整理 | 褚杏娟

　　Sulaiman Ghori 在一期播客中，用了一個多小時詳細講述了他在 xAI 的經歷。他說，在那里“從來沒有人對我說不”，每個人都被充分信任去做正確的事；只要是好想法，當天就能落地、當天就能得到反饋。他還提到，馬斯克愿意被證明是錯的，只要你能拿出實驗數據。

　　他也坦言，在上一家公司，很多事情也許他一個人能做得更快；但在 xAI，整體反而更快，因為幾乎沒有官僚流程。這些話，聽起來都是對公司的認同和馬斯克的贊揚，實際上他還說自己是馬斯克粉絲。

　　然后，播客發(fā)出來后第 3 天，他被解雇了。

　　外界猜測是因為他說了太多敏感信息。節(jié)目中，他透露了利用閑置特斯拉汽車驅動的人類模擬器 AI 代理的計劃、還有馬斯克如何快速構建 Colossus 超級集群、xAI 在模型策略上的核心決策，曝光了公司內部部署測試的 AI 虛擬員工等，還有 xAI 也被完全曝光。他坦率地談到了激進的時間表、馬斯克親自參與的 Cybertruck 獎金計劃、內部文化和運營方式以及一些非公開的策略，這些言論引發(fā)了外界的強烈反響。

　　經歷被玩梗：如何在 1 小時內毀掉你的一生，對應了最近 x 的爆文“如何在 1 小時內修復你的一生”

　　Sulaiman 自 2019 年起持續(xù)創(chuàng)業(yè)。在德國上大學一個月后退學，為了實現(xiàn)童年創(chuàng)辦航天公司的夢想，在自家后院親手制造過一臺液體燃料火箭發(fā)動機。創(chuàng)業(yè)失敗后，他進入 xAI。對于他的經歷，有網友表示，“這位兄弟跑去上播客，沒拿到明確授權，就順手把一堆內部敏感信息抖出來，這就是純純的新手行為�？梢哉f，這是職業(yè)生涯級別的大忌。任何一家嚴肅的公司都會立刻把你原地開除，更別說是像馬斯克這樣的人。”

　　我們翻譯并整理了他這期“超級爆料”的播客對話，并在不改變原意基礎上進行了刪減，以饗讀者。

　　在 xAI，事情永遠是

　　“昨天就該完成”

　　主持人：今天我很高興能和 Sulaiman Ghori 坐下來聊聊，他是 xAI 的一名工程師。我從 2023 年馬斯克剛開始搞 xAI 的時候就一直很關注這家公司，感覺它可能是史上增長最快的公司之一。你能不能跟大家講講，現(xiàn)在 xAI 到底在發(fā)生什么？

　　Sulaiman：說實話，我們幾乎沒有所謂的 deadline，永遠都是“昨天就該完成”�；緵]有什么人為障礙。馬斯克一直強調要“追根溯源”，找到最底層、最根本的東西，不管是物理層面的還是其他的。我們通常會非�？斓厣钊氲侥莻�層面，能多快就多快。

　　這在軟件行業(yè)其實挺有意思的，因為你平時不太會把硬件這件事放在心上，但我們確實花了很多精力去考慮這些。而且嚴格來說，我們現(xiàn)在也不完全算是一家純軟件公司了，畢竟基礎設施的建設占了很大一部分。

　　主持人：對，現(xiàn)在明顯是被硬件限制住的。

　　Sulaiman：沒錯。硬件可能是我們最大的優(yōu)勢之一，因為在部署能力上，幾乎沒有其他公司能接近我們。不過，軟件方面的人才密度也高得驚人，我從來沒在任何地方見過這樣的團隊。

　　主持人：我覺得馬斯克有一點特別厲害：他很擅長提前判斷未來幾個月、甚至幾年后會出現(xiàn)什么瓶頸，然后從那個未來的瓶頸反推，確保自己現(xiàn)在就站在一個很好的位置上。這種思維方式在日常工作中是怎么影響普通工程師、AI 開發(fā)者的？

