zhudong.si
中文EN
深度研究报告 · DEEP RESEARCH

XAIxAI 深度研究报告

持续 Agent、AI 研发反馈与算力体系:从模型实验室到智能基础设施组织

研究截止:2026-10-06章节:19全文:约 2.3 万字版本:V1.0

持续Agent、AI研发反馈与算力体系:从模型实验室到智能基础设施组织

研究截止:2026年10月7日|版本:GPT V1.0|独立公司专题

本报告从当前公开资料重新建立判断。研究对象是xAI及当前使用SpaceXAI品牌的模型、Agent和算力业务,同时考察其与SpaceX、Cursor的关系。没有将其他公司专题的结论作为前提。

报告回答三个问题:第一,xAI的能力增长正在通过哪些机制发生;第二,持续Agent与研发工具是否开始形成提高智能增长速度的反馈;第三,超大算力及航天资源能否构成可持续优势。

阅读约定。 A为独立评估、政府原始文件或外部研究;B为公司一手披露;C为权威媒体;D为本报告分析。A中的预印本另标“初步”,不等于同行评审或独立复现。置信度表示本报告对具体判断的把握,不是ASI出现概率。引用采用[Sxx]来源编号,文末提供可访问链接、日期与使用范围。动态评估数字均为截止日快照。


执行摘要

本报告的核心判断是:xAI值得深挖的变化,是模型、持续Agent、开发工作流和算力供给开始进入同一个组织体系。其研究价值已超出Grok的单次模型排名。但公开证据还不能证明,这个体系已经转化为自主、连续的AI研发起飞。〔D,中高置信〕

八项判断构成报告的主线:

  1. 组织变化已发生,能力协同仍须验证。 xAI加入SpaceX、Cursor加入SpaceX均有官方记录。收购带来资源与控制权,是否降低研发周期、提升实验质量,是另一个需要数据回答的问题。[S01–S03]
  2. Grok的增长已经包含AI→AI环节。 4.7模型卡披露使用4.6生成训练轨迹并以模型检查筛除问题数据。这是上一代参与下一代训练的官方证据;尚不足以证明研究规划、实验选择和跨代增长已自主闭环。[S05]
  3. Persistent Agent首先是一种运行与组织机制。 身份、记忆、事件触发、云端工作环境和工具权限,让工作跨会话继续。它不能单独证明基础模型持续学习,更不能证明系统已经具备人类员工式责任能力。[S08–S11]
  4. 多Agent规模不是集体智能的充分条件。 工作流预算与内部工程案例显示编排已进入产品。是否超过大型人类组织,取决于任务分解、验证、资源争用、错误相关性和协调成本。[S07、S09]
  5. 独立评估支持进步,同时揭示成本约束。 Grok Build在Artificial Analysis当前同一版本Agent指数中由4.6组合的47升至4.7组合的56;相应平均API费用和运行时间也增加。不能只用成功率说明效率提高。[S15]
  6. 算力优势与模型优势必须分别计算。 Colossus向Anthropic提供访问,是公司官方披露。基础设施可以服务竞争者;设备总量不能直接等同于Grok可独占的训练资源。[S17]
  7. 轨道算力是需要工程验证的战略选项。 FCC受理申请、客户表达兴趣、未来测试计划,分别属于监管程序、商业意向和路线计划;均不能视为GW级在轨运行证明。[S20、S22]
  8. Control需要跟着运行系统扩展。 当前Bot产品说明同一用户的Bot共享云端电脑、文件和登录状态。角色分工不自动产生权限隔离。模型拒答评估之外,还需要跨Bot授权、记忆审计、中止传播和交易验证。[S11、S23]

对未来3—10年的基准判断不是一个ASI年份,而是三个待检验的转折:持续Agent能否从内部案例扩散为可重复的企业工作方式;AI研发是否从局部帮助变成经因果验证的增长加速;工业资源扩张能否在成本、安全和社会约束下持续。


一、先识别研究对象:名称、控制权与业务不能混为一谈

1.1 截止日的可靠组织事实

2026年2月2日,xAI官方发布加入SpaceX的消息。Cursor于8月14日官方宣布加入SpaceX;其声明同时说,双方合作从4月开始。7月的Grok 4.5发布材料已提到与Cursor协作。因此,不能将所有联合研发成果归因于8月完成的收购。[S01–S03、S06,B]

Grok 4.7模型卡将SpaceXAI写为XAI LLC的DBA名称。其他官网页面页脚使用SpaceXAI LLC。本报告采用“xAI/SpaceXAI”作为研究名称,不据品牌、页脚或单份模型卡重建全部法律实体、股权和资产归属。具体法人应以相应合同与登记为准。[S05、S11,B]

本报告判断〔D〕: 目前可以确认业务与品牌整合,不能从这些材料直接推出所有资产都已在一个法人内,或全部数据、账户和技术均能无条件互通。

1.2 三种业务有不同的成功标准

业务 核心产出 应验证的成功标准 最容易出现的误读
前沿模型研发 可推理、编程、使用工具的基础能力 同等预算下的可靠能力、训练效率、跨任务迁移 集群大,所以模型一定领先
Agent与开发平台 可持续执行的工作、代码和组织记忆 完整工作交付率、人工投入、错误恢复、净成本 Bot数量多,所以组织能力已超过人类
算力供给 可使用且稳定的计算服务 有效计算量、交付时间、利用率、单位成本和现金回收 算力出租,所以自产模型失败或所有设备闲置

这三种业务可以相互增强,也可以竞争同一批资源。模型训练要求研发优先级,客户推理要求稳定交付,Agent要求大量交互式运行。资源分配冲突可能成为组织整合后的真实瓶颈。

1.3 不把创始人叙事当作技术证据

“追求真实”“大规模建设”“长期运行的AI同事”等公开定位能够说明战略方向,不能证明模型更真实、研发更有效或员工已被替代。应将创始人的愿景、产品设计和技术结果分别记录。

截至本报告截止日,没有取得可供独立核验的公司全口径AI研发自动化比例、模型研发周期、训练失败率或由AI独立提出并验证的算法创新清单。这些未知不能由管理风格或历史执行力补足。


二、能力增长的证据:有进步,也有成本与口径问题

2.1 当前模型的技术变化

9月21日的Grok 4.7发布资料称,相比4.6采用更大的基础模型,更长的RL训练,并提高困难、多小时任务的权重,同时原生训练对Grok Bot运行框架的理解。官方起始API价格为每百万输入token 2美元、输出token 6美元;快版加速和价格另计。[S04,B]

这提供一个可检验的增长机制:基础能力扩大+长任务训练+运行框架适配。它没有证明三个因素各贡献多少。更大的模型、不同推理投入和更好的运行环境可能同时影响结果。

本报告不据发布表格断言“全面第一”。要识别真正的技术收益,需要交叉实验:固定模型更换框架;固定框架更换模型;固定成本比较推理档位;固定任务检验多次运行。公司没有公开这些因素的完整消融结果。

2.2 独立评估给出的能力—费用—时间关系

Artificial Analysis截止日页面记录,Grok 4.7 xhigh的Intelligence Index v4.3.2为46,该指数平均评估任务费用为3.74美元。该费用属于指定评估任务,不是企业完成工作的总成本。[S14,A]

