編譯 | Tina
一家 AI 公司要是在很短時間裡接連走了聯合創始人和一批核心工程師，外界第一反應通常就一句話：完了，這肯定出事了。
xAI 過去一週的離職潮就是這種感覺。消息在 X 上越滾越大，最後乾脆被玩成梗：有人明明從沒在 xAI 上過班，也跑去發帖「我也離職了」，用跟風式的調侃把「集體出走」的說法跑偏成了大型玩梗現場。
馬斯克沒做任何解釋，直接把一場 45 分鐘的全員大會錄像公開出來。
這段影片等於一次對外說明：離職到底是大家自己走，還是公司在做組織調整？xAI 現在在忙什麼、誰負責什麼？Grok、編程模型、影片生成、Macrohard（多智能體軟體公司）這四條線接下來要怎麼推進？
更狠的是，馬斯克在影片裡還拋出一個判斷：到 2026 年底，AI 甚至可能不寫程式碼了，直接生成二進制。
伊隆·馬斯克預測，到2026年底，AI將徹底繞過傳統編程，不再寫程式碼，而是直接生成二進制程序。他認為，AI所生成的二進制檔案，其效率可以超過任何編譯器所能產出的結果。也就是說，未來你只需要告訴 AI：「為這個特定目標生成一個經過最佳化的二進制程序」，就可以直接跳過傳統意義上的編程過程。
當前的軟體開發流程是：程式碼 → 編譯器 → 二進制 → 執行；而馬斯克設想中的未來將變成：Prompt（指令）→ AI 生成的二進制 → 執行。他還表示，Grok Code 有望在 2 到 3 個月內達到業界最頂尖（state-of-the-art）水平。
在馬斯克看來，軟體開發正站在一次根本性變革的門檻上。
馬斯克：不是離職潮，是我在裁員
一週之內，一家 AI 公司接連失去兩位聯合創始人和多名核心工程師，這很難再被當作正常的人才流動。
在 xAI，離職消息幾乎是「扎堆」出現的，很快就不只是「誰走了」的八卦，而變成了另一個更直接的問題：這家公司還能不能穩住？
TechCrunch 統計顯示，過去一週裡，至少有 9 名工程師公開宣佈離開 xAI，其中包括兩位聯合創始人 Jimmy Ba 和 Tony Wu。短短幾天，創始團隊就少了將近一半。對任何一家仍在高速擴張的公司來說，這種速度和幅度都足夠讓人警覺。
馬斯克顯然意識到了這一點。在離職敘事迅速發酵、並開始脫離公司控制之前，他選擇了一種極不尋常的應對方式：公開一場內部全員大會。
一段長達 45 分鐘的 all-hands meeting 影片，被直接放到了 X 上，對所有人開放。
而在公開影片之前，馬斯克已經在內部會議上給出了他的判斷。週二晚間的全員大會上，他將這輪離職定性為「階段適配問題」，而非績效問題。「因為我們已經發展到一定規模，我們正在重組公司結構，以便在這個規模下更高效地運作，」他說，「而事實上，在這種情況下，有些人更適合公司的早期階段，卻不太適合後期階段。」
馬斯克隨後在 X 上明確表示，這是一輪因組織結構調整而產生的人員分離——本質上是裁員，而非單純的個人選擇。
「隨著公司快速成長，組織結構必須進化。這不幸地意味著需要與一些人分道揚鑣。」
在這條貼文中，他還強調，公司正在「積極招聘」，並用一句極具個人風格的招募語收尾——如果你對「月球上的大規模駕駛器（mass drivers）」這個想法感興趣，歡迎加入 xAI。
不過，組織重組本身並不罕見，真正讓外界困惑的是這次離職來得太集中：不少離開的人來自創始團隊，而且不是零星個例，而是一輪在極短時間內發生的人事變動。下面是根據公開資訊整理的離職時間表。
xAI 離職時間表（公開資訊彙總）
2 月 6 日，Ayush Jaiswal（工程師）寫道：「這是我在 xAI 的最後一週。接下來幾個月我會陪伴家人，同時折騰一些 AI 相關的東西。」
