Nakikilala ni Musk ang pagtataya ni Will Depue: Hindi magpapahinto ang kakayahan ng AI, at ang recursive self-improvement (RSI) ay darating sa loob ng higit sa 24 na buwan.

May-akda ng artikulo, pinagkukunan: 0x9999in1, ME News



TL;DR

• Sumasang-ayon si Musk sa pagtataya ni Will Depue: Hindi magpapabagal ang kakayahan ng AI, at ang recursive self-improvement (RSI) ay darating sa loob ng higit sa 24 na buwan. Sumasang-ayon ako sa unang bahagi, at iniiwan ko ang ikalawang bahagi.
• Ngunit may pagkakamali sa talakayan na ito: ang pangunahing argumento para sa pagbaba ng halaga ng Frontier Labs ay hindi 「hindi na epektibo ang modelong ito」, kundi 「sobrang epektibo ng modelong ito, ngunit hindi mo makakatanggap ng pera».
• Ang pahayag ni Musk na "Ang AI na dalawang taon na ang nakalipas ay sapat nang lumang sa museum," ay talagang pinakamabisang linya para sa mga short seller. Ito ay tumutukoy sa bilis ng pagbaba ng halaga ng asset, hindi sa malalim na kahalagahan.
• Ang kurba ng kakayahan ay may suporta mula sa mga totoong datos: Ang "tagal ng gawain" na matukoy ng METR ay lumalabas na nagdobleng halos bawat pitong buwan, at mas mabilis pa sa loob ng dalawang taon. Ito ang pinakamahalagang marka na dapat i-monitor.
• Ang problema sa RSI ay hindi kung posible o hindi, kundi sa sobrang pagkakalawang ng depinisyon. Nangyari na ang pagpapabuti sa maliit na saklaw (ang AlphaEvolve ay ebidensya), ngunit ang buong loop ay nakakapit sa computing power, enerhiya, cycle ng eksperimento, at pagtataya.
• Ang takdang-oras ni Musk ay may nakaraang bigat. Ang FSD ay sinabi na "next year" sa loob ng sampung taon, at ang AGI ay inaasahan na 2025 at 2026. Tama ang direksyon, ngunit madalas mali ang ritmo.
• Aking konklusyon: Ang kakayahan na mag-buy, ay hindi katumbas ng pag-buy sa anumang partikular na balance sheet. Dapat hiwalayin ang dalawang ito sa pagtaya.

Isa, hindi sila sumasagot sa parehong tanong

Ipaunawa muna natin ang lahat.

May isang pangunahing pangungusap si Will Depue: ang pananaw na ito ay "kung iiwasan ang AGI, ay may katotohanan ito."

Ang pangungusap na ito ay nagtanggap ng kalahati na ng lohika ng mga short seller.

Dahil sa pagkakaroon ng maliit na pananaw sa valuation ng Frontier Labs, ang karamihan ay hindi naniniwala na ang modelo ay magiging nakapikit. Ang kanilang argumento ay iba pa: hindi umiiral ang unit economics, sobrang taas ng capital expenditure, mali ang estimated depreciation period, ang kompetisyon ay nagpapababa ng pricing power, at ang adoption rate sa enterprise side ay mas mababa kaysa sa inaasahan.

Walang isa sa mga ito na nakadepende sa 'pagbabawas ng kakayahan ng AI'.

Kaya ang pahayag ni Musk na “ang AI sa loob ng dalawang taon ay magiging nakakagulat sa isang malaking antas,” bilang isang pagtataya sa trend ng kakayahan, naniniwala akong malamang na tama. Ngunit bilang isang pagtutol sa mga pananaw na bearish, hindi ito nakatutok sa tamang layunin.

Isang magandang bato, ngunit nabatid ang hangin sa tabi.