其Coding Agent Index v1.5对Grok Build的记录如下:[S15,A]

同一Agent框架的模型组合 Agent指数 平均API费用/任务 平均运行时间/任务
Grok Build+Grok 4.6 xhigh 47 3.57美元 19.5分钟
Grok Build+Grok 4.7 xhigh 56 8.82美元 39.2分钟

本报告计算〔D〕: 指数增加9点,记录的API费用约为前者2.47倍,运行时间约为2.01倍。指数不是线性效用函数,不能用“56÷47”解释智能增长百分比。这张表支持该评估口径下能力提高、资源消耗同时增加;不支持总生产率必然提高,也不是所有任务的统一价格。

若更高能力解决了原先完全无法完成的任务,费用增加可能值得;若只是重复尝试相同简单任务,新增投入可能没有商业意义。需要把任务价值纳入判断。

这里的“同一框架”指Grok Build产品,不代表所有底层运行版本、推理过程和服务条件被严格固定。代际表是独立评估快照,仍不能作为某个训练变化的纯因果实验。

官方发布页的DeepSWE为71.0%,标注high;当前AA组合页记录73%,使用xhigh,并评估指定Agent组合。两者不是相同投入和系统设置。Terminal-Bench官方与AA也有不同记录,本报告分别保留,不平均、不据其中较高值覆盖另一方。业务选择采用独立Agent页的完整能力、费用和时间口径;技术归因仍需进一步实验。[S04、S15]

2.3 长时间运行不等于长任务可靠性

Proximal的FrontierSWE V2页面规定34项任务、每模型每任务5次试验、每次20小时预算;Grok 4.7当前mean@5为29.5%,平均每次费用318.77美元。页面说明分数采用任务奖励,不能等同于完整任务完成率;其误差展示也不能未经方法核验称为统计置信区间。[S16,A]

METR的Task Horizon则以人类专家完成任务所需时间为横轴,拟合AI成功概率,分别求50%或80%的时间边界。任务主要是可明确验证的软件、机器学习和安全工作,不能直接外推到所有社会活动。[S13,A]

因此,下列四个量应分开:

量 回答的问题 不能推出什么
运行预算20小时 系统最多能花多久 能完成所有人类20小时任务
实际运行12小时 这次Agent运行了多久 无监督可靠工作12小时
部分奖励29.5% 评分标准下平均获得多少奖励 完整完成29.5%的任务
80% Task Horizon 哪种人类任务时长对应80%成功概率 每周连续运营的组织可靠性

本研究未取得Grok 4.7可直接采用的独立METR 50%/80%时间边界,不填写估算小时数。未取得该数字,也不等于没有相关能力或实验室没有向评估机构提供访问。

2.4 哪些真实指标比排名更有用

对xAI路线,优先测量四种结果:一个Bot连续承担同一职责时的工作质量;跨系统操作的正确性;陌生问题中主动发现错误并修正的比例;完成交付所需的全部人类时间。

同一工作至少分为“首次完成”“审查后完成”“返工后完成”“未完成”。只有将返工、监督和遗漏纳入,才能判断Agency是否转化为经济能力。


三、持续Agent:从会话增长到职责增长

3.1 产品机制已经比聊天窗口更完整

Grok Bot的设计文章将身份、记忆、运行环境、工具、例行任务和产出放在持续工作的体系内。工作可以由提示、定时或事件激活;不同角色可以由协调Bot组织。Grok Build记忆则以项目及全局范围的Markdown主题记录跨会话信息。[S08、S10,B]

本报告判断〔D〕: 持续性最先改变的是工作容器。模型在一次推理结束后可以停止,但任务、记忆、文件和事件触发仍存在。下次激活时,系统重建状态并继续。

这一机制让“今天查资料、明天跟进、下周核验”成为工程上可实现的过程,不需要假设模型在所有时间里持续思考。外部记忆能改善特定工作表现,也不能单独证明参数更新或全局认知提升。

3.2 运行系统如何形成闭环

以下是本报告依据公开设计建立的分析图,不是公司实际后端架构图:

flowchart TD
    A["任务与事件"] --> B["职责、记忆与权限"]
    B --> C["模型规划与工具执行"]
    C --> D["独立验证与人工决策"]
    D --> E["产出、日志与经验更新"]
    E --> B
    D --> F["中止或回滚"]

系统超过一次模型回答的地方,在于能够保持上下文、访问真实资源,并用执行结果更新后续行动。系统可靠性的上限却可能由最弱的环节决定:一个错误的账号、过期记忆、无效验证器或无法回滚的写操作,都可能使高能力模型交付失败。

3.3 最重要的边界:角色不等于安全隔离

当前Grok Bot FAQ说明,同一用户的Bot共享一个持久云端电脑,包括文件、浏览器和登录状态;隔离在用户层,而非Bot层。FAQ还称企业版已可用,敏感操作“可以”经Auto Review处理,并提供企业网络及数据控制选项。[S11,B]

早期设计文章使用“每个Bot有自己的电脑”的界面表述。对当前隔离机制,本报告优先采用更直接的产品FAQ;不将角色界面视为独立虚拟机或独立凭证边界。

本报告分析〔D〕: 同一用户可让财务Bot、采购Bot和研究Bot协作,但它们的任务名称不能替代技术权限。在共享浏览器登录下,一个本应只看资料的角色可能触及另一个角色可用的业务账号。实际是否允许执行,需要后台授权与动作策略判断,而不是观察头像或角色说明。

这也构成多Agent发展的反作用:资源共享降低交接成本,同时可能扩大故障传播范围。多个Agent修改同一文件、操作同一购物车、竞争同一页面状态,会产生组织式的并发问题。

3.4 Team Bots增加的是组织上下文

9月28日Team Bots发布材料称,其共享技能和相关工作资料,并保留每个用户各自的私有会话上下文与记忆。工程案例披露,Bot协调Cursor Project及数百Cloud Agents,帮助5人团队每天交付超过100个PR,并在数周内发布Team Bots。[S07,B]

该案例显示AI参与制造AI产品,且编排进入实际工程。仍缺少PR规模、合并定义、缺陷率、人工审查分钟数、对照团队和长期维护成本。100个PR可能包含大量小改动,不能直接换算为100项独立研究成果。

共享技能、私有上下文和共享组织知识还存在一个需要验证的边界:从私有会话学到的派生知识,如何被标注和允许共享?公开描述不足以证明存在泄漏,也不足以证明所有派生信息隔离都已解决。

3.5 一份内部客服案例能说明什么

公司9月22日披露,合并后的客服工单量增长175%而没有增加人手,并报告部分优化任务的使用费用低至0.20—0.30美元。实施从内部建议、每次写操作人工批准开始,随后增加运行日志、评估和较简单工单的直接响应。[S12,B]

增长175%是工单量成为原来的2.75倍,不是1.75倍。低使用费用不包括全部集成、监督、订阅、错误赔偿和组织变更成本;“本来可能增聘多少人”属于公司反事实估计。

