整理 | 褚杏娟
Sulaiman Ghori 在一期播客中，用了一个多小时详细讲述了他在 xAI 的经历。他说，在那里“从来没有人对我说不”，每个人都被充分信任去做正确的事；只要是好想法，当天就能落地、当天就能得到反馈。他还提到，马斯克愿意被证明是错的，只要你能拿出实验数据。
他也坦言，在上一家公司，很多事情也许他一个人能做得更快；但在 xAI，整体反而更快，因为几乎没有官僚流程。这些话，听起来都是对公司的认同和马斯克的赞扬，实际上他还说自己是马斯克粉丝。
然后，播客发出来后第 3 天，他被解雇了。
外界猜测是因为他说了太多敏感信息。节目中，他透露了利用闲置特斯拉汽车驱动的人类模拟器 AI 代理的计划、还有马斯克如何快速构建 Colossus 超级集群、xAI 在模型策略上的核心决策，曝光了公司内部部署测试的 AI 虚拟员工等，还有 xAI 也被完全曝光。他坦率地谈到了激进的时间表、马斯克亲自参与的 Cybertruck 奖金计划、内部文化和运营方式以及一些非公开的策略，这些言论引发了外界的强烈反响。
经历被玩梗：如何在 1 小时内毁掉你的一生，对应了最近 x 的爆文“如何在 1 小时内修复你的一生”
Sulaiman 自 2019 年起持续创业。在德国上大学一个月后退学，为了实现童年创办航天公司的梦想，在自家后院亲手制造过一台液体燃料火箭发动机。创业失败后，他进入 xAI。对于他的经历，有网友表示，“这位兄弟跑去上播客，没拿到明确授权，就顺手把一堆内部敏感信息抖出来，这就是纯纯的新手行为。可以说，这是职业生涯级别的大忌。任何一家严肃的公司都会立刻把你原地开除，更别说是像马斯克这样的人。”
我们翻译并整理了他这期“超级爆料”的播客对话，并在不改变原意基础上进行了删减，以飨读者。
在 xAI，事情永远是
“昨天就该完成”
主持人：今天我很高兴能和 Sulaiman Ghori 坐下来聊聊，他是 xAI 的一名工程师。我从 2023 年马斯克刚开始搞 xAI 的时候就一直很关注这家公司，感觉它可能是史上增长最快的公司之一。你能不能跟大家讲讲，现在 xAI 到底在发生什么？
Sulaiman：说实话，我们几乎没有所谓的 deadline，永远都是“昨天就该完成”。基本没有什么人为障碍。马斯克一直强调要“追根溯源”，找到最底层、最根本的东西，不管是物理层面的还是其他的。我们通常会非常快地深入到那个层面，能多快就多快。
这在软件行业其实挺有意思的，因为你平时不太会把硬件这件事放在心上，但我们确实花了很多精力去考虑这些。而且严格来说，我们现在也不完全算是一家纯软件公司了，毕竟基础设施的建设占了很大一部分。
主持人：对，现在明显是被硬件限制住的。
Sulaiman：没错。硬件可能是我们最大的优势之一，因为在部署能力上，几乎没有其他公司能接近我们。不过，软件方面的人才密度也高得惊人，我从来没在任何地方见过这样的团队。
主持人：我觉得马斯克有一点特别厉害：他很擅长提前判断未来几个月、甚至几年后会出现什么瓶颈，然后从那个未来的瓶颈反推，确保自己现在就站在一个很好的位置上。这种思维方式在日常工作中是怎么影响普通工程师、AI 开发者的？
Sulaiman：通常我们一旦要快速启动一个新项目，不管是我们还是他自己，都会先定一个指标。这个指标一般都非常核心，要么直接关系到财务回报，要么关系到硬件层面的产出，有时候两者都有。之后，所有事情都会围绕着这个指标来推进。而且我们不太接受那种“这事本来就不可能”的说法，就算真有极限，那也必须是一个扎根在最底层的、本质性的限制，而不是人为的。
软件行业里，尤其是过去十年做 Web 开发的人，往往会默认、接受很多所谓的限制，比如速度、延迟之类的。但实际上这些限制很多都是假的。技术栈里有大量没必要的开销和“蠢东西”，如果你能把这些清掉，很多系统都能直接提升 2 到 8 倍，至少是那些相对比较新的东西。当然，也有些老东西确实不好动。
主持人：你最近一次真正感受到“传统认知被彻底打碎”的经历是什么？
Sulaiman：最近一次就是我们在 Macrohood 上做模型迭代。我们同时在做几种全新的架构，而且是并行推进的。现在我们几乎每天都会出新版本，有时候一天不止一次，有些甚至是从预训练阶段就开始重新来。这在业内其实非常少见。
这背后有几个原因：第一，我们有一支非常强的超算团队，他们解决了很多训练过程中常见的障碍。即便我们的硬件环境变化很大，但通常一个机架搭好后，一天之内就能开始训练，有时候甚至几个小时就可以。
主持人：这真的很不正常，一般不是都要好几天吗？
Sulaiman：甚至好几周。过去十年里，大多数人都是把这些事情抽象掉，交给 Amazon、Google 去管，他们给你多少算力你就用多少。但在 AI 时代，这种方式是行不通的。要么你死掉，要么你自己把这些东西建出来。
入职初体验：没人管，
做模型和产品默认资源到位
主持人：当初为什么加入 xAI，以及前几周入职体验怎样？
Sulaiman：我当时刚搬到湾区，在做自己的创业项目。那段时间，xAI 的联合创始人之一 Greg Yang 主动联系了我。他真的很会招人。
我一开始收到邮件的时候还以为是垃圾邮件，因为那时候我经常收到那种“嘿，想聊聊吗”“我很欣赏你做的事情”之类的邮件。正准备删掉的时候，看到发件人的域名是 xAI，我一下反应过来：等等，这不是那帮人吗？当时他们大概成立了八个月左右，我就答应先聊聊。我们聊了好几次，我本来还想再试试别的机会，但后来发现时机不太对。
那个项目最后也没做下去，原因很明显：用一百万美元是不可能把 Macrohard 这种东西做出来的，但想法本身是对的。接下来六七个月，我基本是在烧钱，做各种航天相关的小项目，还试过一个“空气空间”相关的概念，后来也发现大概率行不通，但至少试过了。于是，我又给 Greg 发邮件，说能不能再聊聊。他直接回我：要不要明天面试？我说“好”。