2 月 7 日，Shayan Salehian（負責產品基礎設施和模型後訓練行為，曾就職於 X）寫道：「我已離開 xAI，準備開啟新的事業，也正式結束我在 Twitter、X 和 xAI 工作的 7 年多時光，滿懷感激。」他還提到，與馬斯克近距離共事讓他學會了「對細節的偏執關注、近乎瘋狂的緊迫感，以及從第一性原理思考問題」。
2 月 9 日，Simon Zhai（技術人員）寫道：「今天是我在 xAI 的最後一天，非常感激這次機會。這是一段令人驚嘆的旅程。」
2 月 9 日，Yuhuai（Tony）Wu（聯合創始人、推理負責人）寫道：「我今天從 xAI 辭職了。是時候開啟新篇章了。這是一個充滿可能性的時代：一個配備 AI 的小團隊，可以移山填海，重新定義可能性。」
2 月 10 日，Jimmy Ba（聯合創始人、研究與安全負責人）寫道：「今天是我在 xAI 的最後一天。借助合適的工具，我們正邁向 100 倍生產力的時代。遞迴式自我改進循環很可能在未來 12 個月內上線。是時候重新校準我在宏觀層面的『梯度』了。2026 年將會瘋狂，並且很可能是關乎我們物種未來、最忙碌的一年。」
2 月 10 日，Vahid Kazemi（機器學習博士）寫道，他「幾週前」就已離開 xAI，並表示：「在我看來，所有 AI 實驗室都在做同樣的事，這很無聊。我認為還有更大的創意空間，所以我要開始做點新的。」
2 月 10 日，Hang Gao（從事多模態項目，包括 Grok Imagine）寫道：「我今天離開了 xAI。」他稱這段經歷「非常有價值」，並提到自己對 Grok Imagine 多次發佈的貢獻，同時稱讚團隊「謙遜的工匠精神和雄心勃勃的願景」。
2 月 10 日，Roland Gavrilescu（去年 11 月離職創辦 Nuraline）發文稱：「我離開了 xAI，正與其他離開 xAI 的人一起打造新的東西。我們在招聘 :）」
2 月 10 日，Chace Lee（Macrohard 創始團隊成員）寫道：「短暫重置一下，然後重返前沿。」（Macrohard 是 xAI 旗下的純 AI 軟體項目，目標是利用 Grok 驅動的多 agent 系統，實現軟體開發、編碼和運維的全自動化；其名字帶有對微軟的調侃意味。）
xAI 現在員工還是一千多人，所以短期內不太可能因為這波離職就「運轉不下去」。但人走得太集中、太快，網上很容易越傳越誇張：一些 X 用戶甚至乾脆跟著玩梗，發文「我也離開 xAI 了」——明明他們從來沒在那兒上過班。
這正是 xAI 隨後選擇公開影片 all-hands meeting 的直接背景。
在這場全員大會上，馬斯克反覆強調了兩個判斷。第一，離職並非績效問題，而是階段適配問題。第二，在當前階段，xAI 的唯一優先級只有一個——速度（velocity）和加速度（acceleration）。
如果你在某個技術領域裡跑得比所有人都快，那麼你最終一定會成為領導者。
xAI 新架構：四大團隊，各自幹什麼？
馬斯克在這次大會上，大概說了幾件事兒。
首先他給 xAI 進行了一個定位：別把它當成熟公司看，畢竟這個公司才成立兩年半。
他把 xAI 形容成「幼兒」，強調：「我們還小，但長得特別快」。對手很多都幹了五年、十年甚至二十年，起步資源更好、人更多，但 xAI 硬是在短短幾年裡把不少關鍵方向做到了前排，甚至拿了「第一」。
然後他一口氣列了幾條「成績單」：語音、圖像、影片生成做到了行業領先；他還強調「預測能力」才是衡量智能的關鍵指標，並說 Grok 4.20 在預測任務上贏過別的模型。應用形態上，xAI 已經把 Grok 和 Imagine 這種能力整合進一個 App，還對 X 做了更激進的改造。