本报告判断〔D〕: 相比“AI全面接管”的营销措辞,逐步授权和逐次反馈更接近实际形成能力的工程过程。若第三方能重复这种质量与成本结果,持续Agent才可能成为组织生产率指标。


四、AI R&D:已经有反馈,但起飞需要更强证据

4.1 将“AI改进AI”拆成五个层次

层次 改进对象 xAI公开证据状态 本报告判定
L1 研究人员工具 代码、检索、调试、文档 开发产品和内部工程案例 工程可用;公司研发总体收益未知
L2 Agent运行系统 工作流、记忆、协调和产品代码 工作流可跨次改进;Team Bots工程案例 有局部反馈官方证据
L3 模型训练输入 轨迹、合成数据、筛选信号 4.6参与4.7训练数据生成与检查 有AI→AI官方证据
L4 研究与训练闭环 提假设、分配算力、训练、评估、选择新算法 未取得完整公开运行记录 不能确认自主闭环
L5 跨代增长加速 新一代提高下一轮研发能力并连续加速 未取得独立、预算受控的跨代证据 不能确认Takeoff

L2依据[S07、S09],L3依据[S05],均为B。L4、L5是本报告的证据缺口结论,不是“实验室内部一定没有做”。

4.2 已经出现的AI→AI链条

4.7模型卡披露,4.6生成SFT轨迹、模型检查筛选轨迹;补充训练还采用匿名化Cursor工作流数据。[S05,B]

这已经超出“只帮助程序员写代码”。它让上一代模型进入下一代的训练生产过程。关键未知是:数据占比、模型筛选准确率、人类纠正程度、该环节贡献及其对其他来源的替代率。

本报告判断〔D,中高置信〕: xAI公开路线中存在研发反馈的构件;这些构件是否已形成提高智能增长速度的连续正反馈,目前不知道。

4.3 两种反馈的区别

产品反馈是Bot生成代码、评估、记忆或工作流,让同一基础模型用得更好。它可能提升大量客户任务,但基础能力未必变化。

研究反馈是AI提出或筛选新的方法,使下一代训练在固定资源下取得更高泛化能力,进而让后续研究更有效。要证明它,应追踪研究建议的来源、实验执行、独立验证、采用决定和下一轮结果。

两者可以相互增强:更好的Agent可能组织更多实验,更好的模型可能生成更高质量研究建议。二者也可能脱节:软件交付极快,但关键算法研究仍靠少数研究员;合成数据增加,但生成错误和奖励偏差也被放大。

4.4 把“连续发版”与“研发加速”分开

发布间隔缩短可以来自并行训练、既有模型重新命名、产品打包、更多资本投入或发布策略变化。更大的基础模型和更长训练同时出现,也不能据短发布间隔推算研究效率。

验证AI R&D加速至少需要四条序列:

若只是AI执行量增长、研究者等待训练结果的时间不变,局部自动化就不等于整体起飞。

4.5 递归自我改进不能被一概否定,也不能移植为公司事实

9月22日的AIDE²预印本报告,一个研究Agent在8天运行中经历7次连续自身代码改进,并在4类留出评估中取得迁移收益。该证据属于外部研究、作者报告及有限实验;本报告核验了摘要,未复现全文实验。[S26,A—初步]

它说明“Agent代码层面的递归改进”已能成为可测工程对象。它不证明xAI使用该系统,不证明基础模型权重自主改进,也不证明长期收益能抵消研发边际递减。

应采用对象明确的语言:工作流自我修订、记忆更新、Agent源码递归优化、训练数据反馈、基础模型研发闭环。将它们全部称为“自我进化”,会使最重要的变化无法被测量。


五、Scaling的对象已扩大:增加资源不等于增加有效智能

5.1 xAI目前公开路线包含哪些扩展

维度 已公开的具体机制 可期待的收益〔D〕 应检验的限制〔D〕
预训练 更大的基础模型 [S04] 更广的基础表征 数据质量、计算预算与边际收益
补充训练 模型轨迹及Cursor工作流数据 [S05] 更贴近技术和实际工作 生成偏差、授权、数据选择
后训练与RL 更长RL、困难任务、Agent环境 [S04] 更可靠执行与自检 奖励稀疏、验证器漏洞、训练分布
推理计算 不同推理投入;独立费用记录 [S14–S15] 多步处理难题 费用、延迟和重复推理
Context与Memory 500k上下文;主题记忆 [S10、S14] 延续长工作和经验 注意力质量、过期记忆和召回
Agent runtime 持久环境、事件触发 [S08、S11] 跨会话继续行动 资源争用、状态损坏、无人监督
并行Agent 可编排工作流 [S09] 可分解任务并行处理 通信与合并成本、相关性错误
Verifier 工作流验证及模型数据检查 [S05、S09] 筛掉低质量结果 同源偏差、奖励投机、覆盖不足
Tool与资源 软件、浏览器、企业凭证 [S07、S11] 将建议转成工作成果 权限与可回滚性
工业计算 Colossus自用与外部访问 [S17–S18] 更多训练及运行供给 可用电力、有效互联、经济回报

表格中的机制不是十项已被独立量化的Scaling Law。公司并未公开足够的控制实验,让本报告拟合统一增长规律。

5.2 2020式Scaling与当前扩展的关系

本报告使用“Scaling”表示增加某类资源并测试能力收益。当前讨论的资源不只包括预训练参数、数据和计算,也包括执行时长、并行实验、工具、记忆、反馈与验证。

这些资源之间常有替代关系:一个更好的验证器可减少无效搜索;更好的记忆可减少重复检索;更多工具可能降低模型必须记住的知识;更长上下文也可能增加费用却没有提高关键事实使用质量。

因此,应问“在哪种任务、固定何种预算、增加哪一种资源,结果如何变化”,而不是将所有增长汇成一个规模指标。

5.3 一个用于归因的框架

本报告提出以下概念关系,而非经验定律:

有效工作产出=成功交付数×单次交付价值-人工监督、错误、协调和资源成本。

能力分数提高只改变其中一个条件。若工作需要反复返工、人工检查量同步增加或集群大部分用于验证失败结果,算力增长不能直接转为经济增长。

进一步可定义研发转化率:每单位完整研发投入产生的、被留出任务验证的新能力增量。它比“GPU数/员工数”更接近本报告要研究的机制。目前没有xAI公开数据可计算这一指标。


六、Systemic Superintelligence:三个竞争解释

6.1 假设H1:强中心模型决定上限

如果基础模型不能识别研究错误、提出有效假设或理解工具反馈,增加Agent可能只是复制同一种缺陷。Grok 4.7仍扩大基础模型并加强训练,说明公开路线没有放弃模型能力。[S04]

H1预测:跨框架能力高度相关;换入更强模型的收益大于增加更多角色;困难任务中的瓶颈集中于判断和泛化。若这些现象持续,模型是关键约束,系统主要负责能力释放。

6.2 假设H2:系统组合先形成超越组织的能力

持续职责、共享知识、权限、异步执行、专业工具和验证器,可能使不具备全面超人能力的模型组合,先在有限领域超过大型人类团队。

H2预测:模型固定时,系统改造仍能显著提高完整工作成功率;同等预算下,大任务被正确分解并合并;新员工或新Bot更快继承组织经验;长时间运作的误差不持续累积。

xAI公开产品布局与H2相容,但目前的内部案例还未完成相同任务、同等成本的人类组织对照。[S07–S12]