　　Sulaiman：通常我們一旦要快速啟動一個新項目，不管是我們還是他自己，都會先定一個指標。這個指標一般都非常核心，要么直接關系到財務回報，要么關系到硬件層面的產出，有時候兩者都有。之后，所有事情都會圍繞著這個指標來推進。而且我們不太接受那種“這事本來就不可能”的說法，就算真有極限，那也必須是一個扎根在最底層的、本質性的限制，而不是人為的。

　　軟件行業(yè)里，尤其是過去十年做 Web 開發(fā)的人，往往會默認、接受很多所謂的限制，比如速度、延遲之類的。但實際上這些限制很多都是假的。技術棧里有大量沒必要的開銷和“蠢東西”，如果你能把這些清掉，很多系統(tǒng)都能直接提升 2 到 8 倍，至少是那些相對比較新的東西。當然，也有些老東西確實不好動。

　　主持人：你最近一次真正感受到“傳統(tǒng)認知被徹底打碎”的經歷是什么？

　　Sulaiman：最近一次就是我們在 Macrohood 上做模型迭代。我們同時在做幾種全新的架構，而且是并行推進的�，F(xiàn)在我們幾乎每天都會出新版本，有時候一天不止一次，有些甚至是從預訓練階段就開始重新來。這在業(yè)內其實非常少見。

　　這背后有幾個原因：第一，我們有一支非常強的超算團隊，他們解決了很多訓練過程中常見的障礙。即便我們的硬件環(huán)境變化很大，但通常一個機架搭好后，一天之內就能開始訓練，有時候甚至幾個小時就可以。

　　主持人：這真的很不正常，一般不是都要好幾天嗎？

　　Sulaiman：甚至好幾周。過去十年里，大多數人都是把這些事情抽象掉，交給 Amazon、Google 去管，他們給你多少算力你就用多少。但在 AI 時代，這種方式是行不通的。要么你死掉，要么你自己把這些東西建出來。

　　入職初體驗：沒人管，

　　做模型和產品默認資源到位

　　主持人：當初為什么加入 xAI，以及前幾周入職體驗怎樣？

　　Sulaiman：我當時剛搬到灣區(qū)，在做自己的創(chuàng)業(yè)項目。那段時間，xAI 的聯(lián)合創(chuàng)始人之一 Greg Yang 主動聯(lián)系了我。他真的很會招人。

　　我一開始收到郵件的時候還以為是垃圾郵件，因為那時候我經常收到那種“嘿，想聊聊嗎”“我很欣賞你做的事情”之類的郵件。正準備刪掉的時候，看到發(fā)件人的域名是 xAI，我一下反應過來：等等，這不是那幫人嗎？當時他們大概成立了八個月左右，我就答應先聊聊。我們聊了好幾次，我本來還想再試試別的機會，但后來發(fā)現(xiàn)時機不太對。

　　那個項目最后也沒做下去，原因很明顯：用一百萬美元是不可能把 Macrohard 這種東西做出來的，但想法本身是對的。接下來六七個月，我基本是在燒錢，做各種航天相關的小項目，還試過一個“空氣空間”相關的概念，后來也發(fā)現(xiàn)大概率行不通，但至少試過了。于是，我又給 Greg 發(fā)郵件，說能不能再聊聊。他直接回我：要不要明天面試？我說“好”。

　　面試還算順利，我周一就搬家，直接入職了。第一天真的沒人管我，就給了我一臺電腦和工牌。我當時想：那現(xiàn)在怎么辦？我去找 Greg，說我連團隊都沒有，也沒人告訴我該干嘛。他當初招我進來，更多是因為他認可我之前做的事情，也覺得和 Macrohard 的長期方向相關，但那時候 Macrohood 甚至還算不上一個正式項目。

　　后來正好 Ask Grok 要啟動，做和 X 的集成，他們問我能不能幫忙，我說當然可以。第一周我基本就是和另外一個人一起干活。但我很快意識到，在 xAI，你坐在工位上，甚至站起來一看，就能指著某個東西說：哦，這是那個人做的。這種感覺非常酷。而且我連固定工位都沒有，就坐在當天沒來的人桌子旁。