他們還有一個更野的目標：Grok-pedia 不只是「做個更好的維基百科」，而是要做成「銀河百科全書」——把所有知識（包括圖像、影片）都裝進去，規模和準確性都要上一個數量級。
隨後談到離職和重組，馬斯克表示這不是「崩了」，而是「公司長大了」：xAI 已經達到了一個新的規模節點。
他用了生命體成長的比喻：公司創業初期幾十個人，大家可以隨便聊，到幾百人就必須有結構；再長大就得「分化出器官、長出四肢，甚至一度還會有尾巴——好在後來尾巴消失了」。所以重組是為了跑得更快。也因此會出現現實情況：有人適合早期衝鋒，但不一定適合後期規模化運作。
最後他公佈了新的組織架構，xAI 接下來就按四條線打：
第一，是 Grok Main 和語音，這是核心的 Grok 主模型；
第二，是專門面向編程的模型；
第三，是圖像和影片模型，也就是 Imagine；
第四，是 MacroHard，它的目標是對整個公司級系統進行完整的數位化仿真。
Grok 仍然是 xAI 對外最重要的產品入口；Coding 團隊則被放在了一個更加核心的位置，不只是為了「寫程式碼」，而是為了壓縮整個軟體生產鏈路。
Grok 團隊：一年內，Grok 裝進了 200 萬輛特斯拉
Grok 團隊是 xAI 當前最核心、也最直接面向用戶的一條產品線，幾乎承載了外界對 xAI 的全部直觀認知：聊天、語音、車載、API，以及與 X 平台的深度整合。這條線的負責人是 Aman Madaan（2024 年加入 xAI）。
如果只用一句話概括 Grok 團隊這一年的進展，那就是：從「什麼都沒有」，到成為 xAI 最快落地、規模化最成功的產品線。
Aman 用「從零到第一」的方式概括語音線的推進速度：
Grok Main和語音團隊將合併為一個團隊。在語音上有一個很典型的例子。2024年9月，OpenAI已經推出了高級語音模式，而當時我們什麼都沒有，連模型都沒有。但我們是在那之後才開始的，在短短六個月裡，我們從零開始、完全自研，在團隊裡幾乎沒有音頻背景的情況下，做出了一個在六個月內就已經超越OpenAI的語音產品。
而現在，不到一年，Grok 已經部署在超過 200 萬輛特斯拉汽車中，同時我們也推出了 Grok Voice Agent API。
一年時間裡，我們從「什麼都沒有」變成了行業領導者。這種事情，只可能發生在像 xAI 這樣的地方：小團隊、極度投入、使命導向，再加上充足的算力。
在 Grok 主模型上，xAI 把重點從「問答」推向「Everything App」：
在聊天模型這條線上也是同樣的故事。從 Grok 1.5、Grok 2 到 Grok 3，我們始終站在推理能力的最前沿。
我們想要走向一個不只是「問答」的世界，而是打造一個真正的「Everything App」。你可以來這裡諮詢法律問題、製作簡報、解決複雜問題，真正把事情做完。
我們的目標，是打造一個入口，讓你可以完成所有工作，真正放大每一個人的能力，讓他們完成遠超個人極限的事情，而且這一切都會通過一個極其簡單、自然、無縫的使用體驗來實現。
未來幾個月，知識工作者能夠完成的工作量，將出現數量級提升。
編程（Coding）團隊：到今年年底，你可能都不用寫程式碼了
如果說 Grok 是 xAI 面向用戶的「對話入口」，那 Coding 團隊就是整個公司真正的執行引擎。這個團隊不僅負責 xAI 內部的編碼系統，更承擔著一個更激進的使命：讓 AI 自行寫程式碼，並最終替代「寫程式碼」這件事本身。
Coding 團隊負責人 Makro 的發言，是這場 all-hands 裡最容易讓工程師產生情緒波動的一段。
