“代码 + 编译器”要消失了？马斯克在 xAI 全员会上放话：到今年年底，AI 或将直接生成二进制|二进制|代码|埃隆_马斯克|编程|编译器

编译 | Tina

一家 AI 公司要是在很短时间里接连走了联合创始人和一批核心工程师，外界第一反应通常就一句话：完了，这肯定出事了。

xAI 过去一周的离职潮就是这种感觉。消息在 X 上越滚越大，最后干脆被玩成梗：有人明明从没在 xAI 上过班，也跑去发帖“我也离职了”，用跟风式的调侃把“集体出走”的说法跑偏成了大型玩梗现场。

马斯克没做任何解释，直接把一场 45 分钟的全员大会录像公开出来。

这段视频等于一次对外说明：离职到底是大家自己走，还是公司在做组织调整？xAI 现在在忙什么、谁负责什么？Grok、编程模型、视频生成、Macrohard（多智能体软件公司）这四条线接下来要怎么推进？

更狠的是，马斯克在视频里还抛出一个判断：到 2026 年底，AI 甚至可能不写代码了，直接生成二进制。

埃隆·马斯克预测，到2026年底，AI将彻底绕过传统编程，不再写代码，而是直接生成二进制程序。他认为，AI所生成的二进制文件，其效率可以超过任何编译器所能产出的结果。也就是说，未来你只需要告诉 AI：“为这个特定目标生成一个经过优化的二进制程序”，就可以直接跳过传统意义上的编程过程。当前的软件开发流程是：代码 → 编译器 → 二进制 → 执行；而马斯克设想中的未来将变成：Prompt（指令）→ AI 生成的二进制 → 执行。他还表示，Grok Code 有望在 2 到 3 个月内达到业界最顶尖（state-of-the-art）水平。在马斯克看来，软件开发正站在一次根本性变革的门槛上。

马斯克：不是离职潮，是我在裁员

一周之内，一家 AI 公司接连失去两位联合创始人和多名核心工程师，这很难再被当作正常的人才流动。

在 xAI，离职消息几乎是“扎堆”出现的，很快就不只是“谁走了”的八卦，而变成了另一个更直接的问题：这家公司还能不能稳住？

TechCrunch 统计显示，过去一周里，至少有 9 名工程师公开宣布离开 xAI，其中包括两位联合创始人 Jimmy Ba 和 Tony Wu。短短几天，创始团队就少了将近一半。对任何一家仍在高速扩张的公司来说，这种速度和幅度都足够让人警觉。

马斯克显然意识到了这一点。在离职叙事迅速发酵、并开始脱离公司控制之前，他选择了一种极不寻常的应对方式：公开一场内部全员大会。

一段长达 45 分钟的 all-hands meeting 视频，被直接放到了 X 上，对所有人开放。

而在公开视频之前，马斯克已经在内部会议上给出了他的判断。周二晚间的全员大会上，他将这轮离职定性为“阶段适配问题”，而非绩效问题。“因为我们已经发展到一定规模，我们正在重组公司结构，以便在这个规模下更高效地运作，”他说，“而事实上，在这种情况下，有些人更适合公司的早期阶段，却不太适合后期阶段。”

马斯克随后在 X 上明确表示，这是一轮因组织结构调整而产生的人员分离——本质上是裁员，而非单纯的个人选择。

“随着公司快速成长，组织结构必须进化。这不幸地意味着需要与一些人分道扬镳。”

在这条帖子中，他还强调，公司正在“积极招聘”，并用一句极具个人风格的招募语收尾——如果你对“月球上的大规模驾驶器（mass drivers）”这个想法感兴趣，欢迎加入 xAI。

不过，组织重组本身并不罕见，真正让外界困惑的是这次离职来得太集中：不少离开的人来自创始团队，而且不是零星个例，而是一轮在极短时间内发生的人事变动。下面是根据公开信息整理的离职时间表。

xAI 离职时间表（公开信息汇总）

2 月 6 日，Ayush Jaiswal（工程师）写道：“这是我在 xAI 的最后一周。接下来几个月我会陪伴家人，同时折腾一些 AI 相关的东西。”