　　主持人：那時候公司里人其實也不多吧？

　　Sulaiman：對，大概也就幾百人，工程團隊一百來號人�；A設施團隊具體多少人我也說不太清，因為有些人是從其他團隊慢慢轉到我們正式編制里的。但整體規(guī)模確實比其他實驗室小個數量級。當時我們剛做完 Grok 3。

　　主持人：真的很酷。我特別喜歡的一點是，xAI 從成立到現(xiàn)在的速度實在太夸張了。我記得馬斯克一開始還說，不確定在別人已經領先好幾年的情況下能不能成功。結果你們第一個 Colossus 數據中心 122 天就建完了，這在行業(yè)里幾乎是不可想象的。這種速度塑造了一種怎樣的文化？

　　Sulaiman：他讓我們在做模型和產品的時候，可以默認資源是到位的。事實也確實如此，我們并沒有被資源嚴重卡住。

　　當然，我們還是會把資源用到極限，但那是因為同時在推進二三十個、甚至更多事情。有大量訓練任務并行跑著，通常是由少數幾個人在推動。這也是為什么我們在模型和產品迭代上能這么快。而且這種速度讓我們可以更長期地去思考。比如 Grok 4、Grok 5，其實在我加入之前、甚至 Grok 3 落地之前，規(guī)模和預期就已經設計好了。

　　主持人：也就是說，至少提前一年在規(guī)劃？

　　Sulaiman：對，而且你能感覺到，這些預期大概率是能實現(xiàn)的，因為團隊整體非�？煽俊＿@就極大地解放了你的思維，讓你不用老是糾結“我會不會做不到”。舉個例子，我們之前假設的最低延遲，其實比真正需要的高了大概三倍，而基礎設施的建設讓我們可以做到這一點。

　　主持人：這是什么意思？

　　Sulaiman：我們在做的一種新架構，如果沒有足夠高的實驗頻率，基本是不可能推進的，因為它完全不建立在現(xiàn)有研究基礎之上。你需要全新的預訓練體系，也需要新的數據集。這本身并不完全受制于硬件資源，雖然也有一些因素，比如 Tesla 計算平臺的問題。這個其實已經是公開的了。

　　我們現(xiàn)在在想一件事：如果我們用 Macrohard 去做“人類模擬器”，那要怎么部署？如果要部署一百萬個“人類模擬器”，就需要一百萬臺計算機，這怎么可能？

　　結果兩天后答案就出現(xiàn)了：Tesla 車載計算機。它的資本效率非常高，我們可以在上面跑模型，甚至跑一個完整的人類工作環(huán)境，成本比在 AWS、Oracle 的虛擬機上，甚至直接買 Nvidia 硬件都要低得多。這讓我們可以假設：我們能以更快的速度、在更大的規(guī)模上部署。所以我們也相應調整了預期。

　　主持人：也就是說，你們基本上可以直接利用汽車網絡?

　　Sulaiman：所以這其實是一種潛在的解決方案。簡單來說，我們想要一百萬個虛擬人（VMs）。僅在北美，就已經有大約 400 萬輛特斯拉汽車。假設其中有三分之二，或者哪怕一半，已經配備了 Hardware 4。而且在 78% 到 80% 的時間里，這些車基本都是停在那里，要么閑置、要么在充電。那我們完全可以付費，讓車主把車的算力時間“租”給我們。車本身已經有網絡、有散熱、有電力。我們可以直接在車上運行一個“人類模擬器”，也就是 Digital Optimus。這樣一來，車主的租賃費用能被覆蓋，我們這邊則得到一個可以投入工作的完整人類模擬器。整個過程幾乎不需要額外的基礎設施建設，基本就是一個純軟件層面的方案。

　　主持人：對，這個資產本來就放在那里，你們只是把它用起來了，太厲害了。那從宏觀層面看，這種“人類模擬器”規(guī)�；綆装偃f個，它的目的是什么？

　　Sulaiman：其實核心概念非常簡單。Optimus 就是把人類能做的任何物理任務，讓機器人自動完成，成本更低，而且可以 24×7 全天候運行。

　　我們現(xiàn)在做的，是把這個邏輯復制到“數字世界”。凡是人類需要通過鍵盤、鼠標、看屏幕、做決策來完成的數字化工作，我們都可以直接去模擬人類的操作過程。完全不需要軟件方做任何適配，也不需要改系統(tǒng)。只要現(xiàn)在有一個崗位是人類在用電腦做的，我們理論上都可以直接部署。