面试还算顺利，我周一就搬家，直接入职了。第一天真的没人管我，就给了我一台电脑和工牌。我当时想：那现在怎么办？我去找 Greg，说我连团队都没有，也没人告诉我该干嘛。他当初招我进来，更多是因为他认可我之前做的事情，也觉得和 Macrohard 的长期方向相关，但那时候 Macrohood 甚至还算不上一个正式项目。
后来正好 Ask Grok 要启动，做和 X 的集成，他们问我能不能帮忙，我说当然可以。第一周我基本就是和另外一个人一起干活。但我很快意识到，在 xAI，你坐在工位上，甚至站起来一看，就能指着某个东西说：哦，这是那个人做的。这种感觉非常酷。而且我连固定工位都没有，就坐在当天没来的人桌子旁。
主持人：那时候公司里人其实也不多吧？
Sulaiman：对，大概也就几百人，工程团队一百来号人。基础设施团队具体多少人我也说不太清，因为有些人是从其他团队慢慢转到我们正式编制里的。但整体规模确实比其他实验室小个数量级。当时我们刚做完 Grok 3。
主持人：真的很酷。我特别喜欢的一点是，xAI 从成立到现在的速度实在太夸张了。我记得马斯克一开始还说，不确定在别人已经领先好几年的情况下能不能成功。结果你们第一个 Colossus 数据中心 122 天就建完了，这在行业里几乎是不可想象的。这种速度塑造了一种怎样的文化？
Sulaiman：他让我们在做模型和产品的时候，可以默认资源是到位的。事实也确实如此，我们并没有被资源严重卡住。
当然，我们还是会把资源用到极限，但那是因为同时在推进二三十个、甚至更多事情。有大量训练任务并行跑着，通常是由少数几个人在推动。这也是为什么我们在模型和产品迭代上能这么快。而且这种速度让我们可以更长期地去思考。比如 Grok 4、Grok 5，其实在我加入之前、甚至 Grok 3 落地之前，规模和预期就已经设计好了。
主持人：也就是说，至少提前一年在规划？
Sulaiman：对，而且你能感觉到，这些预期大概率是能实现的，因为团队整体非常可靠。这就极大地解放了你的思维，让你不用老是纠结“我会不会做不到”。举个例子，我们之前假设的最低延迟，其实比真正需要的高了大概三倍，而基础设施的建设让我们可以做到这一点。
主持人：这是什么意思？
Sulaiman：我们在做的一种新架构，如果没有足够高的实验频率，基本是不可能推进的，因为它完全不建立在现有研究基础之上。你需要全新的预训练体系，也需要新的数据集。这本身并不完全受制于硬件资源，虽然也有一些因素，比如 Tesla 计算平台的问题。这个其实已经是公开的了。
我们现在在想一件事：如果我们用 Macrohard 去做“人类模拟器”，那要怎么部署？如果要部署一百万个“人类模拟器”，就需要一百万台计算机，这怎么可能？
结果两天后答案就出现了：Tesla 车载计算机。它的资本效率非常高，我们可以在上面跑模型，甚至跑一个完整的人类工作环境，成本比在 AWS、Oracle 的虚拟机上，甚至直接买 Nvidia 硬件都要低得多。这让我们可以假设：我们能以更快的速度、在更大的规模上部署。所以我们也相应调整了预期。
主持人：也就是说，你们基本上可以直接利用汽车网络?
Sulaiman：所以这其实是一种潜在的解决方案。简单来说，我们想要一百万个虚拟人（VMs）。仅在北美，就已经有大约 400 万辆特斯拉汽车。假设其中有三分之二，或者哪怕一半，已经配备了 Hardware 4。而且在 78% 到 80% 的时间里，这些车基本都是停在那里，要么闲置、要么在充电。那我们完全可以付费，让车主把车的算力时间“租”给我们。车本身已经有网络、有散热、有电力。我们可以直接在车上运行一个“人类模拟器”，也就是 Digital Optimus。这样一来，车主的租赁费用能被覆盖，我们这边则得到一个可以投入工作的完整人类模拟器。整个过程几乎不需要额外的基础设施建设，基本就是一个纯软件层面的方案。
主持人：对，这个资产本来就放在那里，你们只是把它用起来了，太厉害了。那从宏观层面看，这种“人类模拟器”规模化到几百万个，它的目的是什么？
Sulaiman：其实核心概念非常简单。Optimus 就是把人类能做的任何物理任务，让机器人自动完成，成本更低，而且可以 24×7 全天候运行。
我们现在做的，是把这个逻辑复制到“数字世界”。凡是人类需要通过键盘、鼠标、看屏幕、做决策来完成的数字化工作，我们都可以直接去模拟人类的操作过程。完全不需要软件方做任何适配，也不需要改系统。只要现在有一个岗位是人类在用电脑做的，我们理论上都可以直接部署。
主持人：挺有意思的。那具体会怎么推进、怎么落地呢？
Sulaiman：我们还没公开详细的落地计划，整体来说会是先慢后快。对我们来说在于，要么基础设施已经建好了，要么我们可以直接用特斯拉的网络，或者自己扩数据中心、测试算力。实际上，从一千个“人类模拟器”扩展到一百万个，差别对我们来说并没有想象中那么大，这反而不是最难的部分。
马斯克一个电话“救火”，
个人“生死自负”
主持人：马斯克最擅长的一件事，就是在公司里不断“救火”，哪里有问题就冲到哪里把问题解决掉。你有没有见过那种，本来是个大问题，但被他非常快地解决掉的情况？
Sulaiman：有，最典型的就是基础设施建设，这是最大的一个。模型这边也有过一些小波折，但整体还算顺利。在模型侧，因为涉及很多非常底层、非常具体的算子，每一代 ASIC、CPU 都是为特定操作优化的，当我们引入新硬件，比如从 Nvidia 或其他厂商拿到新产品时，往往不是所有东西都能直接跑起来。
去年年初有几次内部会议，他听到这些问题之后直接打了一个电话，第二天软件团队就给我们交付了补丁。我们几乎是并肩作战，直到问题解决，然后就能很快在新硬件上跑模型或训练任务，否则这种来回沟通可能要拖上好几周。