2 月 7 日，Shayan Salehian（负责产品基础设施和模型后训练行为，曾就职于 X）写道：“我已离开 xAI，准备开启新的事业，也正式结束我在 Twitter、X 和 xAI 工作的 7 年多时光，满怀感激。”他还提到，与马斯克近距离共事让他学会了“对细节的偏执关注、近乎疯狂的紧迫感，以及从第一性原理思考问题”。

2 月 9 日，Simon Zhai（技术人员）写道：“今天是我在 xAI 的最后一天，非常感激这次机会。这是一段令人惊叹的旅程。”

2 月 9 日，Yuhuai（Tony）Wu（联合创始人、推理负责人）写道：“我今天从 xAI 辞职了。是时候开启新篇章了。这是一个充满可能性的时代：一个配备 AI 的小团队，可以移山填海，重新定义可能性。”

2 月 10 日，Jimmy Ba（联合创始人、研究与安全负责人）写道：“今天是我在 xAI 的最后一天。借助合适的工具，我们正迈向 100 倍生产力的时代。递归式自我改进循环很可能在未来 12 个月内上线。是时候重新校准我在宏观层面的‘梯度’了。2026 年将会疯狂，并且很可能是关乎我们物种未来、最忙碌的一年。”

2 月 10 日，Vahid Kazemi（机器学习博士）写道，他“几周前”就已离开 xAI，并表示：“在我看来，所有 AI 实验室都在做同样的事，这很无聊。我认为还有更大的创意空间，所以我要开始做点新的。”

2 月 10 日，Hang Gao（从事多模态项目，包括 Grok Imagine）写道：“我今天离开了 xAI。”他称这段经历“非常有价值”，并提到自己对 Grok Imagine 多次发布的贡献，同时称赞团队“谦逊的工匠精神和雄心勃勃的愿景”。

2 月 10 日，Roland Gavrilescu（去年 11 月离职创办 Nuraline）发帖称：“我离开了 xAI，正与其他离开 xAI 的人一起打造新的东西。我们在招聘 :)”

2 月 10 日，Chace Lee（Macrohard 创始团队成员）写道：“短暂重置一下，然后重返前沿。”（Macrohard 是 xAI 旗下的纯 AI 软件项目，目标是利用 Grok 驱动的多 agent 系统，实现软件开发、编码和运维的全自动化；其名字带有对微软的调侃意味。）

xAI 现在员工还是一千多人，所以短期内不太可能因为这波离职就“运转不下去”。但人走得太集中、太快，网上很容易越传越夸张：一些 X 用户甚至干脆跟着玩梗，发帖“我也离开 xAI 了”——明明他们从来没在那儿上过班。

这正是 xAI 随后选择公开视频 all-hands meeting 的直接背景。

在这场全员大会上，马斯克反复强调了两个判断。第一，离职并非绩效问题，而是阶段适配问题。第二，在当前阶段，xAI 的唯一优先级只有一个——速度（velocity）和加速度（acceleration）。

如果你在某个技术领域里跑得比所有人都快，那么你最终一定会成为领导者。

xAI 新架构：四大团队，各自干什么？

马斯克在这次大会上，大概说了几件事儿。

首先他给 xAI 进行了一个定位：别把它当成熟公司看，毕竟这个公司才成立两年半。

他把 xAI 形容成“幼儿”，强调：“我们还小，但长得特别快”。对手很多都干了五年、十年甚至二十年，起步资源更好、人更多，但 xAI 硬是在短短几年里把不少关键方向做到了前排，甚至拿了“第一”。

然后他一口气列了几条“成绩单”：语音、图像、视频生成做到了行业领先；他还强调“预测能力”才是衡量智能的关键指标，并说 Grok 4.20 在预测任务上赢过别的模型。应用形态上，xAI 已经把 Grok 和 Imagine 这种能力整合进一个 App，还对 X 做了更激进的改造。

他们还有一个更野的目标：Grok-pedia 不只是“做个更好的维基百科”，而是要做成“银河百科全书”——把所有知识（包括图像、视频）都装进去，规模和准确性都要上一个数量级。

随后谈到离职和重组，马斯克表示这不是“崩了”，而是“公司长大了”：xAI 已经达到了一个新的规模节点。

他用了生命体成长的比喻：公司创业初期几十个人，大家可以随便聊，到几百人就必须有结构；再长大就得“分化出器官、长出四肢，甚至一度还会有尾巴——好在后来尾巴消失了”。所以重组是为了跑得更快。也因此会出现现实情况：有人适合早期冲锋，但不一定适合后期规模化运作。