　　主持人：挺有意思的。那具體會怎么推進、怎么落地呢？

　　Sulaiman：我們還沒公開詳細的落地計劃，整體來說會是先慢后快。對我們來說在于，要么基礎設施已經建好了，要么我們可以直接用特斯拉的網絡，或者自己擴數據中心、測試算力。實際上，從一千個“人類模擬器”擴展到一百萬個，差別對我們來說并沒有想象中那么大，這反而不是最難的部分。

　　馬斯克一個電話“救火”，

　　個人“生死自負”

　　主持人：馬斯克最擅長的一件事，就是在公司里不斷“救火”，哪里有問題就沖到哪里把問題解決掉。你有沒有見過那種，本來是個大問題，但被他非常快地解決掉的情況？

　　Sulaiman：有，最典型的就是基礎設施建設，這是最大的一個。模型這邊也有過一些小波折，但整體還算順利。在模型側，因為涉及很多非常底層、非常具體的算子，每一代 ASIC、CPU 都是為特定操作優(yōu)化的，當我們引入新硬件，比如從 Nvidia 或其他廠商拿到新產品時，往往不是所有東西都能直接跑起來。

　　去年年初有幾次內部會議，他聽到這些問題之后直接打了一個電話，第二天軟件團隊就給我們交付了補丁。我們幾乎是并肩作戰(zhàn)，直到問題解決，然后就能很快在新硬件上跑模型或訓練任務，否則這種來回溝通可能要拖上好幾周。

　　所以很多這種“卡點”，真的就是一個電話就解決了。要么是我們主動提出來，要么他自己會問。經常在會議快結束、或者討論暫時停頓的時候，他會突然來一句：“我能怎么幫忙？怎么能把這件事再加快一點？”然后就有人把問題拋出來。

　　主持人：我知道你們在并行做很多不同的產品，這在一定程度上是必須的。但在大多數組織里，同時推進多個目標，其實很難保持專注。你們是怎么做到多線并行還能高效執(zhí)行的？

　　Sulaiman：說實話，很多時候，是在全員會議或者大家私下聊天時，我們才真正搞清楚每個人在做什么、各個項目進展到哪一步。

　　比如，我們當時做語音模型和語音部署，其實很多極低延遲的端到端能力早就已經在系統(tǒng)里了，從數據包發(fā)到客戶端那一整套鏈路都準備好了。后來只是把正確的開關打開、解決一些沖突，延遲就直接降了兩三倍。

　　這種情況非常常見：在軟件或硬件某個角落里，存在一個“很蠢”的問題，而恰好已經有人想好了方案。你可能是在翻代碼庫的時候發(fā)現(xiàn)，或者隨口問一句，有人就會說：“哦，這個 XYZ 已經搞定了，你去找他就行。”基本不需要花太多時間對齊、同步、請示。提出一個想法，反饋要么是“這想法不行”，要么是“那為什么還沒做完？”然后你就直接去做，事情就這么推進了。

　　主持人：在馬斯克的公司里，好像你只要主動要責任，就得“生死自負”。事情做成了就擔負更多責任，做不成可能就出局。你的體驗是這樣嗎？

　　Sulaiman：是的，基本就是這樣。我參與過很多不同的項目，大多只是因為有人找我?guī)兔�，我就一直幫下去。結果到最后，我就成了某個模塊、甚至一大塊系統(tǒng)的負責人。

　　對所有人來說都是這樣。如果你在某個領域有經驗，或者能非�？斓赝七M事情，幾天之內，這個組件就歸你負責了。從“正式流程”上看其實挺混亂的。我在 HR 系統(tǒng)里可能還是掛在 voice 和 iOS 名下，安全系統(tǒng)甚至還以為我在做 X 的集成，從來沒人更新這些信息。

