馬斯克最新訪談?wù)劦剑?026年實現(xiàn)AGI，奇點降臨。甚到有媒體解讀到：“留給舊世界的時間只剩2000天”。馬斯克說，到 2030 年，人工智能將超過所有人類智能的總和。在3 到 4 年內(nèi)，Optimus 機器人在精密手術(shù)方面的表現(xiàn)將超越人類醫(yī)生。機器人擁有共享記憶、極限精度，且不受情緒干擾。馬斯克認為，雖然未來 3 到 7 年的過渡期會充滿動蕩和不安，但技術(shù)將最終消除物質(zhì)匱乏、徹底改變醫(yī)療與能源，并將人類帶入一個以智能和豐饒為底色的全新時代。

2026年第一個月AI又開始加速：特斯拉、谷歌們要慌了……

特斯拉們，慌了？英偉達智能駕駛實測曝光：僅用一年追平馬斯克八年心血

GPT-5.2連肝7天，300萬行代碼造出Chrome級瀏覽器

特斯拉們，慌了？英偉達智能駕駛實測曝光：

僅用一年追平馬斯克八年心血

來源：新智元

【導(dǎo)讀】 英偉達汽車業(yè)務(wù)雖僅占總收入1%，但十年積累已成氣候。與Uber合作、推廣L2級城市功能，到2028年實現(xiàn)L3高速公路駕駛，英偉達只用1年幾乎完全追上了馬斯克的FSD。

舊金山，晴空萬里。

記者Andrew J.Hawkins坐進了一輛奔馳CLA的副駕駛。

駕駛座上的安全員盧卡斯雙手雖然虛握著方向盤，但顯然只是為了合規(guī)——車輛完全在自主思考。

在近40分鐘的體驗中，沒有發(fā)生任何碰撞事故，甚至幾乎沒有任何頓挫。

結(jié)束后，Hawkins不禁發(fā)出了一聲感嘆：英偉達的自動駕駛即將起飛，特斯拉真的該著急了。

這或許會讓馬斯克脊背發(fā)涼：英偉達僅用1年時間就實現(xiàn)了城市自動駕駛功能，而特斯拉為此花費了整整8年。

比FSD更安全？

英偉達聯(lián)手奔馳首秀智能駕駛

這輛測試車搭載了英偉達全新的點對點L2++級輔助駕駛系統(tǒng)。

舊金山的街道，如往日一般繁忙和混亂。

在測試中，車輛需要避讓送貨卡車、穿行的騎行者、行人，甚至還要與Waymo的無人出租車「比賽」。

在英偉達AI系統(tǒng)與車輛自帶攝像頭、雷達的配合下，這輛奔馳從從容容、游刃有余：無論是復(fù)雜的四向停車路口、雙排違停的車輛，還是偶爾的無保護左轉(zhuǎn)，都難不倒它。

最令人印象深刻的一幕是：為了繞過一輛擋路的卡車，系統(tǒng)主動發(fā)起了一個大角度右轉(zhuǎn)，但在執(zhí)行動作前，它非常紳士地禮讓了幾位緩慢過馬路的行人。

特斯拉粉絲可能會對英偉達的演示嗤之以鼻，認為馬斯克花了8年時間打造的「FSD」遙遙領(lǐng)先，能力要高出幾個數(shù)量級。

的確，并不是所有智能駕駛都叫「FSD」（完全自動駕駛）。

不過，從實際體驗來看，英偉達在最復(fù)雜路況下的表現(xiàn)，絕對有實力與特斯拉一較高下。

而且奔馳車輛的雷達提供了冗余感知能力，有人甚至?xí)f這套系統(tǒng)比純視覺方案的FSD更安全、更穩(wěn)健。

但也大可不必把兩家公司視為仇寇。

畢竟，特斯拉是英偉達最重要的客戶之一，其AI模型訓(xùn)練依賴著數(shù)萬顆英偉達GPU，這代表著價值數(shù)十億美元的人工智能基礎(chǔ)設(shè)施投入。