Ibigay nang mas malinaw: ang teknikal na kurba at ang kurba ng cash flow ay hindi iisang linya. Sa kasaysayan, madalas silang nasa magkabilang dulo. Mas mabilis ang pagpapalabas ng fiber optic, mas mura ang bandwidth, at mas mahirap ang pagkabigo ng mga kumpanyang nagpapalabas ng fiber. Sa huling bahagi ng dekada ng 1990, dumami nang sobra ang kapasidad ng fiber optic sa US, at sumabog ang presyo—ang Global Crossing at WorldCom ay naging bahagi ng listahan ng mga nagsasagawa ng bankruptcy. Ngunit ang mga tunay na nakinabang sa benepisyo ng infrastrakturang iyon ay ang mga nagawa ng streaming at cloud isang sampung taon pagkatapos.

Tumanggap ang teknolohiya. Hindi tumanggap ang mga nagsuporta sa teknolohiya.

Hindi ito pagpapakita ng pagkabigo sa AI. Ito ay paalala: May maraming hakbang na pagdededuce sa pagitan ng “magiging napakalakas ang AI” at “ang pagpapahalaga ngayon ay makatwiran”.

Dalawa, ang metapora na “pumasok sa museo” ay talagang ebidensya ng mga short seller.

Kaninuman ang pagmamasid sa pahayag na ito ni Musk.

Dalawang taon na ang nakalipas, sa gitna ng 2024, ang mga lider sa unang antas ay ang GPT-4o, Claude 3.5 Sonnet, at Llama 3.1 405B. Wala silang sapat na pagkalkula sa pag-iisip, walang maaasahang mahabang chuweb ng pagtawag sa mga kasangkapan, at hindi kayang gawin ang mga awtomatikong gawain na nagtatagal ng ilang oras.

Ngayon, parang isang specimen.

Ngunit tandaan, ano ang tunay na inilalarawan ng pangungusap na ito.

Ito ay naglalarawan na ang AI model bilang isang asset ay mabilis na bumababa ang halaga.

Ang ekonomikong buhay ng mga pinakamalalim na modelo ay maaaring magtagal lamang ng 12 hanggang 24 buwan. Ang mga gastos sa pagtrabaho, data, at lakas ng tao para sa nakaraang modelo ay mabilis na bumababa sa halaga pagkatapos lumabas ang susunod na henerasyon. Hindi mo ito maaaring gamitin para kumita ng renta sa loob ng sampung taon.

Ano naman ang hardware na sumusuporta sa lahat ng ito? Ang mga malalaking vendor ay karaniwang nagde-depreciate ng GPU at server sa loob ng lima hanggang anim na taon sa kanilang financial reports. Ang ipinapalagay na ito ay masyadong mahaba, at noong 2025 ay pinagbantaan ito; noong Nobyembre ng taong iyon, direktang tinukoy ni Michael Burry ang isyu: Kung mas maikli ang tunay na economic life, ang reported profit ay pinapakita nang mali.

Hindi ko gustong magtanggol sa mga short seller, ngunit kailangan nating pag-isipan nang maayos: kung ang isang modelo ay dapat nang makapasok sa museo pagkatapos ng dalawang taon, bakit ang mga bahagi ng steel at silicon na nagdudulot ng modelo ay maaaring mag-depreciate nang maayos sa loob ng anim na taon?

Mas tama ang pahayag ni Musk, mas malalim ang tanong na ito.

Mas masalimuot ang presyo. Ayon sa pagsubaybay ni Epoch AI, ang presyo ng pagpapatakbo para sa parehong antas ng kakayahan ay maaaring bumaba ng isang kahulugan taon-taon. Isang malaking benepisyo para sa mga user. Ngunit isang patuloy na pagbaba ng gross margin para sa mga kumpanya na nagsasagawa ng bayad para sa modelo.

Ang iyong produkto ay lumalago nang malaki bawat taon, samantalang ang presyo nito ay binabawasan nang malaki bawat taon.

Ito ang pinagmulan ng mekanismo ng “pagpapabilis ng kakayahan, paghihirap sa kita.” Hindi ito kahinaan sa pagsasagawa, ito ay istruktura.

Tatlo: Hindi magpapahinto ang kakayahan: Sa patakaran na ito, ang data ay nasa panig ni Musk

Ngayon, sabihin ko ang mga bahagi kung saan ako sumasang-ayon.