按他的說法，這已經不再是「提效」，而是一條自我加速的鏈路：這一代 Grok Code 正在訓練下一代 Grok Code。等「寫程式碼」變成訓練流程的一部分，討論的重點就不再是工具順不順手，而是系統會不會沿著這條路一路跑下去。所以，編程被直接提到公司最高優先級之一。而且投入了等效「百萬張 H100」的訓練算力，目標是訓練出世界上最強的編程模型。
馬斯克的判斷更為激進。在他看來，「寫程式碼」本身正在顯露出一種過渡形態的特徵，最終只需要一句「為這個特定目標生成一個經過最佳化的二進制程序」，就可以直接繞過傳統意義上的編程過程。
Makro 在會上先從「質變」講起：模型終於從「看起來能用」變成「真的能用」：
最近這段時間，編程這件事真的發生了很大的變化。
以前我一直在吐槽：大家老是勸我用編程模型，我也試過，但說實話，並沒有被真正說服。但最近不一樣了——這些模型已經能產出相當不錯、可用的程式碼質量了。
當然，你還是需要去 review、去給反饋，但已經很容易看出來，它們能把人的效率拉高很多。這已經不只是「幫你寫程式碼」了，而是它們對你的直覺理解得比以前好太多。現在我描述一個問題的時候，只需要像跟一個已經熟悉程式碼庫的工程師同事解釋一樣去說就行；而以前，你基本得像牽著一個幼兒一樣，一步一步教它該怎麼改。
而且它們不只是寫程式碼，還可以幫你 debug 程式碼。現在我們會讓 Grok Code 連續跑上好幾個小時，來確保對訓練系統這種更複雜的改動，真的能在生產環境裡穩定工作。
Makro 也把 Grok Code 的用途描述為「生產級驗證 + 遞迴自我改進」：
所以對我們來說，這已經不只是「寫程式碼更快一點」、讓工程師 10x 更高效率的問題了。我們已經清楚地看到：我們正走在一條遞迴式自我改進的路徑上——這一代 Grok Code，正在訓練下一代 Grok Code。而且這條路徑已經進入指數級起飛階段，並且會繼續下去。
正因為如此，我們在公司裡全面加碼編程方向，把 coding 提升為公司最高優先級之一。
如果你對編程感到興奮，不管你是非常擅長訓練模型，還是一名對系統設計感興趣的底層軟體工程師——這裡就是你該來的地方。我們現在擁有等效百萬張 H100 的訓練算力，目標就是訓練出世界上最強的編程模型。
Guodong 則表示：
隨著時間推移，我們越來越清楚地意識到：至少在編程這個維度上，我們正走向某種「奇點」。
真正的限制因素，可能已經不在演算法或模型上了，而是在 計算資源和能源：是否能運行起足夠強的模型，去支持和賦能所有人。而現在，通過這次調整，我們已經是一個統一的團隊；我們會在算力上取勝，我們正在贏下「太空算力」這條路。
所以，對每一位工程師來說——不管你現在是在寫內核、寫編譯器，都可以想一想：
這件事是否還值得你親手去做？也許你應該加入我們，在 coding 方向上，多少「自動化掉你自己的一部分」，讓自己跑得更快。
說實話，這是一個非常瘋狂、也非常令人興奮的年份。真的是「活在這個時代太誇張了」。我已經能清晰地感受到 AGI 的氣息——至少在編程這件事上，已經非常接近了。
同時，馬斯克在 Coding 段補了一句極具衝擊力的判斷，把「寫程式碼」本身都當成中間態：
對，我覺得事情會走到一個階段——可能甚至今年年底就會到——你都不會再費勁去「寫程式碼」了，AI 會直接把二進制給你生成出來。
而且 AI 生成的二進制，效率會比任何編譯器做到的都更高。所以你就直接說：「給我一個針對這個具體目標的最佳化二進制。」 然後你甚至連傳統意義上的編碼都繞過了。寫程式碼這一步，其實只是個中間步驟，很可能到……我覺得今年年底左右，就不需要了。