因此，即使最終特斯拉獲勝，從某種意義上看，英偉達同樣是贏家。

英偉達：在汽車領(lǐng)域十年的投入

英偉達的智能駕駛系統(tǒng)，讓人頗感意外。

畢竟，它并非公認的自動駕駛領(lǐng)頭羊。

盡管英偉達長期以來一直為各大汽車制造商提供用于輔助駕駛系統(tǒng)的芯片和軟件，但與其在 AI 領(lǐng)域狂攬的數(shù)十億美元相比，其汽車業(yè)務(wù)的規(guī)模仍微不足道。

英偉達汽車部門負責(zé)人吳新宙表示，自2015年以來，英偉達以Drive品牌為汽車提供芯片和其他技術(shù)，但這仍是公司業(yè)務(wù)中的一小部分。

截至2025年10月，汽車和機器人芯片僅占5.92億美元銷售額，約占英偉達總收入的1%。

英偉達正在打造汽車科技業(yè)務(wù)。圖為2023年6月5日，公司位于加利福尼亞圣克拉拉汽車維修廠的自動駕駛測試車

在過去十多年里，英偉達已投入數(shù)十億美元打造一套全棧式解決方案，涵蓋系統(tǒng)級芯片（SoC）、操作系統(tǒng)、軟件和硅片技術(shù)。

這其中就包括英偉達的Drive AGX系統(tǒng)級芯片（SoC），該系統(tǒng)基于Blackwell GPU架構(gòu)，據(jù)稱每秒可執(zhí)行1000萬億次高性能計算操作（TOPS），類似于特斯拉的「完全自動駕駛」芯片或英特爾旗下Mobileye的EyeQ芯片。

英偉達將這些供應(yīng)商提供的傳感器融合成一個無縫生態(tài)系統(tǒng)，涵蓋攝像頭、雷達、激光雷達和超聲波技術(shù)。

它還通過低延遲互連實現(xiàn)了制動、懸掛和轉(zhuǎn)向的跨域控制。

吳新宙對媒體說：「黃仁勛總是說，我和我團隊的使命實際上就是讓一切移動的物體都實現(xiàn)自主化�！�

物理AI的ChatGPT時刻

最近，首款基于英偉達自駕系統(tǒng)的奔馳CLA，獲得了五星級歐洲NCAP安全評級，Nvidia驅(qū)動的主動安全功能為這一成績做出了貢獻。

在CES 2026上，英偉達發(fā)布了Alpamayo，專為應(yīng)對自動駕駛長尾難題而設(shè)計，首次將視覺-語言-行動（VLA）人工智能引入量產(chǎn)車。

Alpamayo系列還包括用于自動駕駛開發(fā)的仿真工具與數(shù)據(jù)集。

Alpamayo 1、AlpaSim和Physical AI開放數(shù)據(jù)集，能夠助力開發(fā)具備人類判斷力、可感知、推理和行動的車輛——使開發(fā)者能夠微調(diào)、提煉和測試模型，從而解鎖更高的安全性、魯棒性和可擴展性。

Alpamayo系列引入了基于鏈式思維推理的視覺語言動作模型，將類人思維帶入自動駕駛決策過程。

這些系統(tǒng)能夠逐步思考新穎或罕見場景，從而提升駕駛能力和可解釋性。

這對于在智能汽車中建立可擴展的信任與安全至關(guān)重要。

英偉達創(chuàng)始人兼首席執(zhí)行官黃仁勛表示：

物理AI的「ChatGPT時刻」已經(jīng)到來——機器開始理解、推理并在現(xiàn)實世界中行動。

他認為：「自動駕駛出租車是最先受益的領(lǐng)域之一。Alpamayo為自動駕駛汽車帶來了推理能力，使它們能夠仔細思考罕見場景，在復(fù)雜環(huán)境中安全駕駛，并解釋其駕駛決策——這是實現(xiàn)安全、可擴展自動駕駛的基礎(chǔ)�！�

英偉達在自動駕駛上的野心

2025年10月，英偉達與Uber建立自動駕駛出租車合作關(guān)系，并準備于2026年向更多汽車制造商推廣。類似Waymo無人駕駛出租車的「小規(guī)�！筁4試驗也計劃在2026年展開，隨后將于2027年通過與合作伙伴部署機器人出租車服務(wù)。