Kung tanging gamitin ang "damdamin" sa pag-uusap, hindi magiging malinaw ang debate. Kaya mas pabor ko ang isang tiyak na sukat: gaano kalabas ng oras ang modelong makakagawa ng gawain nang mag-isa.

Ang pag-aaral na inilabas ni METR noong 2025 ay nagbigay ng isang malakas na trend line: ang haba ng mga gawain na kayang tapusin ng modelo ng may 50% na katumpakan, batay sa oras na kailangan ng mga eksperto na tao upang tapusin ang parehong gawain, ay halos lumalabas ng dalawang beses bawat pitong buwan. At mas malaki pa ang slope ng mga sample pagkatapos ng 2024.

Sa ikalawang kalahati ng 2025, ang pinakamalakas na modelo ay nasa loob ng pagsusuri na “dalawang oras” sa indikator na ito.

Maramdaman ang kahulugan ng kurveng ito. Ang eksponensyal na paglago ay tila maamo sa unang bahagi at bigla sa huling bahagi. Mula sa dalawang oras hanggang isang araw ng trabaho, kailangan lang ng dalawa o tatlong pag-doble.

Saklaw din ng parehong panahon ang iba pang mga punto ng pagsasakatuparan. Noong Setyembre 2025, inilunsad ng OpenAI ang GDPval, na gumagamit ng totoong mga output ng propesyon para sa pagpapahalaga, at ang mga modernong modelo ay nasa antas na malapit na sa mga eksperto sa industriya sa ilang mga gawain sa propesyon. Noong Hulyo 2025, ang ilang eksperimental na modelo mula sa iba’t ibang laboratorio ay nakamit ang antas ng ginto sa International Mathematical Olympiad. Hindi ito mga pangako sa pagpapromosyon, kundi mga napatunayang pampublikong pangyayari.

Kaya ang pahayag na “nagpabagal ang mga advance sa harap,” ayon sa aking pananaw, ay hindi makatotohanan sa aspeto ng kakayahan.

Ang tunay na nagpabagal ay isa pang bagay: ang antas ng pagkakalito ng mga user.

Napapahamak tayo tuwing tatlong buwan, at ang pagkamahamak ay naging pang-araw-araw. Madaling maliitin ang pambabatid na ito bilang obhetibong paghinto.

Sa punto na ito, malinaw si Musk.

IV. RSI sa loob ng 24 na buwan: Ano ang totoo at ano ang paniniwala

Ito ang bahagi na pinakamali ko sa buong talakayan.

Hindi dahil sobrang optimista ito, kundi dahil sobrang ambiguo ito.

Mayroong hindi kakaibang tatlong bersyon ng RSI.

Unang bersyon: Pinapabuti ng AI ang mga komponente nito sa maliit na saklaw.

Nangyari na ito. Ang AlphaEvolve na ipinakilala ng Google DeepMind noong 2025 ay isang patotoo: ito ay awtomatikong natuklasan ang mas mahusay na algoritmo, na bawas ang bilang ng pagpaparami mula sa 49 patungo sa 48 sa pagpaparami ng 4×4 kompleks na matrix, na nagbago sa rekord na napanatili nang higit sa limampung taon, at nakapagpalit ng halos 0.7% ng kabuuang computing power sa pagpaplano ng data center ng Google.

Ito ay tunay, masusuri, at kaso ng AI na nagpapabuti sa AI infrastructure.

Ikalawang bersyon: Ang AI ay malaki ang pagtanggol sa sariling proseso ng pagbuo.

Nagpapatuloy pa ito. Ang mga coding agent ay nagsisagawa na ng malaking bahagi ng engineering implementation, code review, experimental scripts, at data pipelines sa loob ng laboratorio.

Ikatlong bersyon: Awtonomong sariling akcelerasyon na saradong loop na malalampasan ang mga limitasyon ng tao.

Ito ay karaniwang tinatawag na "smart explosion".