所以很多这种“卡点”，真的就是一个电话就解决了。要么是我们主动提出来，要么他自己会问。经常在会议快结束、或者讨论暂时停顿的时候，他会突然来一句：“我能怎么帮忙？怎么能把这件事再加快一点？”然后就有人把问题抛出来。
主持人：我知道你们在并行做很多不同的产品，这在一定程度上是必须的。但在大多数组织里，同时推进多个目标，其实很难保持专注。你们是怎么做到多线并行还能高效执行的？
Sulaiman：说实话，很多时候，是在全员会议或者大家私下聊天时，我们才真正搞清楚每个人在做什么、各个项目进展到哪一步。
比如，我们当时做语音模型和语音部署，其实很多极低延迟的端到端能力早就已经在系统里了，从数据包发到客户端那一整套链路都准备好了。后来只是把正确的开关打开、解决一些冲突，延迟就直接降了两三倍。
这种情况非常常见：在软件或硬件某个角落里，存在一个“很蠢”的问题，而恰好已经有人想好了方案。你可能是在翻代码库的时候发现，或者随口问一句，有人就会说：“哦，这个 XYZ 已经搞定了，你去找他就行。”基本不需要花太多时间对齐、同步、请示。提出一个想法，反馈要么是“这想法不行”，要么是“那为什么还没做完？”然后你就直接去做，事情就这么推进了。
主持人：在马斯克的公司里，好像你只要主动要责任，就得“生死自负”。事情做成了就担负更多责任，做不成可能就出局。你的体验是这样吗？
Sulaiman：是的，基本就是这样。我参与过很多不同的项目，大多只是因为有人找我帮忙，我就一直帮下去。结果到最后，我就成了某个模块、甚至一大块系统的负责人。
对所有人来说都是这样。如果你在某个领域有经验，或者能非常快地推进事情，几天之内，这个组件就归你负责了。从“正式流程”上看其实挺混乱的。我在 HR 系统里可能还是挂在 voice 和 iOS 名下，安全系统甚至还以为我在做 X 的集成，从来没人更新这些信息。
主持人：也就是说，你进公司时并没有一个非常清晰的工作方向，就是先开始干活，然后不断在不同项目之间流动，谁需要你你就去哪？
Sulaiman：差不多是这样，会有很多重叠和流动。入职之后，我通常同时参与两三个项目，哪个最紧急、或者我能帮上最多忙，就会占用我大部分时间。然后项目之间会像瀑布一样自然切换。
主持人：那从入职到现在，你大概都做过哪些项目？
Sulaiman：一开始我做的是 Ask Grok 以及相关集成，也和后端团队一起处理过可靠性和扩展性问题，当时系统规模增长得很快；之后我独立承担了桌面端套件的开发，把它做到内部可用的完整状；接着又被拉去帮做 Imagine 的发布，以及 iOS 相关工作。说真的，iOS 团队小得离谱，和用户规模完全不匹配，你绝对猜不到有多少人。
主持人：五个？
Sulaiman：三个。当时推出时，我正好是第三个。但大家都非常强。这是我第一次感觉到，自己必须拼命跑才能跟上整体的节奏和人才密度。
主持人：那你第一次真正感觉到“自己被充分使用”的时刻是什么？
Sulaiman：肯定是 Imagine 的那次发布。我们基本是 24 小时一个迭代周期：晚上收到反馈，当晚就改；第二天早上再看新一轮反馈，接着马上修 bug、加大家想要的新功能。模型这边有新变化，我们也立刻跟进。整个节奏非常快，那可能是我连续每天都在办公室待着时间最长的一段时期。
主持人：那段时间持续了多久？
Sulaiman：大概两三个月。那段时间几乎没有周末，但我反而挺开心的，也算验证了自己能扛住这种强度。之后我就被调去做 Macrohard 产品了，当时那边只有另一个人，一开始就我们俩。我从项目启动一直做到现在。
疯狂推进度，
马斯克直接送 Cybertruck
主持人：关于 Colossus 的建设，我不知道你了解多少。早期 xAI 团队为了把 Colossus 跑起来，在供电、算力、各种基础条件上都做了很多“疯狂”的事。到现在，其实还是到处是瓶颈，总觉得还需要更多芯片、更多 GPU、更快的速度。你当时的感受是什么？
Sulaiman：这一路上有太多“战争故事”，也下过不少赌注。
主持人：挑几个讲讲吧。
Sulaiman：好。我记得 Tyler 当时和马斯克打了个赌。我们在上新机柜的时候，具体是哪一代 GPU 我都忘了。马斯克说，“如果你能在 24 小时内用这些 CPU 跑起来一次训练，我今晚就送你一辆 Cybertruck。”结果那天晚上我们真的把训练跑起来了。
主持人：他拿到了吗？
Sulaiman：拿到了。现在从我们午餐的窗户望去就能看到那辆车，马斯克人挺酷的。
说到供电，其实我们必须和市政、电力公司还有州一级的电力机构高度协同。因为当他们那边负载飙升时，我们就得立刻切断公共电网，全部切到自备电源上——大概是八十台，甚至可能更多，用卡车拉来的移动发电机。
整个切换过程必须无缝完成，不能影响任何正在跑的训练任务。你要知道，那些训练极其不稳定，GPU 和硬件的功耗可以在毫秒级别上下波动，动辄就是几兆瓦。这件事本身就非常夸张。
主持人：那是不是也是为什么你们会把巨型电池组直接放在数据中心旁边？这样负载上下波动就能更快响应？
Sulaiman：对。没有电池的话，很难这么快地调整负载，发电机毕竟是物理设备，你是在让一个真实旋转的东西加速或减速，它天然就有时间延迟，电池的反应速度要快得多。从物理层面看，整个链路是：本地电容、数据大厅侧的电容、电池、发电机，最后才是公共电网。当然，这套架构我们现在可能也在不断调整，尤其是散热这块，反应速度必须非常快。
主持人：你还有没有那种“本来不可能，但最后居然成了”的故事？
Sulaiman：有。比如我们这块地的租约，从法律意义上讲其实是临时的。这样做是为了最快通过审批、尽快开工。我猜以后会转成永久的，但现在确实是短期租约。对数据中心来说，这是目前能把事情推进得最快的方式。
主持人：他们是怎么允许这种操作的？
Sulaiman：算是一种地方和州政府层面的特殊豁免。你只是“临时”改造这块土地，类似嘉年华那种用途。