6.3 假设H3:工业基础设施才是主要可持续优势

第三种解释是,模型和Agent竞争变化快,而低成本、快速交付且可靠的计算服务更难复制。即便Grok未在全部能力上领先,基础设施仍可服务其他实验室。

H3预测:外部算力客户增长,收益与自产模型排名相关性下降;可交付计算容量先于模型独占需求增长;业务重心更接近服务稳定性、能源和资本管理。[S17–S19]

6.4 当前选择与可能的反证

本报告判断〔D,中等置信〕: H1、H2和H3目前可以同时成立。较有解释力的不是“单模型或者系统”的二选一,而是模型决定判断质量,系统决定实际工作范围,基础设施决定可扩展程度。

如果模型固定后系统改造无持续收益,应降低H2权重;如果有效计算资源持续增加而留出能力停滞,应降低“算力直接转为模型优势”的权重;如果外部客户合同和基础设施回报无法持续,也不能将H3当作确定退路。

6.5 Multi-Agent是可选的组织方式

可独立处理的代码审查、资料检索和实验分支,适合多Agent;需要统一状态、连续动作或难以切分的判断,可能更适合单Agent结合工具和严格验证。

工作流官方给出通常128、较大任务最高1,024的Agent预算。预算上限不是实际并发数,更不是1,024个独立智能体的能力总和。[S09,B]

本报告建议用1、4、16、64等规模进行同总费用对照,并记录实际同时活动数、有效独立结果数、冲突率和整合时间。这是研究设计示例,不是公司公布的实验。

一个系统只有在全流程工作、交付时间和总成本上稳定超过相应人类组织,才能称为某领域的组织级超人能力。几个小时内生成大量文本、PR或实验,仍不足以满足这个标准。


七、Colossus与资本:设备库存要转成可使用的计算

7.1 三组数字不能直接相加

官方材料 数字及时间口径 本报告如何采用
Colossus介绍页 顶部200,000 H100;同页另一指标180,000 H100;历史叙述122天建成、92天扩容;另有百万GPU路线 [S18] 用于了解历史建设;不能当作截止日完整库存
2026年1月6日融资披露 2025年末Colossus I、II合计超过100万H100 GPU等效算力 [S19] 记录为公司等效计算口径,不转换为物理GPU数量
2026年5月6日合作披露 Colossus 1超过220,000颗NVIDIA GPU,包含H100、H200及GB200 [S17] 采用较新、范围较明确的公司披露;不推算整个集团总量

“百万等效算力”“百万实际设备”“一个互联集群”“集团所有机房”是四个不同概念。混合型号、精度、带宽、利用率和工作负载会影响等效换算。本报告未取得该换算的完整定义,也未取得审计后的截止日设备清单。

同一网页出现不同计数,不适合通过平均来消除冲突。合理处理是保留版本、范围和单位,降低对实时库存的置信度。官网“全球最大”的表述属于B级公司主张,本报告未完成全球所有同类集群的独立比较。

7.2 向Anthropic供给算力的意义

5月6日官方声明称,已签订向Anthropic提供Colossus 1访问的协议,后者计划改善Claude订阅服务容量。声明还提及Anthropic对多GW轨道计算合作表达兴趣。[S17,B]

它确认“竞争实验室也可成为计算客户”。它不披露集团所有设备已租出、具体利用率、排他条款、客户收益或轨道合作已成为确定建设合同。

本报告分析〔D〕: 外部客户可提高资产利用率和收入,也可能占用自产模型的机会资源。公司获得规模和现金回流,客户获得可用计算,两方都可能受益。若缺少合同和资源分配数据,不能据出租动作判断模型路线成功或失败。

7.3 计算服务至少受六个瓶颈约束

  1. 芯片与HBM。 设备数量受先进芯片、存储和封装供给制约;芯片到货不等于所有配套完成。
  2. 互联。 可连接的拓扑、有效带宽、故障恢复和通信开销,决定多少设备能共同训练。
  3. 稳定电力。 额定电力、可持续供电、负荷波动处理和并网时间应分别记录。
  4. 散热。 高功率密度会影响机架设计、冷却设备、工期和停机风险。
  5. 计算需求与调度。 训练、推理、外部租赁、验证和实验不能重复计算同一容量。
  6. 资本回收。 设备折旧、融资、能源和客户付款决定资产能否持续扩张。

这些属于本报告的工业分析。公司没有公开全部变量,不宜估算总拥有成本或当前有效训练FLOPs。

7.4 电力是行业硬约束,不能只用全球比例讨论

IEA当前报告预计,全球数据中心耗电由2025年485 TWh增至2030年950 TWh,约占全球电力需求3%;这是中央情景预测,不是已发生结果。报告指出HBM、并网和能源设备存在瓶颈,现场燃气发电也不必然比电网更快交付。[S24,A]

全球占比有限,与某一城市承受很大新增负荷可以同时成立。对Colossus,更有用的是当地可用容量、变电及燃气配套、运行波动、社区影响和许可条件,不是把全球电量折算成“理论还能建多少个集群”。

7.5 外部环境测量应进入证据地图

Gauld等人的NOx研究预印本以TEMPO卫星观测并用电厂连续监测资料校准,估算Colossus 2相关电厂2026年2月后排放平均为730±185千克/小时,约为其依据许可及控制技术假设推算值的16倍。论文9月15日修订版本的摘要已核验。[S25,A—初步]

这是带模型与测量不确定性的研究估计,不是本报告的实测,不等于执法机关最终认定违法,也不直接证明某个居民健康结果。尚需完整方法复核、地面监测和设施运行信息交叉验证。

它仍改变了研究问题:扩容速度的收益,必须与污染控制、现场能源可靠性、居民接受度和未来成本一同评估。基础设施管理不只是把GPU接通。

7.6 资本规模不等于持续资金可得性

官方1月融资披露为200亿美元Series E。[S19,B] 这是明确日期的融资,不是10月现金余额、年度AI研发支出、数据中心资产净值或模型训练成本。

本报告不以历史交易估值判断当前投资价值,也没有取得将模型、Agent、租赁和航天业务分开的审计财务。对未来路径,应监测客户合同持续性、资本成本、有效利用率、更新周期和业务现金回收。

本报告判断〔D〕: AI在xAI路线中已经涉及工业体系。软件反馈可能按天变化,而并网、建筑、供应链和许可按月或更长周期变化。所谓研发起飞,也可能先撞上资源交付速度。


八、轨道算力:转移约束,而不是取消约束

8.1 已公开的证据层次

FCC于2月4日发布受理及征求意见公告,确认SpaceX于1月30日提出最多100万颗卫星的轨道数据中心系统申请,涉及500—2,000公里高度及光学星间链路等设计。[S20,A—政府程序事实]