Ang mga nakaraang dalawang bersyon ay ginamit upang patunayan ang ikatlong bersyon, at ito ang pinaka-karaniwang pagbaba sa mga ganitong uri ng paghuhula.

Bakit mahirap? Ang bottleneck ay hindi nasa inspirasyon ng algoritmo.

Ang bilis ng pag-aaral sa AI ay limitado ng pisikal na oras ng eksperimento. Ang isang malaking pre-training ay kailangang tumagal ng ilang linggo, kailangan maghintay sa hardware, kailangan mag-antay para sa kuryente, at kailangan mag-queue. Kahit na i-bisaya mo ang bilis ng pag-iisip ng mga researcher ng isang daan, hindi magiging mas mabilis ang queue ng eksperimento nang isang daan.

Sa mas mababang antas, ang enerhiya at ang supply chain. Ang kapasidad ng advanced packaging, ang suplay ng HBM, ang cycle time ng pagpapadala ng transformer, at ang pagkakasunod-sunod sa pagkakonekta sa grid—lahat ng ito ay nagmumove sa mga quarter at taon. Sa paligid ng 2025, ang paghintay para sa pagkakonekta sa mga grid sa iba’t ibang rehiyon ng Amerika ay nasa antas ng mga taon na.

Ang silicon wafer ay pwedeng mag-overtime, hindi ang substation.

Isang mas kaunti pang diskutadong limitasyon: ang pagtataya. Upang mapabuti ng AI ang sarili nito, kailangan muna itong malaman kung naging mas mabuti ba ito. Kapag ang mga gawain ay tumatagal ng ilang sampung oras at wala nang iisang tamang sagot, ang pagtukoy sa “mas mabuti” ay naging sariling problema sa pag-aaral. Maaaring maging marumi ang mga signal ng pagsasalba, at maaaring pagsikapan ng modelo ang pagpapabuti sa tagapagbigay ng puntos kaysa sa pagpapabuti sa kakayahan.

Kaya ang aking pagtataya ay: sa loob ng 24 buwan, malaki ang posibilidad na makikita natin ang malaking pag-unlad ng ikalawang bersyon, habang tumataas ang proporsyon ng pag-aaral na ginagawa ng AI. Ngunit sa ikatlong bersyon, ang tunay na pagkakawala ng ritmo ng tao sa recursive loop, naniniwala akong mas mababa kaysa 50% ang posibilidad na ito ay mangyayari sa loob ng 24 buwan.

Hindi ito teknikal na pesimismo, ito ay inhenyeriyang katotohanan.

Limang, ang takdang oras ni Musk, kailangan ng discount factor

Hindi ito pag-atake sa tao, ito ay kalibrasyon.

Ang kanyang pagtataya sa direksyon ay may mataas na antas ng kasaysayang pagkakatama: mananalo ang electric vehicles, posible ang reusable rockets, makakamit ang satellite internet, at ang malalaking GPU clusters ay ang mahalagang variable. Ang kanyang Colossus cluster, na natapos sa napakaliit na panahon noong 2024 nang may deployment na sampung libo ng mga kard, ay nagpapakita na nauunawaan niya ang kaluluwa ng kompetisyon sa computing power.

Ngunit ang kanyang pagtataya sa oras ay patuloy na optimista.

Full self-driving "coming next year," mula noong 2015 hanggang ngayon. Binigkas niya ang open prediction na ang AI ay lalampas sa anumang tao sa paligid ng 2025, at sinabi rin niya na ang AGI ay lalabas noong halos 2026. Ngayon ay Iyong Hulyo 31, 2026, at ang mga ito ay tila hindi pa natutupad.

Ang praktikal na paraan ay: i-multiply ang iskedyul na ibinigay niya ng dalawa hanggang tatlo.

May isa pang dapat ipaliwanag: hindi siya isang neutral na taga-observa.

Ang xAI ay malakas na nagsasalo sa larangan na ito, kailangan ng patuloy na malaking pagsasapalaran, at kailangan ng pagkakatiwala ng merkado na ang kurba ay magpapatuloy na magiging mas malakas. Ang pagpapahayag ng malakas na tiwala sa direksyon ng isang tao sa kanyang sariling pananalapi ay lubos na normal, ngunit dapat isama ng tagatanggap ang ugnayang ito sa kanilang pagsusuri.