主持人：所以 xAI 本质上就是个要来的“嘉年华”？
Sulaiman：差不多就是这个意思（笑）。但正因为这样，事情推进得特别快。内部规划加建设，全程不到一个月就搞定了。
主持人：规模接下来肯定会继续疯狂扩张。马斯克 也说过，能源会是最大的瓶颈，其次才是芯片。在这种很难预测未来一到两年项目和资源需求的情况下，你们是怎么做规划的？
Sulaiman：我们会尽量从“杠杆率最高的目标”倒推。先想清楚：在某个时间点之前，我们最值得做的事情是什么。比如，如果我们想在某个日期前做到一千万甚至一亿美元收入，那从经济和系统设计角度，最有效的事情是什么？然后再倒推：需要什么软件、什么物理基础设施，最后一步步拆解。所以我们几乎不会从“硬件需求”开始，那通常是最后才考虑的。
主持人：那是不是也有一套类似 SpaceX 的“让事情发生”的算法？
Sulaiman：你是说那种“先删掉，再加回来”的逻辑？那确实一直都在用。我们经常先把某个东西砍掉，等确认必须要的时候再加回来。
主持人：你最近一次这么干是什么时候？
Sulaiman：今天（指录制当天）。Macrohard 上部署大量变化极快的物理硬件，让测试变得很难，所以我们尽量减少下游的“特殊情况”。比如，我们要让三十年前的老显示器到最新的 5K Apple 显示器，全都跑在同一套技术栈上，结果发现并不是所有系统在任何时候都能愉快地配合。比如视频编码器，在某些层级上就得反复调。
我之前不知道，后来才发现，有些编码器对“最大像素数”是有硬上限的。所以我们一开始删掉了多编码器的特殊分支，后来在 5K 分辨率上撞墙了，又不得不把这个特殊逻辑加回来。
马斯克极限压缩时间，
“办法总会有的”
主持人：在你看来，xAI 本身有哪些特别值得讲的地方？
Sulaiman：首先是人，这里的角色非常多样；其次是我们的招聘方式也挺“怪”的。有些我原本觉得很蠢的做法，结果发现居然行得通，那我们就直接试。比如搞 hackathon，如果能从五百个人里挑出五个顶级选手，这件事就非常划算。他们未来给公司带来的预期价值，远远高于这次活动的成本。
我们前几天还算了一笔账，现在主仓库里，每一次 commit 的“价值”大概是 250 万美元。我今天提交了五次。
主持人：那你今天直接加了差不多一千两百万美元？
Sulaiman：轻轻松松的一天（笑）。确实不错，杠杆效应非常强。你用更少的努力和时间就能做更多事，因为身边的人和内部工具都很棒。还有我的老板。
主持人：那什么样的人会想来这里工作？我听你描述，感觉第一天来的人就已经准备好周末、熬夜、全天候投入了。
Sulaiman：大家刚来的时候都非常兴奋，非常有热情。
主持人：使命感驱动？
Sulaiman：是的，但野心的类型不一样。有些人想往管理层走，看有多少人向自己汇报；也有人想“拥有”一大块技术栈。比如现在，我们在重构核心生产 API，基本上是一个人 +20 个 Agent 在做，而且做得非常好。你完全可以独立拥有代码库中的很大部分。
主持人：有点像 X 被收购之后那样，人很少，但每个人负责的范围巨大。
Sulaiman：没错。
主持人：除了 hackathon，你们在招聘上还有什么不太常规的做法？
Sulaiman：我们在 Macrohard 上推得非常猛。有两、三周的时间，我每周面试 20 多个人。有的只聊十五分钟，有的就是一整小时的技术面。优秀的人太多了，反而变得很难判断。
主持人：那你怎么判断？
Sulaiman：我有一道自己解决过的、非常具体的问题，是几年前在创业时遇到的一个计算机视觉问题。我会给候选人半小时去实现解决方案。
这个问题本身其实很简单，但“简单得很有欺骗性”，大多数人都会想复杂。我特别看重一点：你能否不过度思考，给出一个朴素但有效的方案。因为我们的系统要跑在跨三、四十年的各种硬件、操作系统上，如果不保持简单，下周代码量就能膨胀到一千万行。
主持人：你还会看重哪些杠杆能力？
Sulaiman：我喜欢会质疑需求、也会质疑我的人。这个方法我从 Chester Ford 那里学来的。
他在招聘时，常常会故意在题目里塞一个错误的需求、不可能的条件，期待候选人指出来。如果对方没发现，他就不招。我现在也这么干，效果非常好。
主持人：你们的节奏真的快到离谱。你自己也在做很多不同的事情，面对新任务时，怎么最快上手？
Sulaiman：要看具体是什么。如果是代码多，那就老老实实读代码，反复跳转定义，很快就能摸清楚。很多时候，实现代码比想象的要少。只有在高度活跃开发的模块里，才会同时存在二十个版本，你根本不知道哪个是主线，这时候就只能去问人。
让我惊喜的是，这里的人都非常开放、友好。我原本以为大家会很聪明、也很傲慢，但事实是：大家都很聪明，而且非常乐于帮忙。
我们不怎么写文档，因为写文档的速度跟不上开发速度（笑）。现在我们也在尝试用 AI 自动生成文档。好处是，我们有几乎无限的算力和很聪明的 AI，可以大胆试各种“蠢办法”。在别的创业公司，这可能要烧掉几十万、上百万美元，但我们几乎是零成本。结果就是：实验更多、失败更多，但成功也更多。
马斯克极限压缩时间，
“办法总会有的”
主持人：在实验这件事上，你们是怎么最大化“尝试次数”的？
Sulaiman：通常都会有时间限制。我们经常在模型侧同时跑两、三个实验。有时候不是因为时间紧，而是因为两周后某个前置条件才会就绪：可能是硬件，也可能是数据。但今天你必须上线一个东西，那就先跑几种方案，看哪个今天就能交付、能产生收入或客户效果，两周后条件成熟了再切换。这种做法在 Macrohard 里是常态。
主持人：你有没有遇到过这种情况：按理说一个项目的周期应该拉得很长，但你们却压缩后提前了好几周甚至几个月完成？这种事经常发生吗？