受理不等于许可;许可不等于发射;发射不等于稳定算力;稳定算力也不等于比地面训练更经济。本研究没有取得该系统截至截止日的完整最终授权和商用容量证明,不能仅凭2月公告断言整个审批目前处于何种最终状态。

Reuters于6月报道,SpaceX目标是在2027年末前进行轨道AI计算测试,该报道依赖其取得的信息与消息人士,应列为C级计划。10月初媒体又报道行业有原型载荷测试;原型级进展与GW级商业部署之间仍有距离。[S22、S29,C]

8.2 为什么这项选择有战略价值

支持理由〔D〕: 航天资源可能带来发射、批量制造、通信和运营协同;特定轨道有较高太阳能利用潜力;部分计算可以靠近空间数据来源,减少回传;地面局部土地、电网与水资源约束可能使替代方案更有吸引力。

反对理由〔D〕: 地面瓶颈被转化为载荷质量、可靠性、辐射、热控、链路、维护和轨道治理问题。发射优势未必能覆盖计算设备寿命短、迅速更新和高频维修的成本。

应按工作负载判断。可独立、延迟容忍且数据已经在轨的任务,与需要高带宽同步的巨大模型训练,不是同一种计算市场。

8.3 真空并不是免费的冷却系统

NASA热控资料说明,真空环境没有对流传热,卫星内部主要通过导热传递热量,对外主要通过热辐射交换;还要考虑太阳、地球反射和红外输入以及材料性能退化。[S21,A]

本报告作一个理想量级计算〔D〕,只用于说明工程尺度,不代表SpaceX设计:若需要排出1 GW废热,发射率取0.9,忽略外部热输入和背景辐射,采用

[ A=\frac{Q}{\epsilon\sigma T^4} ]

其中斯特藩—玻尔兹曼常数(\sigma\approx5.67\times10^{-8}\ \mathrm{W\,m^{-2}\,K^{-4}})。

辐射表面温度假设 理想散热通量 所需有效辐射面积
300 K 约413 W/平方米 约2.42平方公里
400 K 约1,306 W/平方米 约0.77平方公里

面积指有效发射面积,不是卫星投影面积,也不是地面占地。400 K约127℃,不能直接假设普通计算硬件可在该温度运行;需要热输运与材料方案。公式不包括太阳能板、结构、遮阳、储能、链路、质量和维修,不能用它估计总造价。

计算的作用是识别问题:以GW为尺度,热管理仍是大型系统工程,空间的低背景温度不会自动把废热带走。

8.4 经济性应以“有效计算”计价

轨道方案应比较:全寿命可用计算量,乘以真实任务效率,除以制造、发射、补充、链路、运行和失效成本。地面方案也应完整计入能源、并网和散热等成本。

需要公开的证据包括:可用功率而非太阳能板额定值;载荷在轨错误率;任务级互联效率;长期热控数据;单位设备补充周期;实际服务定价或成本。宣布卫星颗数不提供这些答案。

本报告判断〔D,中等置信〕: 轨道算力值得作为2026—2036期间的选项研究,但当前不足以作为xAI模型领先或近期开启ASI的基础假设。更明确的现有资产仍是地面计算和数字工作平台。


九、World Model与Physical Intelligence:工程软件能力还没有跨过现实验证

9.1 可以确认的技术范围

Grok当前披露包含工程、CAD与计算任务能力及相应训练环境。[S04–S05] 它支持“AI进入工业设计软件”的判断。现有核验材料不足以证明xAI已公开完成通用物理世界模型、VLA或机器人基础模型的全面验证。

没有公开充分证据,与内部没有研究,是不同命题。本报告不编造未披露路线,也不将视频生成效果、CAD分数或拥有航天业务当作机器人可靠性的替代指标。

9.2 三条不同的物理能力链

能力链 应验证什么 现实验证为何仍必要
工程设计 设计约束、仿真、制造可行性 仿真可能遗漏材料、公差和失效条件
物理预测 动态一致性、反事实、状态估计 看起来连贯的画面未必能支持控制
具身执行 感知、动作、接触、恢复、安全 真实物体、环境与传感器存在分布偏移

数字成果可以复制和快速评估;物理成果还需材料、设备和真实试验。若AI首先优化编译器、内核或实验调度,再帮助制造设备,两个阶段之间仍存在独立的物理约束。

9.3 与Tesla的关联不能自动补齐证据

1月官方材料提到Grok Voice在Tesla车辆中的使用。[S19,B] 这证明一种产品连接,不等于xAI、SpaceX和Tesla的所有机器人训练、产权、数据和研发已经合并。共同创始人或可见产品连接,不能取代具体技术接口和实验记录。

本报告没有取得足以验证跨公司“数字研究→机器人控制→现实实验→模型改进”的闭环资料,不将其写成已发生事实。

9.4 Digital与Physical可能存在时间差

情景判断〔D〕: 在可自动验证、可并行试验的软件及某些计算研究领域,组织级超人能力可能先出现;真实机器人、生产线和航天制造需要更长验证周期。

这一时间差不能预先填为三年或五年。若自动实验设备、低成本机器人部署和高保真仿真同时成熟,间隔可能缩短;若现实事故、硬件可靠性或认证成为瓶颈,间隔可能扩大。

季度监测应同时记录仿真与真实结果,并披露任务分布、重复次数、人工干预、安全停机和跨环境迁移。单个成功演示不提供这些量。


十、Control与治理:从拒绝危险回答到限制真实行动

10.1 当前框架不能按旧印象评价

6月30日公开的Frontier Artificial Intelligence Framework包含CBRN、进攻性网络、失控及有害操纵四类风险。文件提出至少每年一次完整系统风险评估,并列出模型更新、严重事件、集成风险增加等额外评估触发情形;开发与部署建立在公司判断风险可接受的基础上。[S23,B]

因此,“xAI没有安全框架”或“只看恶意使用、不考虑失控”不符合这份当前文件。政策承诺也不等于已通过独立验证:内部执行、例外、否决权运用和最终风险判断仍需证据。

本研究未在公开框架中找到可直接计算的、专门针对AI研发自动化的强制数值门槛。模型卡中的生物、安全拒答及其他结果可说明所测范围,不能单独证明持续Agent组织的整体可控性。[S05、S23]

10.2 四种安全对象要分开

对象 主要问题 有意义的证据
模型输出 是否提供危险帮助、欺骗或错误高置信回答 独立攻击测试、适用范围、版本和失败样例
Agent执行 是否越权、误转账、误部署、绕过审批 动作日志、权限拒绝、审批准确性和回滚
Agent组织 错误是否跨Bot传播、监督是否失效 跨Bot攻击测试、中止传播、共享状态审计
研发与基础设施 是否能停止训练、保护权重和限制关键资源 实际演练、独立审查、停机验证与问责记录

模型越强、工具越多,风险不仅来自“知道什么”,也来自“在什么权限下可以做什么”。公司或客户选择的权限,构成系统能力的一部分。

10.3 共享环境需要独立的动作控制

本报告提出五个应验证的Control机制〔D〕:将读取、草稿、写入、发布和支付分级;把授权绑定到动作及对象;使来源不可信的网页无法改变上级权限;保证一个Bot的中止能够取消派生任务;对外部真实动作保留可检查的结果与责任主体。

