馬斯克認同 Will Depue 的判斷：AI 能力不會放緩，遞歸自我改進（RSI）將在不到 24 個月內到來。

文章作者、來源：0x9999in1，ME News

簡而言之

馬斯克認同 Will Depue 的判斷：AI 能力不會放緩，遞歸自我改進（RSI）會在不到 24 個月內到來。前半句我同意，後半句我保留。
但這場對話存在一個錯位：看空前沿實驗室估值的主流論據，從來不是「模型不行了」，而是「模型很行，可你收不到錢」。
馬斯克那句「兩年前的 AI 老到可以進博物館」，其實是空頭最好用的一句台詞。它說的是資產折舊速度，不是護城河。
能力曲線有硬數據支撐：METR 測出的「任務時間跨度」大約每七個月翻一倍，近兩年甚至更快。這是目前最值得盯的刻度。
RSI 的問題不在於是否可能，而在於定義太模糊。窄域的自我改進已經發生（AlphaEvolve 即為實證），全域的閉環仍受限於算力、能源、實驗週期與評估。
馬斯克的時間表背負著歷史包袱。FSD「明年」已經說了十年，AGI 也預告過 2025 和 2026。方向對，節奏卻常出錯。
我的結論：做多能力，並不等於做多任何一張具體的資產負債表。這兩件事必須分開下注。

一、他們在回答的，不是同一個問題

先把話說清楚。

Will Depue 的原話有一個前提句：這個看空觀點「如果忽略 AGI，倒是頗有道理」。

這句前提，其實已經承認了一半空頭的邏輯。

因為看空前沿實驗室估值的人，絕大多數並不認為模型會停滯。他們的論點是另外幾條：單位經濟不成立、資本開支強度過高、折舊週期被低估、競爭把定價權磨平、企業側落地率遠低於預期。

在這些條款中，沒有一條依賴「AI 能力放緩」。

因此，馬斯克那句「兩年後的 AI 會讓人驚艷到爆炸」，作為對能力趨勢的判斷，我認為大概率成立。作為對看空論點的反駁，它其實沒有擊中目標。

這是一次漂亮的揮拳，但打在了旁邊的空氣上。

再說得直接一點：技術曲線和現金流曲線不是同一條線，歷史上它們經常呈反向關係。光纖鋪設得越快，頻寬就越便宜，鋪設光纖的公司就越難熬。1990 年代末，美國長途光纖產能暴增，隨後價格崩盤，Global Crossing 和 WorldCom 都上了破產名單。而真正享受到這批基礎設施紅利的，是十年後做串流媒體和雲端的人。

技術贏了。投資技術的人沒贏。

這不是唱衰 AI。這是提醒：「AI 會變得極強」和「今天這個估值合理」之間，還缺很多步推導。

二、「進博物館」這個比喻，其實是空頭的證據

我承認馬斯克這句話的觀察力。

兩年前，也就是 2024 年中，當時的第一等級是 GPT-4o、Claude 3.5 Sonnet、Llama 3.1 405B。它們沒有像樣的推理時計算，沒有可靠的長鏈條工具調用，無法執行數小時量級的自主任務。

Today, it really does seem like a specimen.

但請注意，這句話真正描述的是什麼。

It describes: AI models as an asset depreciate extremely rapidly.

前沿模型的經濟壽命，可能只有 12 到 24 個月。上一代模型花掉的訓練算力、數據成本、人力成本，在下一代出來之後，邊際價值急速衰減。你不能靠它收租十年。

而支撐這一切的硬體呢？超大規模廠商在財報中普遍按五到六年折舊 GPU 和伺服器。這個假設是否過長？2025 年曾被公開質疑，Michael Burry 在當年 11 月直接點出此事：如果實際經濟壽命更短，那麼帳面利潤就被美化了。

我不願為空頭站台，但邏輯要講清楚：如果模型兩年就該進博物館，那麼承載模型的鋼鐵和矽片，憑什麼能安穩折舊六年？

馬斯克這句話越對，這個問題就越尖銳。

更麻煩的是價格。Epoch AI 的追蹤顯示，達到同一能力水平的推理價格，年降幅可達一個數量級水平。對用戶而言是天大的好事，但對希望靠模型收費的公司而言，則是持續的毛利刮刀。

你的產品每年強一大截，你的定價每年被砍一大截。

這就是「能力狂奔、利潤掙扎」機制的來源。它不是執行不力，它是結構。

三、能力不會放緩：這一點，數據站在馬斯克這一邊

現在我同意的部分。

如果只用「感覺」來討論，永遠吵不清。所以我更願意看一個具體刻度：模型能獨立完成多長時間的任務。

METR 於 2025 年發布的研究提供了一條相當穩健的趨勢線：以人類專家完成同類任務所需的時間為標準，模型能以 50% 成功率完成的任務長度，大約每七個月翻一倍。而 2024 年之後的樣本，斜率更為陡峭。