　　主持人：也就是說，你進公司時并沒有一個非常清晰的工作方向，就是先開始干活，然后不斷在不同項目之間流動，誰需要你你就去哪？

　　Sulaiman：差不多是這樣，會有很多重疊和流動。入職之后，我通常同時參與兩三個項目，哪個最緊急、或者我能幫上最多忙，就會占用我大部分時間。然后項目之間會像瀑布一樣自然切換。

　　主持人：那從入職到現(xiàn)在，你大概都做過哪些項目？

　　Sulaiman：一開始我做的是 Ask Grok 以及相關集成，也和后端團隊一起處理過可靠性和擴展性問題，當時系統(tǒng)規(guī)模增長得很快；之后我獨立承擔了桌面端套件的開發(fā)，把它做到內部可用的完整狀；接著又被拉去幫做 Imagine 的發(fā)布，以及 iOS 相關工作。說真的，iOS 團隊小得離譜，和用戶規(guī)模完全不匹配，你絕對猜不到有多少人。

　　主持人：五個？

　　Sulaiman：三個。當時推出時，我正好是第三個。但大家都非常強。這是我第一次感覺到，自己必須拼命跑才能跟上整體的節(jié)奏和人才密度。

　　主持人：那你第一次真正感覺到“自己被充分使用”的時刻是什么？

　　Sulaiman：肯定是 Imagine 的那次發(fā)布。我們基本是 24 小時一個迭代周期：晚上收到反饋，當晚就改；第二天早上再看新一輪反饋，接著馬上修 bug、加大家想要的新功能。模型這邊有新變化，我們也立刻跟進。整個節(jié)奏非常快，那可能是我連續(xù)每天都在辦公室待著時間最長的一段時期。

　　主持人：那段時間持續(xù)了多久？

　　Sulaiman：大概兩三個月。那段時間幾乎沒有周末，但我反而挺開心的，也算驗證了自己能扛住這種強度。之后我就被調去做 Macrohard 產品了，當時那邊只有另一個人，一開始就我們倆。我從項目啟動一直做到現(xiàn)在。

　　瘋狂推進度，

　　馬斯克直接送 Cybertruck

　　主持人：關于 Colossus 的建設，我不知道你了解多少。早期 xAI 團隊為了把 Colossus 跑起來，在供電、算力、各種基礎條件上都做了很多“瘋狂”的事。到現(xiàn)在，其實還是到處是瓶頸，總覺得還需要更多芯片、更多 GPU、更快的速度。你當時的感受是什么？

　　Sulaiman：這一路上有太多“戰(zhàn)爭故事”，也下過不少賭注。

　　主持人：挑幾個講講吧。

　　Sulaiman：好。我記得 Tyler 當時和馬斯克打了個賭。我們在上新機柜的時候，具體是哪一代 GPU 我都忘了。馬斯克說，“如果你能在 24 小時內用這些 CPU 跑起來一次訓練，我今晚就送你一輛 Cybertruck�！苯Y果那天晚上我們真的把訓練跑起來了。

　　主持人：他拿到了嗎？

　　Sulaiman：拿到了�，F(xiàn)在從我們午餐的窗戶望去就能看到那輛車，馬斯克人挺酷的。

　　說到供電，其實我們必須和市政、電力公司還有州一級的電力機構高度協(xié)同。因為當他們那邊負載飆升時，我們就得立刻切斷公共電網，全部切到自備電源上——大概是八十臺，甚至可能更多，用卡車拉來的移動發(fā)電機。

　　整個切換過程必須無縫完成，不能影響任何正在跑的訓練任務。你要知道，那些訓練極其不穩(wěn)定，GPU 和硬件的功耗可以在毫秒級別上下波動，動輒就是幾兆瓦。這件事本身就非常夸張。