同一模型负责提案与批准时,错误可能相关。增加“审查Bot”不自动产生独立审查,尤其在它共享相同记忆、工具状态和奖励目标时。合理的控制应包含模型外的权限规则和可验证结果。

10.4 部署安全已存在现实争议

欧盟委员会1月26日公告启动针对X的DSA调查,评估Grok功能部署风险及相关风险评估。英国ICO于2月3日启动涉及XIUC和X.AI的数据处理调查,关注可能产生有害性化图像与视频的系统。两份公告是调查事实,并不是违法的最终结论。[S27–S28,A—政府]

这些事件与ASI失控不同,但对同一治理问题提供现实证据:产品发布、公共传播和个人数据的保护,不能只依赖模型级测试或愿景。应跟踪后续正式决定、缓解措施和实际重复发生率,而非只追踪政策文档是否存在。

10.5 “真实”需要可测标准

实时社交信息更及时,也可能充满操纵、噪声和引用循环。一个系统将新闻、讨论和合成内容再次写入记忆,会形成事实来源的递归问题。

本报告建议分别测事实准确率、置信度校准、来源可追溯性、纠错延迟和观点敏感问题的一致性。可以选择不同价值取向,但不能用价值定位替代事实质量和来源审计。


十一、平台整合的收益与冲突:超级智能应受谁的委托

11.1 Cursor带来工作入口,也改变供应链关系

本报告分析〔D〕: 开发工作平台能够提供长期项目状态、执行反馈、企业采购入口及可授权的数据。相比只卖一个API,它更有机会形成“使用→反馈→训练或运行改进→继续使用”的循环。

但自产模型与多模型平台之间存在张力:平台希望选用对用户最有利的模型,模型业务希望获得流量与数据;两者的商业目标未必一致。

OpenAI于8月28日声明拟终止向Cursor提供模型的合同,提出11月12日为停用日期,并解释其对控制权变化及合同合规的顾虑。该内容是OpenAI一方声明,不能将其指控写成独立裁定;截止日也不能把未来日期写成已完成停用。[S21A,B]

这一事件足以说明,多模型平台的供应关系可能因所有权变化而改变。平台效率、供应连续性和用户资产可迁移性,都需要纳入企业选择。

11.2 Agent代表用户行动时,商业目标必须可检查

如果Bot在采购、软件选择、研究和工作分配中代表用户,平台可能同时从订阅、模型使用、算力或其他业务获益。Agent选择更昂贵的运行方式、优先内部产品或保留更多数据,未必符合用户的最优利益。

本报告不将这种潜在冲突认定为当前已经发生的操纵。可验证的边界是:是否披露费用与偏好;能否指定供应商;是否提供迁移;是否允许清除记忆;是否保存决策理由和真实操作记录。

11.3 所有权至少包含五项权利

用户应能控制目标、记忆、凭证、真实动作和迁移。平台拥有模型与运行基础设施,不应被自动解释为平台拥有用户的全部工作上下文或代理决策权。

个人Agent、团队Agent和大型集团内部Agent具有不同委托人。一个共享Bot可能同时服务员工、管理层和客户;冲突出现时,需要明确它根据谁的授权行事。

本报告判断〔D〕: 系统智能发展的社会分界,可能不是“由谁训练出最强模型”,而是“谁能委托、限制、验证和迁移这套智能”。xAI整合入口与基础设施,提升能力扩展的可能,也提高了这一问题的实际重要性。


十二、主动反证:哪些判断可能被推翻

本报告暂时判断 最强反对解释 会改变结论的证据
持续Agent是组织机制变化 只是聊天加定时任务,能力没有质变 同模型、同预算下,持续环境仍不能提高完整交付
模型—系统协同值得关注 核心增长主要来自更大模型和更多推理 跨框架消融显示系统贡献很小
内部案例显示工程反馈 PR被细分、选择有利案例、人工工作被隐去 独立复核发现交付或质量净收益消失
AI→AI构件可能推动研发 合成轨迹只是常规数据工程 受控研究未发现有效研究周期或泛化收益改善
算力供给可能有独立价值 客户租赁是短期补缺,长期回报不足 外部利用率、续约或单位收益持续下降
轨道算力当前是选项 工程进展可能比公开资料更快 公开长期在轨数据、实际互联任务及成本优势
权限治理是重要瓶颈 更强模型显著降低错误和监督需求 大规模独立生产记录显示低干预且低事故
数字能力可能先超过组织 组织问题不够形式化,物理数据反而更直接 机器人真实部署先呈现广泛超人结果

三个研究偏差尤其要避免。

第一,产品密集发布制造增长错觉。 同一批基础能力可以被包装为多个功能。应追踪任务质量,而非新闻数量。

第二,公开资料选择性。 公司知道失败实验和人工工作量,研究者通常只看到发布结果。独立评估应优先检验困难案例与失效分布。

第三,工具和流程改进被误写成智能跨代增长。 对用户而言,前者已经有价值;对ASI机制研究而言,仍需识别是记忆、资源、参数还是研究方法发生变化。

截至截止日,最需要下调置信度的判断是:“大规模Agent已超过人类组织”“轨道算力将很快解除地面限制”“AI研发起飞已发生”。最有把握的是:可见产品与训练过程已包含持续执行、Agent编排和上一代模型参与下一代数据生产。


