传统网页 Chatbot 模式里打转：比起“偷偷安装”的公关争议，更应该关注它对普通用户的落地价值——AI 直接融入了你打字的浏览器输入框里。
• 中美 AI 竞争没有退路
  • 这就像核武器博弈，谁慢谁就失去安全边界。美国和中国只能互相制衡，最后通过类似 KYC 的联合监管防止疯子造出生物武器。

金句

• 如果你不失败，就说明你没有在学习。
• 递归式自我学习这个想法会让这些模型同时进入超速模式 and 自动驾驶模式。
• 我们现在只是处在一个全球高债务的糟糕社区里，算是里面最好的房子。
• “普通人被告知的只有一件事：有些人正在赚几万亿美元。”
• SpaceX 不只是火箭公司，而是未来互联网基础设施
• 少数掌握技术的人会获得巨大杠杆，而多数人尚未看到自己如何受益。
• 轨道计算可能在 2028 年下半年到 2030 年上半年开始真正商业化

相关来源

播客地址：https://www.xiaoyuzhoufm.com/episode/6a19149dac7bdb080c329102
播客标题：#559. All-in:SpaceX、AI 递归自我进化、Nvidia 巨额利润、美国为何开始害怕 AI？