最后他公布了新的组织架构，xAI 接下来就按四条线打：

第一，是 Grok Main 和语音，这是核心的 Grok 主模型；

第二，是专门面向编程的模型；

第三，是图像和视频模型，也就是 Imagine；

第四，是 MacroHard，它的目标是对整个公司级系统进行完整的数字化仿真。

Grok 仍然是 xAI 对外最重要的产品入口；Coding 团队则被放在了一个更加核心的位置，不只是为了“写代码”，而是为了压缩整个软件生产链路。

Grok 团队：一年内，Grok 装进了 200 万辆特斯拉

Grok 团队是 xAI 当前最核心、也最直接面向用户的一条产品线，几乎承载了外界对 xAI 的全部直观认知：聊天、语音、车载、API，以及与 X 平台的深度整合。这条线的负责人是 Aman Madaan（2024 年加入 xAI）。

如果只用一句话概括 Grok 团队这一年的进展，那就是：从“什么都没有”，到成为 xAI 最快落地、规模化最成功的产品线。

Aman 用“从零到第一”的方式概括语音线的推进速度：

Grok Main和语音团队将合并为一个团队。在语音上有一个很典型的例子。2024年9月，OpenAI已经推出了高级语音模式，而当时我们什么都没有，连模型都没有。但我们是在那之后才开始的，在短短六个月里，我们从零开始、完全自研，在团队里几乎没有音频背景的情况下，做出了一个在六个月内就已经超越OpenAI的语音产品。而现在，不到一年，Grok 已经部署在超过 200 万辆特斯拉汽车中，同时我们也推出了 Grok Voice Agent API。一年时间里，我们从“什么都没有”变成了行业领导者。这种事情，只可能发生在像 xAI 这样的地方：小团队、极度投入、使命导向，再加上充足的算力。

在 Grok 主模型上，xAI 把重点从“问答”推向“Everything App”：

在聊天模型这条线上也是同样的故事。从 Grok 1.5、Grok 2 到 Grok 3，我们始终站在推理能力的最前沿。我们想要走向一个不只是“问答”的世界，而是打造一个真正的“Everything App”。你可以来这里咨询法律问题、制作幻灯片、解决复杂问题，真正把事情做完。我们的目标，是打造一个入口，让你可以完成所有工作，真正放大每一个人的能力，让他们完成远超个人极限的事情，而且这一切都会通过一个极其简单、自然、无缝的使用体验来实现。未来几个月，知识工作者能够完成的工作量，将出现数量级提升。

编程（Coding）团队：到今年年底，你可能都不用写代码了

如果说 Grok 是 xAI 面向用户的“对话入口”，那 Coding 团队就是整个公司真正的执行引擎。这个团队不仅负责 xAI 内部的编码系统，更承担着一个更激进的使命：让 AI 自行写代码，并最终替代“写代码”这件事本身。

Coding 团队负责人 Makro 的发言，是这场 all-hands 里最容易让工程师产生情绪波动的一段。

按他的说法，这已经不再是“提效”，而是一条自我加速的链路：这一代 Grok Code 正在训练下一代 Grok Code。等“写代码”变成训练流程的一部分，讨论的重点就不再是工具顺不顺手，而是系统会不会沿着这条路一路跑下去。所以，编程被直接提到公司最高优先级之一。而且投入了等效“百万张 H100”的训练算力，目标是训练出世界上最强的编程模型。

马斯克的判断更为激进。在他看来，“写代码”本身正在显露出一种过渡形态的特征，最终只需要一句“为这个特定目标生成一个经过优化的二进制程序”，就可以直接绕过传统意义上的编程过程。

Makro 在会上先从“质变”讲起：模型终于从“看起来能用”变成“真的能用”：

最近这段时间，编程这件事真的发生了很大的变化。

以前我一直在吐槽：大家老是劝我用编程模型，我也试过，但说实话，并没有被真正说服。但最近不一样了——这些模型已经能产出相当不错、可用的代码质量了。

当然，你还是需要去 review、去给反馈，但已经很容易看出来，它们能把人的效率拉高很多。这已经不只是“帮你写代码”了，而是它们对你的直觉理解得比以前好太多。现在我描述一个问题的时候，只需要像跟一个已经熟悉代码库的工程师同事解释一样去说就行；而以前，你基本得像牵着一个幼儿一样，一步一步教它该怎么改。