十三、2026—2036情景:用转折条件代替ASI年份

以下情景是研究工具,允许并存和切换,不给伪精确概率。时间窗口分为未来约3年、3—5年及5—10年,均不是ASI到达时间。

A|持续Scaling与Agent扩散,没有明确AGI日

前提: 模型仍逐步改善,持续Agent通过较清晰的工作流进入企业;研发没有可确认的整体起飞。

领先指标: 固定费用下成功率提高;人工审查减少;事件任务可靠交付;第三方案例跨行业复制。

结果: 近期先改善开发、客服、数据和内部运营,中期出现稳定的AI岗位组合;长期一些明确领域可能形成组织级超人能力,而日常开放任务继续保留人工决策。

风险与反证: 费用和协调增长吃掉收益;长期记忆累积错误。若同模型系统实验无净收益,降低本情景权重。

B|AI研发出现可验证的增长加速

前提: AI参与的不仅是执行,还包括实验设计、算法选择和独立验证;研究改进对下一轮能力继续有效。

领先指标: 固定预算的有效实验产出提高;研究周期缩短;AI提出的算法被外部复现;连续两代以上的收益具备明确归因。

结果: Agent研发、数据生产、内核和训练优化可能先加速,后影响基础模型。模型发版与基础设施交付的速度差扩大,Control需要更频繁地重评。

风险与反证: 选择偏差、奖励漏洞和验证不独立。若增加计算和人类研究投入即可解释所有收益,不能判定Takeoff。

C|工业资源与治理形成主要约束

前提: 能力需求增长超过芯片、电力、资金或许可交付;复杂Agent带来较高操作和监督成本。

领先指标: 排队时间增加;已宣布容量无法转为可用容量;设备利用率波动;事故或外部争议导致延期。

结果: 更强调推理效率、调度、验证和较窄工作流;基础设施供给可能更重要,模型与Agent的增长出现阶段性减速。

风险与反证: 资源垂直整合导致集中依赖。若有效可用计算和单位成本持续快速改善,减弱这一情景。

D|技术范式或单位资源效率突破

前提: 出现有效的新算法、记忆或验证机制,在固定预算下实现显著迁移收益;也可能由外部实验室首先提出。

领先指标: 留出任务结果被独立复现;跨模型与框架有效;不是只增加推理时长;能在更多任务中复用。

结果: 现有巨型集群的相对优势可能重估,或者成为新方法扩大实验的资源。开源运行系统、工作平台和验证资产是否适配,决定实际收益。

风险与反证: 基准投机、狭窄技巧被称为新范式。若收益限于训练或调参过的任务,不提高权重。

E|计算供给先形成独立竞争优势

前提: 外部实验室长期需要容量;建设、供电与调度形成可持续的单位成本和交付优势。

领先指标: 多客户续约、可用容量和经验证单位成本;收入与自产模型排名不完全同步。

结果: 公司即使未在所有模型领域领先,仍可能成为重要供给者;集团内计算分配与客户隔离成为治理核心。

风险与反证: 客户集中、需求错配和高折旧。外租数量或合同金额本身不足以证明利润与持续优势。

如何在季度内更新情景

一次新闻不触发情景切换。证据先改变某一变量,再观察是否改变实际工作或研究结果。轨道原型发射提高的是该工程方案成熟度,并不直接提高模型研发起飞概率;新的Agent成绩提高能力判断,也不直接降低能源约束。


十四、领先指标仪表盘:季度更新的28项测量

标记:已知为取得当前值;披露为公司信息,缺少独立验证;未知为没有足够公开数据。建议保留每个季度的任务集、模型档位、框架、时间、费用和评估版本,口径变更时不要强行连线。

# 指标 截止日基线 季度更新方式与解释
1 跨领域能力 已知:AA Intelligence Index 46 [S14] 固定版本比较并保留各领域结果
2 Coding Agent能力 已知:Grok Build组合指数56 [S15] 同框架、预算、档位及任务集
3 完整交付率 未知:企业统一口径 含失败、返工、放弃;抽样外部复核
4 单次成功交付总成本 未知;仅有部分API费用 [S15] 计入监督、集成、错误和运行费用
5 80% Task Horizon 未取得4.7独立值 使用人类任务时长和成功率拟合
6 50% Task Horizon 未取得4.7独立值 与80%并列,不只挑较高值
7 长任务奖励 已知:FrontierSWE V2 mean@5 29.5% [S16] 保留部分奖励定义和试验预算
8 人工干预分钟数 未知 每成功任务、每工作日的人工时间
9 连续职责可靠性 披露:持续Bot产品 [S08、S11] 7/30天责任任务、遗漏和补救
10 记忆有效性 披露:主题记忆 [S10] 正确召回、过期率、修正及删除传播
11 实际Agent并发 未知;预算并非并发 [S09] 记录同时活动与有效独立结果数
12 并行扩展净收益 未知 固定总费用的规模消融与冲突率
13 跨工具任务成功率 未知 跨浏览器、API及企业软件端到端测量
14 AI研发工作占比 未知 按研究阶段及人类工时分别记录
15 AI生成数据贡献 披露:4.6参与4.7数据 [S05] 质量、数量及受控移除实验
16 研发周期 未知 问题建立到复现结果,含失败训练
17 原创方法 未知:未取得可审计清单 提案来源、采用、外部复现和预算
18 递归收益持续性 未知:xAI跨代证据不足 连续代际留出效果和因果归因
19 验证器质量 未知 漏报、误报、奖励漏洞和独立性
20 有效计算容量 部分披露;范围冲突 [S17–S19] 按型号、位置、可用率与分配核验
21 外部计算合同与使用 披露:Anthropic访问协议 [S17] 实际交付、续约、集中度和资源冲突
22 稳定供电与交付 未取得全口径数据 额定/可持续容量、停电及并网延期
23 环境与社会成本 初步:NOx外部估计 [S25] 地面与卫星交叉验证、正式决定
24 算力经济性 未知 单位有效计算成本、折旧及回收
25 轨道计算成熟度 申请、计划及行业原型 [S20、S22、S29] 在轨功率、热控、错误率及任务成本
26 物理任务成功率 未取得充分公司证据 模拟与现实分别记录、跨环境重复
27 Agent可控性 披露产品与框架 [S11、S23] 越权率、中止、派生取消和回滚
28 治理与用户控制 部分政策及调查事实 [S23、S27–S28] 实际执行、事件、迁移及数据权利

三项触发研究方向调整的信号〔D〕:

“未知”应保留,不得用产品数量、发布频率或创始人预测填补。该表用于未来更新,没有创建自动监控或定期外部任务。


十五、对企业与个人的意义:可积累的资产是什么

15.1 企业:先选择可验证职责

适合试点的工作,通常有清楚输入、可读取系统、明确产出和可核验结果。例如工单预调查、销售账户事实更新、软件问题复现、对账差异定位、日常数据解释。

第一阶段让Agent完成准备和草稿;第二阶段在已验证规则内完成低风险动作;第三阶段才评估更广泛职责。每阶段记录质量、失败、人类时间和费用。这里的阶段划分是本报告建议,不是所有公司必须采用的固定流程。

采购判断不宜只比较订阅费。一个便宜但需要大量检查的Agent,可能比昂贵而可靠的Agent更耗人力;另一方面,高档推理对简单工作也可能造成浪费。

15.2 AI2B、FDE与OPC:机会来自组织和验证

本报告判断〔D〕: 持续Agent平台可能压缩通用聊天界面、简单连接和模板流程的差异化;更有积累性的价值,是客户真实业务定义、授权关系、数据质量、评估资产、异常处理和交付责任。

对于企业AI服务或一人公司,值得积累六类资产:业务任务说明、来源明确的数据与知识、可迁移的技能与流程、真实失败案例、独立验证方法、长期运行记录。

这些资产让服务从“演示一个Bot”转为“持续承担一个可核验职责”。行业知识、实施经验和客户结果,仍不能由调用更强模型自动获得。

Grok Build开源的是运行系统,不等于公开Grok模型权重。官方仓库可为开发者提供框架及接口参考;本报告核验公开说明,没有完成源码安全审计。[S30–S31,B]

15.3 个人:使用不同角色,不把数量当作效率

个人可以把资料整理、开发、项目跟进分为角色,但先评估是否减少遗漏和重复劳动。多个Bot共享状态时,角色越多也可能越难核查。

长期记忆应能检查和纠正;关键成果应保存为普通文档、代码或业务系统记录。个人控制自己的知识和工作历史,能降低未来供应关系或产品变化带来的迁移成本。

15.4 一份最小验证实验

选择过去真实发生的20—50项同类任务,覆盖简单、困难和异常情况;保留一部分不用于修改流程。比较人工方式、单Agent和持续Agent的完整结果。

总费用中加入人类检查与返工,记录交付正确性、时间、异常和需要重新授权的动作。任务样本数量只是实践起点,不能自动提供统计显著性;高风险或稀有失败需要更大规模和专门设计。

