“代碼 + 編譯器”要消失了？馬斯克在 xAI 全員會上放話：到今年年底，AI 或將直接生成二進制

編譯 | Tina

一家 AI 公司要是在很短時間里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 過去一周的離職潮就是這種感覺。消息在 X 上越滾越大，最后干脆被玩成梗：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。

這段視頻等于一次對外說明：離職到底是大家自己走，還是公司在做組織調整？xAI 現在在忙什么、誰負責什么？Grok、編程模型、視頻生成、Macrohard（多智能體軟件公司）這四條線接下來要怎么推進？

更狠的是，馬斯克在視頻里還拋出一個判斷：到 2026 年底，AI 甚至可能不寫代碼了，直接生成二進制。

埃隆·馬斯克預測，到2026年底，AI將徹底繞過傳統編程，不再寫代碼，而是直接生成二進制程序。他認為，AI所生成的二進制文件，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優化的二進制程序”，就可以直接跳過傳統意義上的編程過程。 當前的軟件開發流程是：代碼 → 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，軟件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

一周之內，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，過去一周里，至少有 9 名工程師公開宣布離開 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、并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 視頻，被直接放到了 X 上，對所有人開放。

而在公開視頻之前，馬斯克已經在內部會議上給出了他的判斷。周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，卻不太適合后期階段。”

馬斯克隨后也在 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。”

在外界看來，這一解釋并未完全平息爭議。xAI 在兩天之內失去兩位聯合創始人的事實，很快引發了更多關于內部節奏與執行壓力的討論。

The information 則給出了另一種解讀。據知情人士透露，xAI 原計劃在去年年底或今年 1 月初發布Grok 4.2，但這一時間點最終被錯過。“埃隆不喜歡延期，”他們寫道，“當他對某個項目感到憤怒，或者高度聚焦時……就會有人出局。”

這一說法雖非官方表態，卻在輿論場中迅速傳播，也從側面解釋了為什么這場 all-hands meeting 不只是一次例行溝通，而更像是一場在壓力之下，對內對外同時展開的解釋與重組。

xAI 離職時間表（公開信息匯總）

2 月 6 日，Ayush Jaiswal（工程師）寫道：“這是我在 xAI 的最后一周。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后訓練行為，曾就職于 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 的最后一天，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 的最后一天。借助合適的工具，我們正邁向 100 倍生產力的時代。遞歸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，并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“幾周前”就已離開 xAI，并表示：“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”，并提到自己對 Grok Imagine 多次發布的貢獻，同時稱贊團隊“謙遜的工匠精神和雄心勃勃的愿景”。

2 月 10 日，Roland Gavrilescu（去年 11 月離職創辦 Nuraline）發帖稱：“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，然后重返前沿。”（Macrohard 是 xAI 旗下的純 AI 軟件項目，目標是利用 Grok 驅動的多 agent 系統，實現軟件開發、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，網上很容易越傳越夸張：一些 X 用戶甚至干脆跟著玩梗，發帖“我也離開 xAI 了”——明明他們從來沒在那兒上過班。

這正是 xAI 隨后選擇 公開視頻 all-hands meeting 的直接背景。

在這場全員大會上，馬斯克反復強調了兩個判斷。第一，離職并非績效問題，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里跑得比所有人都快，那么你最終一定會成為領導者。

xAI 新架構：四大團隊，各自干什么？

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”。對手很多都干了五年、十年甚至二十年，起步資源更好、人更多，但 xAI 硬是在短短幾年里把不少關鍵方向做到了前排，甚至拿了“第一”。

然后他一口氣列了幾條“成績單”：語音、圖像、視頻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，并說 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、視頻）都裝進去，規模和準確性都要上一個數量級。

隨后談到離職和重組，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——好在后來尾巴消失了”。所以重組是為了跑得更快。也因此會出現現實情況：有人適合早期沖鋒，但不一定適合后期規模化運作。

最后他公布了新的組織架構，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，是圖像和視頻模型，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字化仿真。

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“寫代碼”，而是為了壓縮整個軟件生產鏈路。

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 平臺的深度整合。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“什么都沒有”，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：

Aman 用“從零到第一”的方式概括語音線的推進速度：

Grok Main和語音團隊將合并為一個團隊。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，而當時我們什么都沒有，連模型都沒有。但我們是在那之后才開始的，在短短六個月里，我們從零開始、完全自研，在團隊里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。 一年時間里，我們從“什么都沒有”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”。你可以來這里咨詢法律問題、制作幻燈片、解決復雜問題，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，你可能都不用寫代碼了

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 自行寫代碼，并最終替代“寫代碼”這件事本身。

Coding 團隊負責人 Makro 的發言，是這場 all-hands 里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“寫代碼”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，“寫代碼”本身正在顯露出一種過渡形態的特征，最終只需要一句“為這個特定目標生成一個經過優化的二進制程序”，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：模型終于從“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，并沒有被真正說服。但最近不一樣了——這些模型已經能產出相當不錯、可用的代碼質量了。