而且它们不只是写代码，还可以帮你 debug 代码。现在我们会让 Grok Code 连续跑上好几个小时，来确保对训练系统这种更复杂的改动，真的能在生产环境里稳定工作。

Makro 也把 Grok Code 的用途描述为“生产级验证 + 递归自我改进”：

所以对我们来说，这已经不只是“写代码更快一点”、让工程师 10x 更高效的问题了。我们已经清楚地看到：我们正走在一条递归式自我改进的路径上——这一代 Grok Code，正在训练下一代 Grok Code。而且这条路径已经进入指数级起飞阶段，并且会继续下去。正因为如此，我们在公司里全面加码编程方向，把 coding 提升为公司最高优先级之一。如果你对编程感到兴奋，不管你是非常擅长训练模型，还是一名对系统设计感兴趣的底层软件工程师——这里就是你该来的地方。我们现在拥有等效百万张 H100 的训练算力，目标就是训练出世界上最强的编程模型。

Guodong 则表示：

随着时间推移，我们越来越清楚地意识到：至少在编程这个维度上，我们正走向某种“奇点”。

真正的限制因素，可能已经不在算法或模型上了，而是在计算资源和能源：是否能运行起足够强的模型，去支持和赋能所有人。而现在，通过这次调整，我们已经是一个统一的团队；我们会在算力上取胜，我们正在赢下“太空算力”这条路。

所以，对每一位工程师来说——不管你现在是在写内核、写编译器，都可以想一想：

这件事是否还值得你亲手去做？也许你应该加入我们，在 coding 方向上，多少“自动化掉你自己的一部分”，让自己跑得更快。

说实话，这是一个非常疯狂、也非常令人兴奋的年份。真的是“活在这个时代太夸张了”。我已经能清晰地感受到 AGI 的气息——至少在编程这件事上，已经非常接近了。

同时，马斯克在 Coding 段补了一句极具冲击力的判断，把“写代码”本身都当成中间态：

对，我觉得事情会走到一个阶段——可能甚至今年年底就会到——你都不会再费劲去“写代码”了，AI 会直接把二进制给你生成出来。而且 AI 生成的二进制，效率会比任何编译器做到的都更高。所以你就直接说：“给我一个针对这个具体目标的最优化二进制。” 然后你甚至连传统意义上的编码都绕过了。写代码这一步，其实只是个中间步骤，很可能到……我觉得今年年底左右，就不需要了。而且我们预计，Grok Code 会在两到三个月内达到最先进水平（state of the art）。这一切发生得非常、非常快。

Grok 团队：一年内，Grok 装进了 200 万辆特斯拉

Imagine 是 xAI 的图像与视频生成产品线，也是公司里算力消耗最大的方向之一。负责人是 Guodong，核心成员包括主攻视频方向的 Haotian，以及 Chaitu。

Guodong 在会上把 Imagine 的进展描述为“从零到全面铺开”的速度战：

Imagine 团队几乎是六个月前从零开始的。没有扩散模型代码，没有现成基础，但现在 Imagine 已经全面集成进我们所有产品，包括 X 应用。你现在就可以在 X 里长按图片，直接编辑，或者把图片变成视频。 Imagine 的增长速度极其惊人。用户现在每天生成接近 5000 万个视频，过去 30 天里生成了 60 亿张图片。作为对比，Google 最近表示他们的模型 30 天生成了 10 亿张图片，而我们是它的六倍。Haotian 则把时间表拉到“今年年底”，强调“长视频一键生成 + 无干预”的路线。

此外，马斯克也补了一句方向性判断，把未来算力押注在“实时视频理解 / 生成”上：

我的预测是：未来大多数 AI 计算资源都会用在实时视频理解与实时视频生成上，而我们预计会成为这方面的领导者。这里值得再次强调：六个月前，我们在视频与图像生成、编辑方面几乎什么都没有，或者说非常弱；但在六个月内，我们就冲到了第一名。而且我相信，大家会对即将发布的 Grok 4.2 模型印象非常深刻——它是一次显著提升。不过那只是我们新模型体系里的“小版本”。接下来还会有中等版本和大型版本，它们会更加智能。