而且我們預計，Grok Code 會在兩到三個月內達到最先進水平（state of the art）。這一切發生得非常、非常快。
Grok 團隊：一年內，Grok 裝進了 200 萬輛特斯拉
Imagine 是 xAI 的圖像與影片生成產品線，也是公司裡算力消耗最大的方向之一。負責人是 Guodong，核心成員包括主攻影片方向的 Haotian，以及 Chaitu。
Guodong 在會上把 Imagine 的進展描述為「從零到全面鋪開」的速度戰：
Imagine 團隊幾乎是六個月前從零開始的。沒有擴散模型程式碼，沒有現成基礎，但現在 Imagine 已經全面整合進我們所有產品，包括 X 應用。你現在就可以在 X 裡長按圖片，直接編輯，或者把圖片變成影片。
Imagine 的增長速度極其驚人。用戶現在每天生成接近 5000 萬個影片，過去 30 天裡生成了 60 億張圖片。作為對比，Google 最近表示他們的模型 30 天生成 10 億張圖片，而我們是它的六倍。Haotian 則把時間表拉到「今年年底」，強調「長影片一鍵生成 + 無干預」的路線。
此外，馬斯克也補了一句方向性判斷，把未來算力押注在「即時影片理解 / 生成」上：
我的預測是：未來大多數 AI 計算資源都會用在即時影片理解與即時影片生成上，而我們預計會成為這方面的領導者。這裡值得再次強調：六個月前，我們在影片與圖像生成、編輯方面幾乎什麼都沒有，或者說非常弱；但在六個月內，我們就衝到了第一名。
而且我相信，大家會對即將發佈的 Grok 4.2 模型印象非常深刻——它是一次顯著提升。不過那只是我們新模型體系裡的「小版本」。接下來還會有中等版本和大型版本，它們會更加智能。
MacroHard：AI Agent 的終極實驗場
MacroHard 被定義為一個由 AI Agent 驅動、用來「模擬公司運轉」的方向，目標遠不止寫程式碼：它要模擬人類使用電腦，自動運行軟體和各類公司流程，甚至進一步做到對整家公司進行仿真。負責人是 Toby，核心成員包括負責執行層推進的 John M.。
Toby 在會上給 MacroHard 的一句話定義非常硬核：
MacroHard 正在構建一個完全能力齊備、數位化、即時的人類模擬器。
它能夠在電腦上完成任何一個人類能完成的事情，包括使用工程和醫學等領域的高級工具。未來應該會出現由 AI 完整設計的火箭發動機。
從某種意義上說，這是 AI 目前仍然顯著弱於人類的領域之一。也正因為如此，這是最令人興奮、最值得投入、也最有可能真正改變整個領域的方向。
John M. 則把 MacroHard 的路徑拆成「CLI → GUI → 端到端編排」：
我們正在構建這些強推理模型，而它們將會控制我們的CLI（命令列界面）。我們每天都在積極使用這些模型，它們給整個團隊帶來了巨大的生產力提升。我知道語音團隊在這方面做得非常出色。
這也是為什麼我們需要算力——我們需要大規模算力來運行這些模型，從而提升我們自己的生產力。但現實是：全球80%到90%，甚至95%的軟體世界，都有GUI（圖形界面）。這是一個非常重要的事實。要真正讓人們生活更容易，我們必須開發能夠在GUI上完成日常任務的模型。
所以MacroHard的目標，是模擬一家「輸出是數位化成果」的公司。這是智能體的下一步：MacroHard將實現跨桌面端的真正端到端編排，並將帶來巨大的經濟繁榮。
同時，馬斯克把 MacroHard 的意義抬到「人類仿真」的高度：
MacroHard 這個項目，隨著時間推移，可能會成為我們最重要的項目。
我們討論的是：對整家人類公司進行仿真。