英偉達汽車部門負責(zé)人吳新宙介紹：

2026年上半年推出L2級高速與城市駕駛功能，包括自動變道、識別停車標志和交通信號燈等。

到下半年，英偉達計劃將城市駕駛能力擴展至自動泊車。

到2026年底，英偉達的L2++自動駕駛系統(tǒng)預(yù)計將覆蓋整個美國。

對于L2和L3級車輛，英偉達計劃使用基于Drive AGX Orin的SoC；而對于真正的L4級全自動駕駛車輛，則會轉(zhuǎn)向新一代的Thor芯片。

在2026年開展「小規(guī)�！筁4級道路測試（類似Waymo的自動駕駛出租車）。

他還分享了更遠的計劃：

在2027年與合作伙伴共同推進Robotaxi部署。

到2028年，英偉達計劃提供支持L3級高速公路駕駛的系統(tǒng)，允許駕駛員在特定條件下放開方向盤并移開視線。

黃仁勛選擇了與馬斯克不一樣的路線

在1月5號拉斯維加斯CES大會的發(fā)布會，英偉達表示汽車制造商可以使用其每顆約 3500 美元的 Drive AGX Thor 汽車電腦，節(jié)省研發(fā)成本，并更快地將自動駕駛功能推向市場

與特斯拉試圖追求完全的自動駕駛不同，英偉達提供的方案中，允許駕駛員放開雙手駕駛的最終決定權(quán)掌握在整車廠（OEM）手中。

英偉達還將他們與汽車制造商合作，對自動駕駛功能進行個性化的定制需求，使車企可以設(shè)定諸如加減速、變道時機和駕駛風(fēng)格等參數(shù)。

這種靈活性使每個車企都能展現(xiàn)自己獨特的「駕駛個性」，比如讓系統(tǒng)開起來像一輛奔馳，而不是千篇一律的「通用型」自動駕駛。

比如奔馳就采用了一種名為「協(xié)同轉(zhuǎn)向（cooperative steering）」的機制，允許駕駛員在不退出L2輔助駕駛系統(tǒng)的情況下進行細微的轉(zhuǎn)向調(diào)整，比如在遇到系統(tǒng)未識別為障礙物的坑洼路面時手動微調(diào)方向。

駕駛員也可以通過輕踩油門來啟動車輛或略微提速，同樣無需關(guān)閉輔助系統(tǒng)。

與馬斯克FSD試圖追求完全的自動駕駛不同，英偉達并不是要為所有人解決駕駛問題。他們的目標是「可用性」：想用這套部分自動化系統(tǒng)的人可以使用，不想用的人也可以輕松選擇退出。

同時，英偉達的這套系統(tǒng)基于強化學(xué)習(xí)，意味著它會隨著經(jīng)驗積累持續(xù)改進。

長途城市路況的對比測試中，英偉達系統(tǒng)的駕駛員干預(yù)次數(shù)與FSD已經(jīng)不相上下，而這只花了一年的時間，要知道實現(xiàn)這一目標，英偉達可不像特斯拉花了8年時間，分析的數(shù)十億行駛里程。

在未來幾個月內(nèi)，奔馳開始搭載該技術(shù)，而這會讓特斯拉聲稱的在自動駕駛領(lǐng)域領(lǐng)先地位變得搖搖欲墜。

有趣的是，機器人領(lǐng)域也投射出類似的血腥屠殺。特斯拉承諾打造大量機器人，但英偉達已經(jīng)在為波士頓動力、卡特彼勒和 LG 電子等公司的下一代機器人提供動力。

參考資料：

https://www.theverge.com/news/852880/nvidia-autonomous-driving-demo-tesla-fsd

https://www.cnbc.com/2026/01/05/nvidia-plans-to-test-a-robotaxi-service-in-2027-in-self-driving-push.html

https://www.autoevolution.com/news/nvidia-s-autonomous-driving-and-robotics-projects-deliver-brutal-reality-check-to-tesla-263676.html

https://teslanorth.com/2026/01/05/nvidia-announces-new-self-driving-ai-to-rival-tesla-fsd/

GPT-5.2連肝7天，300萬行代碼造出谷歌Chrome級瀏覽器

來源：新智元

【導(dǎo)讀】一個大模型持續(xù)寫代碼，能寫多久？一小時？一天？還是像大部分AI編程工具那樣，完成一個任務(wù)就結(jié)束對話？Cursor的CEO MichaelTruell決定搞一次極限壓力測試！