MacroHard：AI Agent 的终极实验场

MacroHard 被定义为一个由 AI Agent 驱动、用来“模拟公司运转”的方向，目标远不止写代码：它要模拟人类使用计算机，自动运行软件和各类公司流程，甚至进一步做到对整家公司进行仿真。负责人是 Toby，核心成员包括负责执行层推进的 John M.。

Toby 在会上给 MacroHard 的一句话定义非常硬核：

MacroHard 正在构建一个完全能力齐备、数字化、实时的人类模拟器。它能够在计算机上完成任何一个人类能完成的事情，包括使用工程和医学等领域的高级工具。未来应该会出现由 AI 完整设计的火箭发动机。从某种意义上说，这是 AI 目前仍然显著弱于人类的领域之一。也正因为如此，这是最令人兴奋、最值得投入、也最有可能真正改变整个领域的方向。

John M. 则把 MacroHard 的路径拆成“CLI → GUI → 端到端编排”：

我们正在构建这些强推理模型，而它们将会控制我们的CLI（命令行界面）。我们每天都在积极使用这些模型，它们给整个团队带来了巨大的生产力提升。我知道语音团队在这方面做得非常出色。这也是为什么我们需要算力——我们需要大规模算力来运行这些模型，从而提升我们自己的生产力。但现实是：全球80%到90%，甚至95%的软件世界，都有GUI（图形界面）。这是一个非常重要的事实。要真正让人们生活更容易，我们必须开发能够在GUI上完成日常任务的模型。所以MacroHard的目标，是模拟一家“输出是数字化成果”的公司。这是智能体的下一步：MacroHard将实现跨桌面端的真正端到端编排，并将带来巨大的经济繁荣。

同时，马斯克把 MacroHard 的意义抬到“人类仿真”的高度：

MacroHard 这个项目，随着时间推移，可能会成为我们最重要的项目。我们讨论的是：对整家人类公司进行仿真。理论上完全有可能完整仿真任何一家“输出是数字化产物”的公司。这将开启一个繁荣时代，其程度可能是我们现在几乎无法想象的。

基础设施：xAI 真正的护城河

在 xAI，基础设施不是“后台部门”，而是以上所有激进判断能不能落地的前提。ML 基础设施团队负责搭建公司的训练、推理以及整套工具链系统。用他们自己的话说：站在软件工程师视角，这可能是你能做的最酷的一类系统。

最典型的例子发生在 Grok 3 的训练上。当时，xAI 已经拿到 10 万张 H100，硬件都交付到位，但软件并没有真正准备好。团队原本以为系统能跑，结果规模一拉到 3 万卡，现实给了一个很明确的反馈：系统跑不起来。问题不是某一个 bug，而是数据中心里的“意外”太多：交换机抖动、链路抖动、交换机宕机、GPU 频繁损坏、数值不稳定……这些都不可能提前枚举完。但目标只有一个：让 10 万张 H100 像一个整体一样工作。

一次训练 step 可能只有 5 秒：每 5 秒往前推一步，但这 5 秒里什么都可能发生。所以系统必须做到：意外不断出现也能自动恢复、持续推进，而不是一出问题就停下来等人来救。

这种问题在别的地方也很难遇到。不是工程师不够聪明，而是很少有人同时拥有这种规模的算力、以及这种密度的人才。当时整个预训练团队大约 15 人，真正负责训练系统的可能只有 7 人，但他们刻意维持了这种“人才密度”，而不是靠堆人数去堆规模，最终靠这支小团队完成了 Grok3 的训练。

英伟达 CEO 黄仁勋在多次采访中说过一句评价：在把 AI 算力上线这件事上，没有人比 xAI 更快。

随后，RL 与推理团队接力。这个团队负责在地球上、以及很快可能在太空中，大规模运行训练任务和生产推理系统，目标很直接：把系统从 10 万张芯片扩展到数百万张芯片，并且让它对已知和未知的硬件故障都具备韧性。

目前他们的成果都汇聚到了孟菲斯的数据中心里：xAI 已经建起了全球规模最大的 AI 训练集群之一，而且仍在扩张——第一阶段是 33 万张 GB300，接下来还将再增加 22 万张 GB300。