Sulaiman：每次都是这样，无论是跟马斯克的会议，还是内部讨论，只要有人强力推动一件事，或者有外部的人——哪怕他并不对这件事负责——提出了新的需求、要求你把某件事做出来。我们一开始都会觉得，这个时间要求太离谱了。通常会花两分钟想一想、抱怨几句，然后剩下的时间就全部用来想：怎么在这个时间内把事情做完。
说到底，对完成时间的预估，永远建立在一堆假设之上。一旦时间被压到原来的二分之一、甚至十分之一，你就会回头看这些假设并问自己：这些假设对时间的影响到底有多大？然后你要么把它们砍掉，要么调整掉。这样一来，时间线立刻就能快一倍。你多做几次这样的优化，基本上任何要求都能满足。当然，最终还是会撞上物理极限，但一开始的时候，你离那个极限其实远得很。
主持人：我知道像完全自动驾驶、SpaceX 的火箭也是类似的情况。马斯克给的时间线通常都比实际要长得多，所谓的 “马斯克时间” 可能只有真实周期的四分之一或者一半。但正因为一开始把时间线定得这么激进，事情反而真的快了好几倍。xAI 这边是不是也差不多？虽然现在更多是软件，但哪怕在数据中心这类硬件侧，感觉进展也快得离谱，而且基本都落在他最初说的那个时间范围内。
Sulaiman：我觉得他自己也在不断校准他的时间判断。毕竟现在马斯克已经在大规模部署各种各样的硬件了，所以他的估算明显比以前准很多。而且他更新时间线的频率也更高了，有时候甚至每天都在变。他会跟我们不断沟通，根据不同的参数来调整进度。
有些变化甚至是他那边直接带来的，尤其是在基础设施层面。比如某个交易提前敲定了，或者某批设备可以提前排进生产，那就可能直接省下一个月、两个月，甚至更多，具体要看部署的情况。软件这边其实也是一样。
他一直说的一句话是：你完全可以试着用一个月去做一件原本要一年才能做完的事，最后你可能两个月就搞定了，但那也已经快得多了。
主持人：我记得在 SpaceX 的早期，有一种内部共识：马斯克说每拖延一天，就相当于损失一千万美元的收入。我不知道在 xAI 是什么感觉，你心里会不会也有一种直觉：如果今天没有再 push 一点、没有把事情往前拱一步，就等于损失了多少本可以创造的价值？
Sulaiman：有的。至少在 Macrohard 这个项目上，我们确实有一些非常明确的收入目标。具体数字我不能说，但在我脑子里，只要一件事被延迟或者被加速，我几乎立刻就能算出来：我们刚刚是多赚了多少钱，或者少赚了多少钱。
主持人：这也太夸张了。
Sulaiman：是的，数字会非常大。一方面是因为预期回报本身就极高，另一方面是时间线实在太短了。所以哪怕只是几天的变化，按比例来看，对收入的影响都已经非常可观了。
主持人：马斯克一直以“快速下重注”闻名。有没有那种在一次会议里，就做出了投入巨大资本、时间或者承诺的决定？
Sulaiman：有一个非常典型的决定，就是在 Macrohard 上，我们选择了一条路线：模型的速度至少要比人类快 1.5 倍，而现在看起来，实际速度远远不止如此。
在其他实验室，类似“人类模拟器”的尝试，更多是走“更强推理能力、更大的模型”这条路。但我们当时的这个决定，几乎是完全走在了和所有人相反的方向上。之后我们做的几乎所有事情，基本都是这个决定的下游结果。虽然不能说百分之百，但它影响了绝大多数事情，而且这个决定是在非常早期就定下来的。
这在某种程度上也是一种共识，尤其是类比完全自动驾驶就很容易理解。没有人会等电脑花十分钟去做一件自己五分钟就能做完的事。但如果电脑十秒就能搞定，那我愿意为此付出任何价格。这其实是个非常直观的判断。
正常情况下，我们这些工程师可能会站出来反对，有二十个理由说明事情不能这么做。但当一个决定已经被拍板了，你只能从结果倒推路径，办法总会有的。
没有 AI 研究员， 就是工程师
主持人：我记得马斯克之前说过一次，好像是在 YC 的活动上，他和 Gary Tan 做问答。Gary 提到 AI 研究员这件事，结果马斯克说不存在什么 AI 研究员了，现在全都是 AI 工程师。
Sulaiman：对，我们跟他开过一次关于招聘的会，也有人提到过类似的话题，比如岗位描述之类的。然后他大概讲了十分钟，核心就一句话：工程师，就是工程师，别的都不重要。只要是好工程师，本质上是个会解决问题的人就行。不管你以前是做哪一块的，用过什么架构、做过哪种基础设施，这些都不重要。
主持人：为什么“工程师”这么重要？
Sulaiman：因为这样边界就被拉得很宽。意味着我们可以从很多不同背景的人里招人，现实中也确实是这样。AI 领域可能还不算特别明显，但 SpaceX 有很多这样的故事：有人来自你完全想不到的背景，按传统眼光根本不可能进来，但最后却在工程上做成了非常大的事情。所以定义宽一点，就等于给这些人留了一条路，也能帮助我们整体跑得更快。
“没人指挥你干这个、干那个”
主持人：那对你个人来说，在那工作最有意思的地方是什么？
Sulaiman：没人管我。真的，没人指挥你干这个、干那个。如果我有个好想法，通常当天就能自己动手把它做出来，然后拿去展示。看看合不合理，跑个评估，或者直接给客户看，给马斯克看，给相关的人看，一般当天就能知道这个方向对不对。
没有冗长的讨论，也不用等各种流程和官僚审批，我特别喜欢这一点。说实话，我从非常小的创业公司来更大的公司，本以为会牺牲一些自由度。我加入时公司 100 人, 是我之前公司的 10 倍。但对马斯克的公司来说算小的，确实感觉很小的公司，没有什么繁文缛节。
主持人：你进去之前，有没有什么特别大的预期，结果后来发现完全不是那么回事的？
Sulaiman：我原来以为会更“自上而下”一些，结果发现有一些，但不多。管理层级非常少，基本就三层：最底下是 IC，中间是联合创始人和一些新晋的经理，再往上就是马斯克，没有了。
现在每个经理下面的人都很多，事情反而很少是自上而下推动的。通常是我们自己先想出解决方案，跟经理对一下，马斯克点头，就直接干了。有反馈就再调整。整体比我想象中要“自下而上”得多。