Michael Truell讓Cursor中的GPT-5.2連續(xù)運行了整整一周。

不是一小時，不是一天，而是不眠不休，晝夜不停，168小時持續(xù)寫代碼。

結(jié)果？

300萬行代碼。數(shù)千個文件。

AI完全從零構(gòu)建出一個全新瀏覽器。

而且，還是Chrome那種瀏覽器。

HTML解析、CSS布局、文本渲染、還有一個自研的JavaScript虛擬機——全是AI自己寫的。

Michael Truell輕描淡寫地發(fā)了條推文：它基本能跑！簡單的網(wǎng)頁能快速且正確地渲染出來。

一個模型究竟能跑多久

傳統(tǒng)的AI編程工具，比如Github Copilot和早期的其他IDE，都是一問一答模式。

對話長度有限，上下文有限，任務(wù)復(fù)雜度有限。

后來出現(xiàn)了所謂的Agentic編程——Claude Code、Cursor Agent、Windsurf等工具讓AI可以自主執(zhí)行多步任務(wù)，讀取文件、運行命令、修復(fù)錯誤。

這已經(jīng)是很大的進步，但大多數(shù)情況下，任務(wù)仍然以分鐘計算，最多幾小時。

AI完成一個功能，人類review，然后繼續(xù)下一個任務(wù)。

但沒有人嘗試過讓一個模型連續(xù)跑一周。

直到GPT-5.2。

Cursor團隊讓GPT-5.2持續(xù)運行了整整一周，不是斷斷續(xù)續(xù)，而是連續(xù)工作。

在這一周里，它：

• 寫下了超過300萬行代碼

• 創(chuàng)建了數(shù)千個文件

• 執(zhí)行了數(shù)萬億個token

• 從零構(gòu)建了一個完整的瀏覽器渲染引擎

一個模型究竟能運行多久？

答案是：理論上，可以無限。

只要基礎(chǔ)設(shè)施穩(wěn)定，只要任務(wù)足夠明確，AI就能持續(xù)工作——不眠不休，不吃不喝，7×24小時全年無休。

就像澳洲的放羊大叔的「賽博黑工」。

但實際上，不同模型的「耐力」差異巨大。

上下文窗口是第一道門檻。

早期的GPT-3.5只有4K token上下文，意味著對話稍長就會失憶。

Claude 3推出了200K上下文，GPT-4 Turbo跟進128K，Gemini 1.5 Pro更是號稱支持100萬token。

但上下文長度只是理論值——真正考驗的是模型在長任務(wù)中能否保持一致性、專注度和執(zhí)行力。

Cursor團隊在實驗中發(fā)現(xiàn)了關(guān)鍵差異。

在Cursor這篇官方博客中，團隊在實驗中發(fā)現(xiàn)了關(guān)鍵差異：

• GPT-5.2能長時間自主工作，遵循指令精準，保持專注不偏離；

• Claude Opus 4.5傾向盡早結(jié)束，走捷徑，頻繁把控制權(quán)交還給用戶；

• GPT-5.1-Codex雖專為編碼訓(xùn)練，但規(guī)劃能力不如GPT-5.2，所以容易中斷。

用更直白的話說：Opus像個急躁的實習(xí)生，干一會就想問「這樣行不行？我先交了哈」；

而GPT-5.2像個老練的高級工程師，交代清楚任務(wù)就埋頭干到底。