若结果改善,扩大职责;若只在熟悉样本改善,先研究过拟合;若成功增加但人工时间也增加,重新评估组织成本。


十六、关键未知与最终判断

本研究仍不知道以下问题的可靠答案:

本报告最终判断〔D〕: xAI/SpaceXAI的公开路线已经提供一套重要的超级智能形成机制候选:基础模型成长,AI生成下一代训练材料,Agent形成持续工作容器,开发平台积累执行反馈,工业资源扩大可运行范围。最关键的未知,是这些构件是否能产生经过独立验证的研发加速与组织能力增长。

因此,未来研究应分别问:Grok是否在固定投入下更能解决困难任务;持续Agent是否稳定降低完成工作的总成本;AI研究反馈是否持续改变下一代能力;基础设施扩张是否形成可靠、经济、可控的计算供给。

当这些问题有连续数据时,才有依据提高对Takeoff或系统级超级智能的判断。当前证据支持持续跟踪,尚不支持宣告ASI或自主研发起飞已经实现。


来源与核验说明

A|独立测量、外部研究与政府资料

编号 来源、日期及链接 使用范围与局限
S13 METR:Task-Completion Time Horizons,截止日核验 阅读方法说明;软件等明确任务的50%/80%边界;未取得4.7可用独立值
S14 Artificial Analysis:Grok 4.7 xhigh,2026-10-07快照 能力指数、API费用与规格;不等于企业总体效益
S15 Artificial Analysis:Coding Agent比较页,2026-10-07快照 阅读指数v1.5、模型组合、费用、运行时间及方法解释;引用Grok两代结果,不依赖页面叙述性比较结论
S16 Proximal:FrontierSWE V2,截止日快照 阅读任务数、试验预算、奖励与成本;独立于xAI,但评估机构的全部利益关系未审计
S20 FCC:DA 26-113受理公告,2026-02-04 全文2页核验;仅证明受理与征求意见,不作为最终许可证明
S21 NASA:7.0 Thermal Control,截止日核验 阅读热平衡、真空传热、辐射与材料段落;非SpaceX设计评估
S24 IEA:Key Questions on Energy and AI—Executive Summary,2026版 阅读行业瓶颈及电力预测;全球数据中心口径不等于xAI耗电
S25 Gauld等:Quantifying AI data center NOx emissions from space,2026-08-23初稿、09-15修订 预印本;核验元数据与摘要,未复现全文测量或最终监管认定
S26 Srikanth等:Recursive self-improvement of AI research agents,2026-09-22 外部预印本;核验摘要,未复现;不得作为xAI内部路线证据
S27 欧盟委员会:Commission investigates Grok and X’s recommender systems,2026-01-26 官方调查公告;不据此宣布最终违法或罚款
S28 ICO:ICO announces investigation into Grok,2026-02-03 阅读调查对象、范围和程序;公告明示当时尚未作最终侵权判断

B|官方一手披露

编号 来源、日期及链接 使用范围与局限
S01 xAI:xAI joins SpaceX,2026-02-02 官方组织变化;不据短公告推断全部法人结构
S02 Cursor:Cursor is joining SpaceX,2026-08-14 官方加入声明、4月合作起点
S03 xAI:News,截止日核验 检查公开发布目录与时序;不以发布数量计量能力
S04 xAI:Introducing Grok 4.7,2026-09-21 阅读训练变化、原生框架适配、价格与发布;比较表属于官方披露
S05 xAI:Grok 4.7 Model Card,2026-09 共30页;重点核验身份、训练、编码评估及安全段落;未独立复现,不声称全文审计
S06 xAI:Introducing Grok 4.5,2026-07-16 核验与Cursor协作早于8月加入;不重述整份性能表
S07 xAI:Team Bots,2026-09-28 阅读上下文、记忆、工程与团队案例;人员、PR及工期为公司自述
S08 xAI:Designing Grok Bot for a world of persistent agents,2026-09-03 阅读设计原语、角色、事件与界面;界面表述不作为隔离架构证明
S09 xAI:Workflows in Grok Build,2026-07-23 阅读编排、预算、验证与跨次改进;预算不是实测并发
S10 xAI:Memory in Grok Build,2026-09-16 阅读主题文件、项目范围及复用机制;不是参数学习证明
S11 xAI:Grok Bot产品与FAQ,2026-10-07核验 当前可用性、共享电脑、用户隔离、权限及企业选项;未实际部署验证
S12 xAI:Using Grok Bot to scale customer support,2026-09-22 阅读案例与逐步授权;费用不作全成本,人工替代为厂商主张
S17 xAI:New Compute Partnership with Anthropic,2026-05-06 Colossus访问协议、220k混合GPU及轨道合作兴趣;不是审计库存或GW建设合同
S18 xAI:Colossus,截止日核验 历史建设与多处设备数字;页面存在计数和时点不统一
S19 xAI:Raises $20B Series E,2026-01-06 融资、年末等效计算与车辆语音产品关联;不是截止日现金和物理GPU库存
S21A OpenAI:Our decision on Cursor following its acquisition by SpaceX,2026-08-28 一方合同终止意向与11月12日提议日期;指控未写为独立裁定
S23 xAI:Frontier Artificial Intelligence Framework,2026-06-30公开版本 全文9页阅读;风险类别、评估周期及部署原则,执行情况未公开审计
S30 xAI:Grok Build is now open source,2026-07-15 运行框架公开,不代表模型权重公开
S31 GitHub/xAI:grok-build,截止日核验 阅读公开README、许可证及同步说明;未完成源码审计

C|权威媒体与补充核验

编号 来源、日期及链接 使用范围与局限
S22 Reuters:SpaceX aims to launch orbital AI computing tests,2026-06-09 报道摘要/可取得段落;未来测试计划,不是实现结果
S29 WSJ:Can AI Run in Space? Google Is About to Find Out,2026-10月初 报道摘要;只用于行业已进入原型测试的背景,不归为xAI已运行GW计算

研究覆盖与方法限制

本研究检索官方产品、模型卡、开发框架、独立评估、研发研究、能源、航天热控与监管资料。采用“资料收集→证据地图→竞争解释→因果综合→反证→报告”的过程,报告结构在核验后按形成机制组织。

可获得内容包括全文网页、PDF选定段落、完整政策与政府公告,也包括明确标注的论文摘要和媒体摘要。未把摘要核验写成全文研究,未把厂商案例写成独立复现。公开基准可能使用不同模型档位、框架和任务版本;本报告只在同一比较页的既定口径内进行代际计算。

报告中的模型—系统—基础设施框架、经济公式、散热量级、场景和监测阈值,均是D级分析,不是厂商路线图或实验结果。未访问实验室内部系统,也不声称掌握未公开研发进展。

季度更新顺序: 先保存新资料的日期与版本;更新表中具体指标;记录冲突与未知;再调整情景和核心判断。保留旧快照,避免以新基准覆盖旧趋势。


报告结束|GPT V1.0|2026年10月7日