到 2025 年下半年，最強模型在這個指標上已經進入「兩小時級」區間。

請體會一下這條曲線的含義。指數增長在前期看起來溫和，在後期看起來突然。從兩小時到一個工作日，只需兩到三次翻倍。

同期還有其他錨點。OpenAI 於 2025 年 9 月推出 GDPval，以真實職業成果進行評估，前沿模型在部分職業任務上已接近行業專家水平。2025 年 7 月，多家實驗室的實驗性模型在國際數學奧林匹克上達到金牌級表現。這些不是營銷口號，而是可核查的公開事件。

因此，我認為「前沿進展放緩」這個說法在能力維度上並不成立。

真正放緩的是另一件事：用戶的驚訝閾值。

我們每三個月就被震撼一次，震撼變成了日常。這種主觀麻木很容易被誤讀為客觀停滯。

在這一點上，馬斯克是清醒的。

四、RSI 不到 24 個月：哪一半是真實的，哪一半是信仰

這是整場討論裡我最不認同的部分。

不是因為它太樂觀，而是因為它太模糊。

RSI 至少有三個量級完全不同的版本。

First version: AI improves its components within a narrow domain.

這已經發生了。Google DeepMind 於 2025 年公布的 AlphaEvolve 就是實證：它自動發現了更優的演算法，將 4×4 複數矩陣乘法的乘法次數從 49 降低至 48，打破了保持五十多年的紀錄，並在 Google 內部的資料中心調度中回收了約 0.7% 的全局算力。

這是真實的、可驗證的、AI 改進 AI 基礎設施的案例。

Version 2: AI takes on its own R&D process to a large extent.

這項工作正在進行中。編碼智能體已在實驗室內部承擔相當比例的工程實現，代碼審查、實驗腳本和數據管道均已實現自動化。

Third version: Autonomous acceleration loop free from human bottlenecks.

Also known as "intelligence explosion".

前兩個版本被用來論證第三個版本，這是此類預測最常見的滑坡。

為什麼困難？瓶頸根本不在演算法靈感。

AI 研究的速度，受限於實驗的物理時間。一次大規模預訓練需要運行數週，要等待硬體、爭奪電力、排隊。你把研究員的思考速度提高 100 倍，實驗隊列也不會跟著快 100 倍。

再往下一层，是能源和供應鏈。先進封裝產能、HBM 供應、變壓器交付週期、電網接入排隊，全都是以季度和年為單位移動的東西。2025 年前後，美國多個區域電網的接入等待時間已經是數年量級。

硅片可以加班，變電站不行。

另一個較少被討論的限制是評估。AI 要自我改進，必須先知道自身是否變好了。當任務長達數十小時、答案不再有唯一解時，「更好」的判定本身便成為一項研究難題。獎勵信號會變得混濁，模型會傾向於優化評分器，而非提升能力。

因此，我的判斷是：在 24 個月內，我們非常有可能看到第二個版本得到大幅推進，AI 承擔研發流程的比例持續上升。但第三個版本——真正意義上擺脫人類節奏的遞歸閉環——在 24 個月內出現的概率，我認為顯著低於五成。

這不是技術悲觀，這是工程現實。

五、馬斯克的時間表，需要打一個折扣係數

這不是攻擊人，這是校準。

他對趨勢的判斷，歷史命中率極高：電動車會勝出，可回收火箭可行，衛星互聯網能成，大規模 GPU 集群是關鍵變量。他的 Colossus 集群在 2024 年以極短工期完成十萬卡級部署，這件事本身就說明他理解算力競賽的本質。

但他對時間的判斷，長期偏樂觀。

完全自動駕駛「明年實現」，從 2015 年說到今天。他曾公開預測 AI 會在 2025 年前後超過任何單一個人類，也說過 AGI 大約在 2026 年出現。今天是 2026 年 7 月 31 日，這些預測顯然尚未實現。

經驗做法是：將他給的時間表乘以二到三。

還有一點必須說清楚：他不是中立的觀察者。

xAI 在這條賽道上重倉，需要持續的巨額融資，需要市場相信曲線繼續陡峭。一個人對自己下注的方向表達強烈信心，這完全正常，但接收方應當將這份利益關係計入權重。

這不影響他判斷的可能正確性，只影響你應該給予多少置信度。

六、企業端的落地，才是真正的裂縫所在

在 2025 年 8 月，一項由 MIT 相關團隊進行的調查引發了廣泛討論：高達 95% 的企業生成式 AI 試點項目並未帶來可衡量的損益改善。此研究的方法後續受到不少人質疑，樣本與統計標準均存在爭議，我不建議將其視為鐵證。