Hindi ito nakakaapekto sa posibilidad na tama ang kanyang pagpapasya. Tanging ang antas ng kumpiyansa na dapat ibigay sa iyo ang epekto nito.

Anim, ang pagpapatupad sa panig ng negosyo ang totoong pagkakabuksan

Noong Agosto 2025, isang pag-aaral ng isang grupo na may kaugnayan sa MIT ang nagdulot ng maraming diskusyon: ang karamihan sa mga pilot project ng generative AI sa mga negosyo ay hindi nagdulot ng masusukat na pagbabago sa kita o gastos, na umabot sa 95%. Ang paraan ng pag-aaral na ito ay pinagdududa ng marami pagkatapos, at may kontrobersiya sa sample at pagsusuri; hindi ko inirerekomenda na gamitin ito bilang patunay na walang pag-aalinlangan.

Ngunit ang sakit na tinutukoy nito ay totoo.

Ang pagitan ng kapasidad ng modelo at halaga ng negosyo ay puno ng isang buong set ng mga gawain na walang gustong gawin: paggawa ng data, sistema ng mga pribilehiyo, pagre-restructure ng proseso, pag-iingat ng audit, pagtukoy ng responsibilidad, at pagtugon sa pagkabigo.

Isang modelo na kayang makakuha ng ginto, hindi makapasok sa pangunahing proseso ng isang bangko—ang hadlang ay hindi laging ang intelihensya.

Ito rin ang nagpapaliwanag sa isang tila kontradiktoriyong pangyayari: ang paggamit ay nagsabog, ngunit ang mga return ay mahirap masukat. Ang buwanang dami ng token na inopera ng Google noong 2025 ay tumalon mula sa ilang milyong trilyon patungo sa mga daan-daang trilyon, habang ang lingguhang aktibong gumagamit ng OpenAI noong taglagas ng 2025 ay umabot na sa halos walong milyon. Ang paggamit ay walang alinlangan ay nagsisimula nang mabilis.

Samantala, ayon sa maraming media report, ang mga pangunahing laboratorio ay nananatili sa malaking net loss mula 2025 hanggang 2026, at ang mga proyeksyon sa kita ay karaniwang inilipat sa paligid ng 2029. Samantala, ang kabuuang taunang kapital expenditure ng mga malaking manufacturer ay patuloy na itinataas mula sa antas ng ilang milyong dolyar noong 2025.

Ang pagtaas ng paggamit ay tumutugon sa "may gumagamit." Hindi ito awtomatikong tumutugon sa "sino ang kumikita."

Sa pagitan ng dalawang bagay na ito, nakatayo ang kapangyarihan sa pagtukoy ng presyo. At ang kapangyarihan sa pagtukoy ng presyo ay tinatapos na ng apat o limang kalaban na may magkakaparehong kakayahan.

Pitong, huwag pakinggan ang konklusyon, kundi subukan mong suriin ang mga marka

Limitado ang kahalagahan ng pag-uusap kung 'magpapahinto ba ang AI', dahil iba-iba ang kahulugan ng 'pagpapahinto' ng parehong panig.

Mas mabuting suundin ang tatlong bagay na maaaring i-verify.

Una, ang saklaw ng oras ng gawain. Ipatuloy ang kurba ng METR. Kung ang saklaw ng oras para sa 50% na katumpakan ay lumalago sa higit sa walong oras sa susunod na taon, mas matibay na suportado ang pagtataya ni Depue. Kung ito ay umuulit sa interval na dalawa hanggang apat na oras nang higit sa isang taon, ibig sabihin ay nagkakaroon tayo ng isang estruktural na pader.

Ikalawa, ang kumpiyansa, hindi ang peak capacity. Tingnan ang panahon sa ilalim ng 80% o 90% na tagumpay. Binebili ng mga negosyo ang katatagan, hindi ang mga pansamantalang genio. Ang bilis ng pag-unlad ng indikator na ito, direktang tumutukoy sa slope ng commercialization.