這也是為什么Cursor官方宣稱：GPT-5.2是處理長期運行任務(wù)的前沿模型。

不止瀏覽器。

Cursor還透露了其他正在運行的實驗項目：JavaLSP、Windows 7模擬器和Excel克隆。

數(shù)據(jù)都很夸張，AI自己不停地寫了55萬行代碼、120萬行代碼和160萬行代碼。（話說，Excel代碼比Windows還多點，因吹斯�。�

多智能體系統(tǒng)協(xié)作

一個模型在一周內(nèi)寫300萬行代碼，注意是不停的寫，沒有人類干預(yù)！

這顯然不是一個模型「單打獨斗」，怎么做到的？

Cursor團隊透露了他們的秘密武器：多智能體系統(tǒng)（Multi-Agent System）。

最初，他們嘗試讓所有Agent平等協(xié)作，通過共享文件來同步狀態(tài)。結(jié)果發(fā)現(xiàn)：

Agent會持有鎖太久，或者干脆忘記釋放鎖。二十個Agent的速度下降到相當于兩三個Agent的有效吞吐量。

這像極了人類團隊中常見的問題：會議太多、溝通成本高、責(zé)任邊界不清。

最終有效的方案是分層架構(gòu)：

• 規(guī)劃者（Planners）：持續(xù)探索代碼庫，創(chuàng)建任務(wù)，進行高層決策

• 執(zhí)行者（Workers）：專注于完成具體任務(wù)，不關(guān)心全局，提交后繼續(xù)下一個

• 評審（Agent）：判斷每輪迭代是否合格，決定是否進入下一階段

這幾乎是人類軟件公司的組織架構(gòu)：產(chǎn)品經(jīng)理/架構(gòu)師負責(zé)規(guī)劃，程序員負責(zé)執(zhí)行，QA負責(zé)評審。

但區(qū)別在于——這是成百上千個Agent同時工作。

Cursor團隊實現(xiàn)了上百個Agent可以在同一個代碼庫上協(xié)同工作數(shù)周，幾乎沒有代碼沖突。

這意味著AI已經(jīng)學(xué)會了人類團隊需要多年才能磨合出的協(xié)作默契。

瀏覽器的「護城河」

比你想象的要深得多

如果聽到「不就是個顯示網(wǎng)頁的軟件嗎」這種評價，所有做過瀏覽器內(nèi)核的工程師大概都會苦笑。

在計算機科學(xué)的鄙視鏈里，手寫瀏覽器內(nèi)核的難度，僅次于手寫一個操作系統(tǒng)。

為了讓你對這300萬行代碼有個概念，我們需要看一眼谷歌的Chromium（Chrome的開源母體）。

作為人類軟件工程的巔峰之一，Chromium的代碼量早已突破3500萬行。

它不僅僅是一個軟件，本質(zhì)上已經(jīng)是一個「偽裝成應(yīng)用程序的操作系統(tǒng)」。

GPT-5.2挑戰(zhàn)的究竟是什么？

首先是CSS的「混沌理論」。

網(wǎng)頁排版從來不是簡單的堆積木。

CSS標準里充滿了各種歷史遺留的怪癖、層疊規(guī)則（Cascade）和復(fù)雜的繼承邏輯。

一位前火狐瀏覽器工程師曾打過比方：實現(xiàn)一個完美的CSS引擎，就像是在模擬一個物理法則隨心所欲變化的宇宙。你改動一個父元素的屬性，可能導(dǎo)致幾千個子元素的布局瞬間崩塌。

