NVIDIA 投資 50 億美元於 Ilya Sutskever 的 SSI，首個模型預計本週推出

由 Ilya Sutskever 創立的「安全超級智能」實驗室（Safe Superintelligence，簡稱 SSI），可能就在本週推出首個重磅模型！

圈內大佬瘋狂暗示，SSI 將發布首個顛覆性的大模型。

矽谷大佬瘋狂劇透：「AI 將被徹底顛覆！」

知名投資人、a16z 合夥人 Martin Casado 激動不已，直接暗示他最近接觸到了「今年最重磅的新模型」。

圈內立刻炸開了鍋，目光瞬間鎖定了 Ilya 的 SSI。

原因很簡單：a16z 正是 SSI 背後的核心投資方之一。儘管也有人猜測 Casado 看到的可能是 OpenAI 下一代 Astra 模型。

但「非主流大廠」的突破傳聞甚囂塵上。

知名科技觀察者 Andrew Curran 更是激動地指出，這次的重大突破竟然不是來自主流大廠（例如 OpenAI 或 Google），而是來自一家獨立實驗室，這讓人感覺「非常真實」。

最誇張的是 AI 觀察家 Dan McAteer，他直接放話：「Ilya 真正創造了超級智能，遊戲規則已經被改變了！」

月初，投資者 Gavin Baker 在播客中直言：

SSI 說他們將在 8 月發布他們的模型。

如果你覺得這只是紙上談兵，不妨看看真金白銀的流向。

今年7月27日，英偉達（NVIDIA）突然宣布與這家沒有收入、沒有產品的神秘公司達成長期戰略合作，並將 SSI 的算力規模在未来12個月內瘋狂提升10倍。

更有猛料爆出：這筆投資高達 50 億美元，而且英偉達向 SSI 開放了下一代 Vera Rubin 系統的獨家訪問權限！

為什麼黃仁勳願意砸下如此重金？

在新聞稿中，英偉達表示，他們是在「獲得了對其嚴密保護的研究成果的罕見訪問權（rare access）」之後，才決定重金押注。

黃仁勳看到了什麼？結合今天的爆料，答案已躍然紙上。

顛覆常識：AI 學會了「邊想邊學」

要理解 SSI 這個新模型有多震撼，我們必須先明白現在的 AI（比如 ChatGPT、Claude）是怎麼工作的。

目前的 AI 模型，無論參數多大，本質上都是在「預訓練」階段將知識固化在權重中。一旦訓練完成，它的「大腦」就會被凍結。

為了讓模型處理新資訊，各大廠瘋狂競爭「上下文窗口」（Context Window），從 100k 競爭至百萬級別。

這就像開卷考試——模型的大腦並沒有變聰明，只是你允許它帶進考場的「小抄」（上下文）越來越厚了。

即使是像 OpenAI 的 o1 這樣主打「測試時計算」（Test-time Compute）的推理模型，本質上也只是在草稿紙上多花點時間思考（消耗更多 Token），它神經網絡裡的連接、它的「腦細胞」依然是靜止的。

但 SSI 這次曝光的，是基於測試時訓練（Test-Time Training, 簡稱 TTT）的全新架構。

這意味著什麼？

當這個模型閱讀你提供的一份長文檔時，它不是把文檔塞進「小抄」裡，而是真正地去「學習」它，產生梯度更新，改變自己大腦的結構。

閱讀完畢後，它已經變成了一個極其細微但全新進化的 AI。

它不再需要巨大的上下文窗口，因為它把讀到的東西變成了自己真正的「內化知識」。

它不再受限於預訓練時的算力壟斷，一個小而精、能在崗位上不斷適應進化的模型，足以吊打那些用海量算力堆出來卻不知變通的龐然大物。

目前業界競爭的是「模型能思考多久」，而 Ilya 下注的是「模型能否改變自己」。

Ilya 的瘋狂遠見

回看過去兩年，SSI 的「零產品、零論文」狀態，一度讓外界懷疑他們是不是陷入了困境。

但如果把時間線連起來，你會發現，Ilya 一直在下一盤大棋。

Ilya 曾無數次向公眾傳達一個核心理念：我們所熟知的預訓練（Pretraining）時代，即將結束。

在 2024 年的 NeurIPS 大會上，他就做出了這個驚人預言。

到 2025 年 11 月，在 Dwarkesh Patel 的播客中，他更進一步點破：「我們正在從 Scaling 的時代，邁向研究 Research 的時代。」

Ilya 認為，整個行業被「AGI」和「預訓練」這兩個詞帶偏了。人類從不是生而知之。

他心中真正的超級智能，不是一台在出廠時就背下了全網數據的龐大機器；而是一個「極其聰明、充滿無限好奇心的 15 歲天才」。

這個15歲的孩子起初可能什麼都不懂，但只要你把他放在任何一個崗位上，透過不斷的試錯與學習，他能迅速掌握程式設計、醫學、法律，甚至任何未知的技能。

他進一步解釋：人類本身並非「出廠即全能」的 AGI，而是依賴持續學習（continual learning）。

True superintelligence should be the same: deployment itself is a learning process, continuously evolving through real-world feedback, rather than being "completed" after a one-time pre-training.

This philosophy directly shapes SSI’s strategy: avoid short-term products, do not release intermediate models, and focus solely on “straight shot to safe superintelligence,” prioritizing research on efficient continuous learning and alignment.