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“幫你寫代碼”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代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，一步一步教它該怎么改。

而且它們不只是寫代碼，還可以幫你 debug 代碼。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復雜的改動，真的能在生產環境里穩定工作。

Makro 也把 Grok Code 的用途描述為“生產級驗證 + 遞歸自我改進”：

所以對我們來說，這已經不只是“寫代碼更快一點”、讓工程師 10x 更高效的問題了。我們已經清楚地看到：我們正走在一條遞歸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，并且會繼續下去。 正因為如此，我們在公司里全面加碼編程方向，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件工程師——這里就是你該來的地方。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“活在這個時代太夸張了”。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 段補了一句極具沖擊力的判斷，把“寫代碼”本身都當成中間態：

同時，馬斯克在 Coding 段補了一句極具沖擊力的判斷，把“寫代碼”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“寫代碼”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優化二進制。” 然后你甚至連傳統意義上的編碼都繞過了。寫代碼這一步，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。

Imagine 團隊：每天 5000 萬條視頻，是所有競爭對手的總和

Imagine 是 xAI 的圖像與視頻生成產品線，也是公司里算力消耗最大的方向之一。負責人是 Guodong，核心成員包括主攻視頻方向的 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。沒有擴散模型代碼，沒有現成基礎，但現在 Imagine 已經全面集成進我們所有產品，包括 X 應用。你現在就可以在 X 里長按圖片，直接編輯，或者把圖片變成視頻。 Imagine 的增長速度極其驚人。用戶現在每天生成接近 5000 萬個視頻，過去 30 天里生成了 60 億張圖片。作為對比，Google 最近表示他們的模型 30 天生成了 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“長視頻一鍵生成 + 無干預”的路線。

隨著模型能力不斷擴展，我們正在構建與現實難以區分的視覺世界。到今年年底，我們很可能會擁有可以一次性生成 10 分鐘、20 分鐘視頻的模型，而且不需要任何中途干預。你只需要給出你的想象力，其余的一切都會由模型和智能體自動完成。

此外，馬斯克也補了一句方向性判斷，把未來算力押注在“實時視頻理解 / 生成”上：

我的預測是：未來大多數 AI 計算資源都會用在實時視頻理解與實時視頻生成上，而我們預計會成為這方面的領導者。這里值得再次強調：六個月前，我們在視頻與圖像生成、編輯方面幾乎什么都沒有，或者說非常弱；但在六個月內，我們就沖到了第一名。 而且我相信，大家會對即將發布的 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里的“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，目標遠不止寫代碼：它要模擬人類使用計算機，自動運行軟件和各類公司流程，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、數字化、實時的人類模擬器。 它能夠在計算機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 目前仍然顯著弱于人類的領域之一。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（命令行界面）。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。 這也是為什么我們需要算力——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%的軟件世界，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“輸出是數字化成果”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，并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“輸出是數字化產物”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象的。

基礎設施：xAI 真正的護城河

在 xAI，基礎設施不是“后臺部門”，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：站在軟件工程師視角，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，硬件都交付到位，但軟件并沒有真正準備好。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，而是數據中心里的“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 秒里什么都可能發生。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。

英偉達 CEO 黃仁勛在多次采訪中說過一句評價：在把 AI 算力上線這件事上，沒有人比 xAI 更快。

隨后，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 萬張芯片擴展到數百萬張芯片，并且讓它對已知和未知的硬件故障都具備韌性。

目前他們的成果都匯聚到了孟菲斯的數據中心里：xAI 已經建起了全球規模最大的 AI 訓練集群之一，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 的最后，馬斯克把這個邏輯推到了一個幾乎只存在于科幻里的地方。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 合并到一起的動機：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。

問題在于：你在地球上，根本不可能拿到那樣的能量。地球在整個太陽系里，只是一粒“極小的塵埃”。太陽占了太陽系 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“更大的地球數據中心”，而是“離開地球的數據中心”。先把數據中心送上地球軌道；再往后，就把制造和發射搬到月球——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。

https://www.youtube.com/watch?v=aOVnB88Cd1A

https://techcrunch.com/2026/02/11/senior-engineers-including-co-founders-exit-xai-amid-controversy/

聲明：本文為 AI 前線整理，不代表平臺觀點，未經許可禁止轉載。

會議推薦

InfoQ 2026 全年會議規劃已上線！從 AI Infra 到 Agentic AI，從 AI 工程化到產業落地，從技術前沿到行業應用，全面覆蓋 AI 與軟件開發核心賽道！集結全球技術先鋒，拆解真實生產案例、深挖技術與產業落地痛點，探索前沿領域、聚焦產業賦能，獲取實戰落地方案與前瞻產業洞察，高效實現技術價值轉化。把握行業變革關鍵節點，搶占 2026 智能升級發展先機！

今日薦文

你也「在看」嗎？