其次是「虛擬機里的虛擬機」。

這次AI不僅寫了界面，還寫了一個JS虛擬機。

現(xiàn)代網(wǎng)頁跑的JavaScript代碼需要內(nèi)存管理、垃圾回收（GC）和安全沙箱。

稍微處理不好，網(wǎng)頁就會吃光你的內(nèi)存，或者直接讓黑客穿透瀏覽器接管電腦。

最要命的是，它選了Rust。

Rust這門語言以「絕不妥協(xié)的安全」著稱，它的編譯器就像一位極度神經(jīng)質(zhì)的考官。

人類工程師在寫業(yè)務(wù)邏輯時，往往要花一半的時間和編譯器「吵架」，處理借用檢查（BorrowChecker）和生命周期問題。

AI不僅要懂業(yè)務(wù)，還得在幾百萬行代碼的規(guī)模下，讓這位「考官」挑不出毛病。

能在七天內(nèi)把這些硬骨頭啃下來，并且讓它們協(xié)同工作，這已經(jīng)不是簡單的「寫得快」了，這意味機器開始具備了頂級的架構(gòu)掌控力。

當AI能夠「忍受孤獨」

但這則新聞?wù)嬲恼c，其實不在于瀏覽器本身，而在于那個「Uninterrupted」（無中斷）。

這是AI進化的分水嶺。

在此之前，我們熟悉的AI編程工具（比如早期的Copilot）的情況是：你寫個函數(shù)頭，它補全五行代碼；你發(fā)個指令，它生成一個腳本。

它們的記憶是碎片化的，注意力是短暫的。

一旦任務(wù)稍微復(fù)雜一點，比如「重構(gòu)這個模塊」，它們往往會顧頭不顧尾，改了這頭壞了那頭，最后還得人來擦屁股。

但這次不一樣。這是一次「長時任務(wù)」的勝利。

這300萬行代碼分布在數(shù)千個文件里。

當AI寫到第300萬行時，它必須依然「記得」第1行代碼里定下的架構(gòu)規(guī)矩；

當渲染引擎和JS虛擬機打架時，它必須能回溯幾萬行代碼去尋找Bug的源頭。

這168個小時里，GPT-5.2肯定寫出過Bug。

但它沒有停下來報錯等待人類投喂答案，而是自己讀取錯誤日志，自己調(diào)試，自己重構(gòu)，然后繼續(xù)前行。

這種「編寫-運行-修復(fù)」的自主閉環(huán)，曾經(jīng)是我們?nèi)祟惞こ處熥钜詾榘恋淖o城河。

現(xiàn)在，這條護城河被填平了。

我們正在目睹AI從「聊天伴侶」向「數(shù)字勞工」的質(zhì)變。

以前我們指揮AI做「任務(wù)」，比如「寫個貪吃蛇」；

現(xiàn)在我們指揮AI做「項目」，比如「造個瀏覽器」。

沉默的螺旋

雖然這個AI版瀏覽器的成熟度距離Chrome還有很長的路要走，但它證明了路徑的可行性。

當算力可以轉(zhuǎn)化為極其復(fù)雜的工程實施能力時，軟件開發(fā)的邊際成本將趨近于零。

這場實驗最令人震撼的，其實不是屏幕上那個渲染出的網(wǎng)頁，而是那個在后臺沉默運行了整整七天的進度條。

它不眠不休，不急不躁，以每秒數(shù)千字符的速度構(gòu)建著數(shù)字世界的基石。

也許我們該重新審視「創(chuàng)造」的定義了。

只有當工具開始獨自在深夜里解決問題時，我們才明白，它不再只是工具，而是我們的同行者。

從澳洲大叔的「賽博黑工」

到AI長時任務(wù)

用5行代碼逼瘋硅谷的澳洲放羊大叔，其實只做了一件事情，就是讓AI不達目標不能停止。

至于Prompt.md寫了什么命令，并不是重點。

就像今天Cursor CEO搞的這個極限壓力測試一樣，目標就是造一個Chrome、造一個Windows、開發(fā)一個Excel，只要沒完成目標，AI就要一直運行下去。 回到最開始那個問題：

一個AI究竟能自己干多久？

物理上的答案是無窮。只要你有足夠的算力、穩(wěn)定的基礎(chǔ)設(shè)施、清晰的任務(wù)定義，AI可以無限運行下去。

但更重要的是，這改變了軟件開發(fā)的經(jīng)濟學(xué)。

傳統(tǒng)軟件開發(fā)的主要成本是人力和時間。

一個10人團隊開發(fā)一個復(fù)雜項目，可能需要6個月到數(shù)年。每個月的人力成本可能是幾十萬到上百萬。

現(xiàn)在，AI可以在一周內(nèi)完成原本需要數(shù)月的工作。

成本可能只是一些token費用，Emad Mostaque（Stability AI前CEO）猜測Cursor瀏覽器項目可能消耗了約30億個token。

他還有一個想法：用多少token能夠重寫一套Windows級別的操作系統(tǒng)？成本如何？

Token是越來越便宜的，就像之前的水和電，最終基于token的算力也會變得極其廉價。

于是，軟件經(jīng)濟學(xué)就被徹底顛覆。比如，軟件按照授權(quán)付費的方式恐怕要消失了。

在2026年的今天，軟件開發(fā)正在經(jīng)歷一場基因級別的變異。

從前，代碼是人類一行一行敲出來的產(chǎn)物。

未來，代碼可能只是人類意圖的自動展開：你描述你想要什么，AI就能把它變成現(xiàn)實。

一個模型能跑多久？

只要你需要，它就能跑下去。

參考資料：

https://x.com/mntruell/status/2011562190286045552

https://x.com/leerob/status/2011565729838166269

https://cursor.com/cn/blog/scaling-agents

為偉大思想而生！

AI+時代，互聯(lián)網(wǎng)思想（wanging0123)，

第一必讀自媒體