主持人：感觉就是在刻意设计一种状态，让所有人都在做东西，管理者更少，真正的“建造者”更多。
Sulaiman：对。我刚加入的时候，几乎所有经理都还在写代码。现在有些人下面管着上百号人，写得少了一点，但总体上，大家还是工程师。
我记得第一周，有天吃晚饭，一个人坐我旁边。我就随口问他在哪个团队。他说他是做销售的，主要负责企业客户。我当时还想，“哦，原来是销售。”结果，他接着跟我讲他最近在训练的模型。
没错，销售也是工程师。销售团队全是工程师，几乎每个人都是工程师。那会儿公司里，可能真正不算工程师的人不到八个。即便如此，大家也都是在为同一台“机器”做贡献。
主持人：所以是不是更像这样：一个工程师负责一个项目，可以直接面对客户，理解他们的问题，然后快速实现解决方案？
Sulaiman：是的，而且层级越少，信息损失就越小。本质上是信息压缩的问题。语言本身就是有损的。如果信息要从客户脑子里变成语言，再进销售脑子，再变成语言、再到经理、再到工程师，每过一层，就像传话游戏一样丢一大截。如果你能尽量减少层级，那就只剩下一次压缩：客户直接告诉你他们要什么、体验是什么，然后工程师直接去解决。
主持人：有没有什么你以前在别的公司从没见过，但 xAI 在做的事情，能让事情推进得特别快？
Sulaiman：最让我意外的是团队之间、职责之间的“模糊性”。这在其他大公司，甚至规模差不多的公司里，都很少见。
比如我要修虚拟机基础设施的一个问题，我就直接修，修完给负责那块的人看一眼，对方说 OK，马上合并、上线。几乎没有那种严格的边界，大家基本都可以改任何东西。当然，危险的操作还是有检查的，但总体上，公司是信任你的，默认你会把事情做对。这种感觉真的很不一样。
主持人：我记得之前马斯克在搞 DOGE 的时候，删掉了一些防控措施然后又很快加回来了。在这种高速试错的过程中，有没有什么东西被删掉、又重新做回来的？
Sulaiman：几乎没有那种不可逆的破坏。我想不起来有什么东西是真的被永久性毁掉的。但像你说的，删掉、移除某个东西，然后有人说“我需要这个”，这种情况非常常见。可能一个小时后就回滚了。
也有那种情况，一个项目做了好几个月，依赖某块基础设施，结果等你真要上线的时候，那块基础设施已经被重构过三次了。那就再适配一次，继续往前走。
主持人：你觉得工程团队人这么少是件好事吗？
Sulaiman：绝对是。人越多，反而越慢。一个人能做完的事，两个人来做，往往要花两倍时间，这在任何规模下都成立。尤其是现在，你已经不需要像以前那样写那么多代码了，更多是在做决策、做架构设计。每个人都可以是架构师，不需要那么多“手”，一个大脑能做的事情多得多。
主持人：你之前自己也尝试过创业，做过很多不同的项目。是什么让你决定来这里？使命感也好，文化也好，哪一点真正打动了你？
Sulaiman：说实话，我一直是马斯克的粉丝。小时候第一次看到猎鹰火箭回收着陆，那种震撼真的忘不了。我后来还专门跑去看了 星舰的第五次发射，那次是第一次成功“接住”，真的值回票价，是我这辈子见过最酷的事情。所以只要能参与任何跟这些事情沾点边的东西，对我来说就已经非常有吸引力了。
主持人：那你当初为什么选择这家公司，而不是 SpaceX 或特斯拉？
Sulaiman：主要还是因为我骨子里就是个创业者吧。xAI 是这几家公司里规模最小、也最新的一家。我当时的一个判断，就是在这种体量的公司里，个人能产生的杠杆和改变会最大，事实也基本验证了这一点。因为从比例上看，你在公司里的“占比”更大。不是说其他公司不酷、或者个人不重要，而是这种比例带来的影响力不一样。
主持人：也就是说，对决策产生影响的可能性要大得多。
Sulaiman：甚至不只是决策，而是从想法到落地、到看到结果，速度都非常快。我之前以为很多事情自己单干会更快，比如自己做某个功能、跑某个实验。但现实是，在 xAI 反而更快，因为已经有现成的基础设施和团队，很多我本来要手动完成的步骤，他们早就做过了，而且基本没人会对你说“不”。
内部 AI 虚拟员工
主持人：你之前提到，公司里不同人、不同事情之间的边界其实挺模糊的。那你能不能随时去找其他同事帮忙？
Sulaiman：经常啊。基本就是走到别人桌前，直接说：“我有个问题。你现在在做什么？我能不能帮你一点？你能不能帮我这个？”大家都在同一栋楼里，这种事非常自然。
挺有意思的是，我们后来在公司内部测试“虚拟员工”（human emulator），有时候甚至没提前告诉大家，所以就会出现这种情况：有个真人员工在干活，突然有人找他说“你能不能帮我做这个”，虚拟员工就回：“行啊，来我工位吧。”结果那人真的走过去，发现什么都没有。
好几次我收到消息说：“组织架构里这个人向你汇报，他今天是不是没来？”但其实他是个 AI，是虚拟员工。
不过整体来说，大家默认都是在同一栋楼、随时能联系到的。所以互相求助这件事非常频繁。我可以找别人帮忙，别人也经常来找我。
主持人：那在这些过程中，最容易“翻车”或者最让你意外的点是什么？
Sulaiman：主要发生在“人类行为模拟”这块，尤其是和客户一起做的时候。我们会尽量全面地理解客户的工作内容：先聊天、访谈，让他们讲，或者写下来他们是怎么做这份工作的。再过一周，我们回头看虚拟员工犯的错误，发现它总是在某些特定场景出问题。
这时候我们就去观察真人是怎么做的，结果发现真实流程里其实有二、三十个步骤，对方之前完全没提。我们一问，他们就说：“哦对，这一步我们是这么做的，刚才忘了说，不好意思。”这种情况太常见了。
很多事情在人脑里是默认存在的，全靠“自动驾驶模式”在跑。就像你开车开了一小时，完全不记得自己刚才是怎么开的。人类对任何重复性的工作都是这样，而我们想解决的正是这些问题：把人类现在反复做、其实根本不需要人来做的“蠢活”，全部替掉。
主持人：那你是怎么决定“先解决哪一类问题”的？除了开车以外，人类还有哪些事情是天天在做、但其实没必要继续做的？