Ikatlo, ang unit economics, hindi ang kabuuang kita. Tignan ang gross margin, at kung ang pagbaba ng cost per unit ay maaaring makalaban sa pakikidigma sa presyo. Tignan kung mayroon bang isang kumpanya na nakakamit ng positibong cash flow mula sa operasyon.

Tatlong marka, walang kailangang paniniwalaan ang anumang propesya.

Walo, Wakas

Simple lang ang aking pananaw.

Tama ako sa pahayag ni Musk tungkol sa kakayahan. Ang mga model noong dalawang taon ang nakalipas ay tila mga specimen, at sa loob ng dalawang taon ay maaaring magpakita nang kahina-hina ang pinakamalakas na model ngayon. Ang kurba ay hindi pa umuunlad.

Ngunit ang kanyang pagtugon sa tanong tungkol sa pagtataya ay hindi angkop.

Ang tunay na tanong ng mga short seller ay: Sino ang magbabayad ng mga gastos sa kapital na milyon-milyon dolyar, at paano matitipid ang presyo nito, kapag ang bawat modelo ay bumababa ng halaga tuwing labing-walong buwan, kapag ang presyo ng parehong antas ng inteligensya ay bumababa ng isang antas bawat taon, at kapag apat o limang kumpanya ay may kaparehong kakayahan?

Hindi kayang sagutin ng “Mas magiging mas malakas ang AI” ang tanong na ito.

Hindi ko pa binibigyang-konsiderasyon ang bahagi ng RSI. Hindi dahil imposible ito, kundi dahil kailangan nito ng computing power, kuryente, panahon para sa eksperimento, at isang sistema ng pagtataya na lahat ay magpapalaya—at ang mga ito ay hindi sumusunod sa paglago na eksponensyal.

Huling sabihin ang isang posibleng hindi populer na pahayag.

Ang teknolohikong rebolusyon ay totoo, at ang bubble ay maaari ring totoo—maaaring mangyari ang dalawa nang sabay-sabay, at karaniwang ganito sa kasaysayan. Totoo ang mga riles, ngunit bumagsak ang mga aktibong riles. Totoo ang internet, ngunit bumagsak ang Nasdaq ng 78%.

Ang pagiging bullish sa teknikal ay hindi katumbas ng pagiging bullish sa bawat balance sheet.

Magkahiwalay ang mga taya. Hindi ito pagkakaroon ng dalawang panig, ito ay pagkakaunawa sa pagsusuri.

Tungkol sa pagiging "magkakaroon ng malaking epekto" ng AI pagkatapos ng dalawang taon, mas naniniwala ako.

Hindi ko ito ipinapalagay kung sino pa ang nasa table noon.

Source ng pagkakabatay

1. METR, "Pagsusukat ng Kakayahan ng AI sa Paggawa ng Mahabang Gawaing," METR Research, Marso 2025.
2. Google DeepMind, "AlphaEvolve: Isang Coding Agent na Nagpapagana sa Gemini para sa Pagdisenyo ng Mga Advanced na Algorithm," Mayo 2025.
3. OpenAI, "Ipakilala ang GDPval," OpenAI Blog, Setyembre 2025.
4. Epoch AI, "Mga Tren sa Presyo ng LLM Inference" at "Mga Tren sa Machine Learning Compute," Epoch AI Data Insights, 2024–2025.
5. MIT Media Lab / Project NANDA, "The GenAI Divide: State of AI in Business 2025," Agosto 2025.
6. Goldman Sachs Research, "Gen AI: Labis na Pagkita, Kaunting Benepisyo?," Hunyo 2024.
7. Elon Musk at Will Depue, mga post sa X tungkol sa pagbabahagi ng frontier lab at recursive self-improvement, Hulyo 2026.
8. Reuters at The Information, na nagrereport tungkol sa kita, mga pagkawala, at mga panahon ng pagkakaroon ng kita ng OpenAI at Anthropic, 2025–2026.