但它觸及的痛點是真實的。

模型能力與企業價值之間，隔著一整套沒人愛做的髒活：數據治理、權限體系、流程重構、審計留痕、責任歸屬、失敗兜底。

一個能考金牌的模型，進不了銀行的核心流程，卡點從來不是智商。

這也解釋了一個看似矛盾的現象：使用量在爆炸式增長，但回報卻難以量化。Google 在 2025 年披露的月度 token 處理量從數百萬億級迅速躍升至千萬億級別，OpenAI 的週活躍用戶在 2025 年秋季已達約八億量級。使用量無疑正在飛速上升。

但與此同時，據多家媒體報道，頭部實驗室在 2025 至 2026 年仍處於大額淨虧損狀態，盈利預期普遍被推至 2029 年前後。而超大規模廠商的年度資本開支合計，已從 2025 年的數千億美元量級繼續上調。

用量增長解決的是「有人用」。它不自動解決「誰賺錢」。

在這兩件事之間，站著定價權。而定價權正被四五家實力相近的對手共同磨薄。

七、別聽結論，去盯刻度

爭論「AI 會不會放緩」意義有限，因為雙方對「放緩」的定義都不一樣。

我更建議盯住三個可以被檢驗的東西。

第一，任務時間跨度。繼續跟隨 METR 那條曲線。如果 50% 成功率的時間跨度在未來一年內推進到八小時以上，那麼 Depue 的判斷就獲得了強支撐。如果它在兩到四小時區間反覆橫跳超過一年，那說明我們撞上了某種結構性天花板。

第二，可靠性，而非峰值能力。觀察在 80% 或 90% 成功率下的時間跨度。企業購買的是穩定，而非偶爾的天才表現。這個指標的進步速度，直接決定商業化落地的斜率。

第三，關注單位經濟，而非總營收。觀察毛利率，以及單位推理成本的下降速度能否跑贏價格戰。查看是否有任何一家真正實現了正向經營現金流。

三個刻度，都不需要相信任何人的預言。

八、結尾

我的立場很簡單。

我認為馬斯克關於能力的那句判斷是對的。兩年前的模型已經像標本，兩年後大概也會讓今天的最強模型顯得笨拙。這條曲線還未彎曲。

但他用這句話回應估值質疑，是錯位的。

因為空頭真正想問的是：當模型每十八個月貶值一輪，當同等智能的價格每年下降一個數量級，當四五家公司同時擁有相近的能力，誰來支付那幾千億美元的資本開支，又該如何定價來回收？

這個問題，「AI 會更強」回答不了。

我對 RSI 的部分持保留意見。並非因為它不可能，而是因為它需要算力、電力、實驗週期和評估體系一併讓路，而這些東西並不聽從指數增長的安排。

最後說一句可能不太受歡迎的話。

技術革命是真實的，泡沫也可以是真實的，這兩件事完全可以同時發生，而且歷史上通常同時發生。鐵路是真實的，鐵路股崩盤了。互聯網是真實的，納斯達克下跌了七成八。

看多技術，並不等於看多每一張資產負債表。

分開下注。這不叫騎牆，這叫會算賬。

至於兩年後的 AI 會不會「驚豔到爆炸」，我傾向於相信。

至於那時誰還在牌桌上，我不下這個注。

參考來源

METR，「衡量 AI 完成长任務的能力」，METR 研究，2025 年 3 月。
Google DeepMind，"AlphaEvolve：一款由 Gemini 驅動的編碼代理，用於設計進階演算法"，2025 年 5 月。
OpenAI，《介紹 GDPval》，OpenAI 博客，2025 年 9 月。
Epoch AI、「LLM 推理價格趨勢」與「機器學習運算趨勢」，Epoch AI 數據洞察，2024–2025。
MIT Media Lab / Project NANDA，《The GenAI Divide: State of AI in Business 2025》，2025 年 8 月。
高盛研究，《生成式 AI：支出過多，效益過少？》，2024 年 6 月。
Elon Musk 和 Will Depue 於 2026 年 7 月在 X 上發布的關於前沿實驗室估值與遞歸自我改進的帖子。
路透社與 The Information 報導 OpenAI 和 Anthropic 的收入、虧損及盈利時間表，2025–2026。