Sulaiman：只要是电脑上的重复性工作，基本都在这个范围内。比如客服就是一个特别典型的场景：不断接收各种格式、各种内容的用户输入，然后把它们转化成一个标准化的处理流程。这样人类就可以去做更有创造性、更需要大脑的事情。
这和编程领域发生的变化几乎是完全平行的：以前你要把同样的实现写二十遍，现在你用三句话描述一下，它就帮你搞定了，这是一次巨大的“压缩”。我们做的，其实就是把这种“压缩”，应用到所有数字化工作流上。
主持人：在公司内部推这些“虚拟员工”的时候，除了“人不存在但被叫去工位”这种情况，还有什么让你觉得意外的吗？
Sulaiman：意外的一点是，它的泛化能力比我们预期的强很多。有很多测试案例，模型根本没针对这个任务训练过，但表现却非常完美，远远超出我们的预期。因此，可以很确定地说，泛化效果真的比想象中好，而且我们现在还处在非常早期的阶段，之后只会越来越强。
这点其实和完全自动驾驶很像：有些场景并不在训练数据里，但车就是能正确应对。这本质上是一个“权重效率”的问题。
马斯克给反馈，
要么宏观、要么细节
主持人：你参加过几次和马斯克的会议？那种会议一般是什么样的？
Sulaiman：说实话都挺简单的，而且我运气不错，大多数都进行得很顺利。
主持人：在 SpaceX 这种地方，成本和零部件细节特别重要。但在你们这里，他给反馈时会不会不太一样？比如不会去抠每个流程的细节？
Sulaiman：他的反馈通常要么非常宏观，要么非常微观，很少停在中间。
宏观层面上，可能是产品方向、客户判断，比如“只专注这个细分市场”“这件事完全不要做”。微观层面，尤其是算力效率、延迟这些问题，他往往会给出非常具体的建议，比如“试试这个方案”。而且他是愿意被证明错的，但前提是要有证据，必须做实验、看结果，而不是靠观点对喷。有些实验的结果甚至会出乎所有人的意料，然后我们就顺着那个方向继续走。
主持人：所以你们后来选择小模型，而不是一味堆大模型。
Sulaiman：对，小模型在算力效率上的选择，带来了很多改进。有些是直接的，有些是间接的。最直观的当然是响应更快。但更重要的是，特斯拉在自动驾驶上也发现了同样的事：模型小了，迭代速度就快得多。
不仅模型对环境反应更快，部署新版本的速度也快了。以前可能四周一次，现在一周一次。这又反过来影响了实验方式：为什么我们能同时跑二十个实验，其实就是源于这个早期决策。
主持人：那一开始的设想，是不是想直接上大模型？
Sulaiman：算是吧。我们确实想比所有人都快，但后来发现，“快”这件事的效果，被放大了很多倍。
“war room”真实存在
主持人：维基百科一直被诟病有偏见，马斯克也很关注构建一个“更接近真实”的替代体系。那你们怎么看待清理互联网来找到真相这件事?
Sulaiman：这是个极其困难的问题，因为互联网本身往往并不是所谓的“事实真相”。我们能做的，是尽可能往“底层原理”去钻，但这本身也很难。比如你问“宪法在物理意义上的底层原理是什么”，这其实很难有人真正给出一个严谨的答案。
但思路是类似的：尽量往下挖，再从那里往上构建。问题是真正这样写、这样做的资料并不多。比较接近的一个例子，是 James Burke 的《Connections》系列，他会把看似完全不相关的概念，通过物理和发明串联起来，非常有意思。我们想做的，其实是类似的事情，只不过这条路还很新。
主持人：你们是怎么找到更好的数据的？
Sulaiman：数据并不是决定结果的唯一因素。
主持人：我有时候会在 X 上看到有人贴出 Grok 的输出，说“这明显不对”，然后马斯克直接回复说“我们会修”，接着可能过了十二个小时、一天，他又说“好了，已经修好了”。这种事情发生时，内部一般是怎么运作的？
Sulaiman：通常是他把哪里出问题了直接指给我们看，然后当时还醒着的人就会马上拉一个线程开始解决问题，一般先是个人处理，如果需要就再拉几个人。之后我们会做一次复盘，把到底哪里出了问题、以后怎么避免都讲清楚。原则上，犯一次错是可以接受的，但同样的错误犯第二次就很严重了。
主持人：在 SpaceX 的历史里，包括特斯拉，其实有过很多这种“冲刺时刻”。比如马斯克半夜突然出现，发一封全公司邮件，说大家都来公司干活。你们也有这种情况吗？
Sulaiman：这种更多发生在做大模型的时候。就 Macrohard 这个项目来说，我们已经在“作战室”里连续干了四个月了，基本一直就是这种状态。
主持人：你们门口是不是还真挂着一块牌子写着“war room”？
Sulaiman：是的，真的。最早那个作战室后来扩张了，我们就把东西全搬走了。有一次马斯克走进作战室，发现里面空无一人，就问“人呢？怎么回事？”然后他又走到我们现在待的地方，其实就是健身房，我们把健身器材全清掉，把人都塞进来了——然后他就在那儿开始一连串追问到底发生了什么。
主持人：在那种很多事情被打乱又被迅速推进的夜晚，或者经历那种大规模冲刺时，是什么感觉？
Sulaiman：我最近正好看到 xAI 的一位联合创始人 Igor 发的一条内容。他人特别好，我也很喜欢跟他一起工作。他以前在 StarCraft AI 工作，大概十年前吧，是我高中时尝试复现过的最酷的机器学习项目之一，难得要命，所以后来能和他一起共事真的挺神奇的。
他说的一句话我特别有共鸣：有些时间里，感觉只过去了几天；但有些夜晚里，仿佛发生了几个月的事情。那天晚上就是这样。说“几个月”可能有点夸张，技术结果我们本来也可能几周内做到，但一晚上把它搞出来，冲击感非常大，而且真的熬了一个通宵。
主持人：有没有那种情况，大家连续五天、甚至一整周都没怎么离开过办公室？
Sulaiman：有的。模型冲刺的时候，经常会有很多人直接在公司过夜。
主持人：之前提到你们有五、六个睡眠舱，大家轮着用？