理論上完全有可能完整仿真任何一家「輸出是數位化產物」的公司。這將開啟一個繁榮時代，其程度可能是我們現在幾乎無法想像的。
基礎設施：xAI 真正的護城河
在 xAI，基礎設施不是「後台部門」，而是以上所有激進判斷能不能落地的前提。ML 基礎設施團隊負責搭建公司的訓練、推理以及整套工具鏈系統。用他們自己的話說：站在軟體工程師視角，這可能是你能做的最酷的一類系統。
最典型的例子發生在 Grok 3 的訓練上。當時，xAI 已經拿到 10 萬張 H100，硬體都交付到位，但軟體並沒有真正準備好。團隊原本以為系統能跑，結果規模一拉到 3 萬卡，現實給了一個很明確的反饋：系統跑不起來。問題不是某一個 bug，而是資料中心裡的「意外」太多：交換機抖動、鏈路抖動、交換機宕機、GPU 頻繁損壞、數值不穩定……這些都不可能提前枚舉完。但目標只有一個：讓 10 萬張 H100 像一個整體一樣工作。
一次訓練 step 可能只有 5 秒：每 5 秒往前推一步，但這 5 秒裡什麼都可能發生。所以系統必須做到：意外不斷出現也能自動恢復、持續推進，而不是一出問題就停下來等人來救。
這種問題在別的地方也很難遇到。不是工程師不夠聰明，而是很少有人同時擁有這種規模的算力、以及這種密度的人才。當時整個預訓練團隊大約 15 人，真正負責訓練系統的可能只有 7 人，但他們刻意維持了這種「人才密度」，而不是靠堆人數去堆規模，最終靠這支小團隊完成了 Grok3 的訓練。
輝達 CEO 黃仁勳在多次採訪中說過一句評價：在把 AI 算力上線這件事上，沒有人比 xAI 更快。
隨後，RL 與推理團隊接力。這個團隊負責在地球上、以及很快可能在太空中，大規模運行訓練任務和生產推理系統，目標很直接：把系統從 10 萬張晶片擴展到數百萬張晶片，並且讓它對已知和未知的硬體故障都具備韌性。
目前他們的成果都匯聚到了曼菲斯的資料中心裡：xAI 已經建起了全球規模最大的 AI 訓練叢集之一，而且仍在擴張——第一階段是 33 萬張 GB300，接下來還將再增加 22 萬張 GB300。
顯然，想要最好的模型，必須有大規模訓練算力，這一點是絕對基礎。
而在這場 all-hands 的最後，馬斯克把這個邏輯推到了一個幾乎只存在於科幻裡的地方。如果地球已經裝不下這些算力了，那下一步呢？答案是：月球。
馬斯克認為，要真正理解宇宙，最終必須離開地球去探索，而這正是 SpaceX 與 xAI 合併到一起的動機：加速人類理解宇宙的未來，把意識的光延伸到群星之間。
從能源的角度看，他給了一個非常極端的對比：今天整個人類文明，使用的只是地球可用能量的 1% 左右。而如果人類哪怕只想用到太陽能量的百萬分之一，那也是現在文明能耗的一百萬倍。
問題在於：你在地球上，根本不可能拿到那樣的能量。地球在整個太陽系裡，只是一粒「極小的塵埃」。太陽佔了太陽系 99.8% 的質量，如果不走出地球，你幾乎不可能對太陽能量的利用產生任何實質性的提升。
所以在他看來，下一步不是「更大的地球資料中心」，而是「離開地球的資料中心」。先把資料中心送上地球軌道；再往後，就把製造和發射搬到月球——在月球上建工廠生產 AI 衛星，再用質量驅動器（mass driver）把它們一顆接一顆「彈射」到深空，把算力擴展到地球根本承載不了的規模。
參考連結：
https://www.youtube.com/watch?v=aOVnB88Cd1A
https://techcrunch.com/2026/02/11/senior-engineers-including-co-founders-exit-xai-amid-controversy/