Sulaiman：对，有睡眠舱，现在还有一些上下铺，条件差点，但至少能睡。后来帐篷那张照片传出来后，很多人都发给我。我只能说确实有帐篷，但我从没见过一次搭那么多。反正……确实挺极端的。
成长经历：从小不服权威
主持人：我知道你小时候做过很多不同的项目，好像还做过指尖陀螺。可能是在你房间里搞的？这种折腾、动手的心态，对你现在的工作影响大吗？
Sulaiman：影响挺大的。我很小就开始学编程，大概十一岁的时候，我爸给我买了一本书。我一开始觉得还行，但真正开始喜欢是在我意识到它能赚钱之后。我在网上认识了一些人，他们给游戏写脚本、外挂，然后卖一点钱。对我来说，能在网上赚到几百美元已经是天大的事了。
主持人：第一次有人给你钱，那种感觉真的很奇怪。
Sulaiman：太疯狂了。我还记得当时得让我爸帮我弄一个 PayPal 的托管账户之类的，然后钱真的打进来了。对我来说，那简直是世界上最酷的事情。我干了几个月，攒了点钱，当时我对 3D 打印特别着迷，RepRap 那套体系正火。
那其实就是一群大学生搞的项目，目标是造一台能打印出自己大部分零件的机器，所以才叫 RepRap。他们在不同大学里搞了一些实验室，从一台打印机开始，让它打印下一台的零件，一步步扩展。当然，这里面问题很多，他们也一直在解决，但那确实推动了后来的 3D 打印浪潮。我当时特别痴迷，就照着他们的零件清单，在阿里巴巴上把东西全买齐了。
主持人：然后呢？
Sulaiman：一个月后东西到齐了，我一晚上把它装起来，但过程其实挺惨的。我在拆电源的铜线，那是个非常不靠谱的电源，结果真的着火了。铜线全散开，有一根直接扎进我拇指里，大概有五厘米深。
主持人：去医院了吗？
Sulaiman：没有。那是个上学的夜晚，已经凌晨了。我十三岁，动手能力也不行，在卫生间用镊子折腾了一个小时也没拔出来，最后我干脆把露在外面的剪掉了。接下来几周，它一点点往外长，我每天早上再剪一点。现在想想还挺离谱的。
不过打印机最后还是装好了。那时候正好赶上指尖陀螺爆火。我从中国买了一千个滑板轴承，在自己卧室里搞了个小工厂。晚上每隔两个小时起来一次清理打印平台，重新打印一批陀螺。白天上学前，我在车库里装轴承、喷漆、晾干，然后跑去其他学校的公交站，把货卖给“分销商”，其实就是别的学校的学生。他们白天卖，我放学后收钱，线上也卖、发货。
生意做了两个月，最后被叫停了。官方理由是，学校餐饮公司有独家销售权，不能在校园里卖东西。但我觉得，他们主要是不爽我一边分散大家注意力，一边还赚钱。这事让我学到了一种“健康的不服从权威”。
主持人：这种对权威保持距离，好像一直贯穿你的经历。你提到你不太信任机构，这种态度是怎么形成的？在你的人生里具体体现在哪？
Sulaiman：我从很小就知道，我想要的是一种不寻常的结果，而走一条常规路径，基本不可能得到。于是我本能地抗拒一切“惯例”，而机构的本质就是维护惯例。我觉得，几乎所有真正有创造力、有意思的成果，都是来自自由的人。至少在我看到的世界里是这样。所以，忠于这一点，对我来说才是正确的选择。
主持人：我很喜欢 John Carlson 的一个观点：所有东西都这么难造、难实现。看看周围，世界就是充满人们的激情项目。
Sulaiman：对，完全就是个奇迹。每一样东西背后都有故事，比你想象的要多得多。我记得以前读过 YKK 拉链的故事。你会发现，全世界真正做得好的拉链厂商就两、三家。拉链看起来很便宜，但机械结构其实挺复杂的。之所以能这么便宜、这么可靠，是因为有极少数公司、甚至可以说是极少数人，花了几十年把这件事做到极致。
这几乎适用于所有东西。任何特别具体、又能大规模生产的东西，背后通常只有几家公司、甚至几个人在做。就像有时候你会听说，德国某个不起眼的小公司一停产，大众汽车整条产线都得停。疫情期间这种事就更明显了。
主持人：在我们见面之前，你还做了一个液体燃料火箭发动机，我记得很小一个，你说是临时起意，二十四小时内点火的？
Sulaiman：整个项目其实前后做了大概四周。一开始我就是买了一堆教材，研究火箭发动机的设计原理。和软件完全不一样，软件你可以上 GitHub 看别人的代码，但火箭没有现成文件。你得搞清楚材料特性、化学性质、怎么加工、参数怎么定，推力怎么估算，怎么避免超压。还有喷注器的设计，这个特别难，大概占了一半时间。
主持人：这是最难的部分吗？
Sulaiman：是的，喷注器最难，也是最后问题最大的地方。我花了三、四周时间，找中国工厂加急做了很多零件。那时候正好感恩节，我准备飞回东海岸看家人。我当时想，要么今晚把它装好、点火，要么就拖两周，然后我决定不能拖，就现在干。我早上灌了很多咖啡，一整天都在干活，搭测试架、装发动机，当晚就点火了。当然，为了能当晚完成，做了不少妥协。
主持人：我真的觉得特别好笑，你当时离它其实就几步远？
Sulaiman：对。我其实设计了远程点火，但问题是，用来给板载计算机供电的电源还没到，只能用笔记本通过 USB 供电。而我最长的 USB 线只有一米多，所以我只能站在旁边点火。我心里估计，大概有三成概率它会炸，或者喷得到处都是火。
视频里其实能看到，我的外套着火了。因为喷注器设计不好，产生了很多超压，没完全燃烧的乙醇直接喷出来，溅到我身上就点着了。那件烧焦的外套现在还留着，当纪念品了。
https://www.youtube.com/watch?v=8jN60eJr4Ps&t=41s
声明：本文为 AI 前线整理，不代表平台观点，未经许可禁止转载。
会议推荐
InfoQ 2026 全年会议规划已上线！从 AI Infra 到 Agentic AI，从 AI 工程化到产业落地，从技术前沿到行业应用，全面覆盖 AI 与软件开发核心赛道！集结全球技术先锋，拆解真实生产案例、深挖技术与产业落地痛点，探索前沿领域、聚焦产业赋能，获取实战落地方案与前瞻产业洞察，高效实现技术价值转化。把握行业变革关键节点，抢占 2026 智能升级发展先机！
今日荐文
你也「在看」吗？