　　主持人：那是不是也是為什么你們會把巨型電池組直接放在數據中心旁邊？這樣負載上下波動就能更快響應？

　　Sulaiman：對。沒有電池的話，很難這么快地調整負載，發(fā)電機畢竟是物理設備，你是在讓一個真實旋轉的東西加速或減速，它天然就有時間延遲，電池的反應速度要快得多。從物理層面看，整個鏈路是：本地電容、數據大廳側的電容、電池、發(fā)電機，最后才是公共電網。當然，這套架構我們現(xiàn)在可能也在不斷調整，尤其是散熱這塊，反應速度必須非�？�。

　　主持人：你還有沒有那種“本來不可能，但最后居然成了”的故事？

　　Sulaiman：有。比如我們這塊地的租約，從法律意義上講其實是臨時的。這樣做是為了最快通過審批、盡快開工。我猜以后會轉成永久的，但現(xiàn)在確實是短期租約。對數據中心來說，這是目前能把事情推進得最快的方式。

　　主持人：他們是怎么允許這種操作的？

　　Sulaiman：算是一種地方和州政府層面的特殊豁免。你只是“臨時”改造這塊土地，類似嘉年華那種用途。

　　主持人：所以 xAI 本質上就是個要來的“嘉年華”？

　　Sulaiman：差不多就是這個意思（笑）。但正因為這樣，事情推進得特別快。內部規(guī)劃加建設，全程不到一個月就搞定了。

　　主持人：規(guī)模接下來肯定會繼續(xù)瘋狂擴張。馬斯克 也說過，能源會是最大的瓶頸，其次才是芯片。在這種很難預測未來一到兩年項目和資源需求的情況下，你們是怎么做規(guī)劃的？

　　Sulaiman：我們會盡量從“杠桿率最高的目標”倒推。先想清楚：在某個時間點之前，我們最值得做的事情是什么。比如，如果我們想在某個日期前做到一千萬甚至一億美元收入，那從經濟和系統(tǒng)設計角度，最有效的事情是什么？然后再倒推：需要什么軟件、什么物理基礎設施，最后一步步拆解。所以我們幾乎不會從“硬件需求”開始，那通常是最后才考慮的。

　　主持人：那是不是也有一套類似 SpaceX 的“讓事情發(fā)生”的算法？

　　Sulaiman：你是說那種“先刪掉，再加回來”的邏輯？那確實一直都在用。我們經常先把某個東西砍掉，等確認必須要的時候再加回來。

　　主持人：你最近一次這么干是什么時候？

　　Sulaiman：今天（指錄制當天）。Macrohard 上部署大量變化極快的物理硬件，讓測試變得很難，所以我們盡量減少下游的“特殊情況”。比如，我們要讓三十年前的老顯示器到最新的 5K Apple 顯示器，全都跑在同一套技術棧上，結果發(fā)現(xiàn)并不是所有系統(tǒng)在任何時候都能愉快地配合。比如視頻編碼器，在某些層級上就得反復調。

　　我之前不知道，后來才發(fā)現(xiàn)，有些編碼器對“最大像素數”是有硬上限的。所以我們一開始刪掉了多編碼器的特殊分支，后來在 5K 分辨率上撞墻了，又不得不把這個特殊邏輯加回來。

　　馬斯克極限壓縮時間，

　　“辦法總會有的”

　　主持人：在你看來，xAI 本身有哪些特別值得講的地方？

　　Sulaiman：首先是人，這里的角色非常多樣；其次是我們的招聘方式也挺“怪”的。有些我原本覺得很蠢的做法，結果發(fā)現(xiàn)居然行得通，那我們就直接試。比如搞 hackathon，如果能從五百個人里挑出五個頂級選手，這件事就非常劃算。他們未來給公司帶來的預期價值，遠遠高于這次活動的成本。

　　我們前幾天還算了一筆賬，現(xiàn)在主倉庫里，每一次 commit 的“價值”大概是 250 萬美元。我今天提交了五次。

　　主持人：那你今天直接加了差不多一千兩百萬美元？

　　Sulaiman：輕輕松松的一天（笑）。確實不錯，杠桿效應非常強。你用更少的努力和時間就能做更多事，因為身邊的人和內部工具都很棒。還有我的老板。

　　主持人：那什么樣的人會想來這里工作？我聽你描述，感覺第一天來的人就已經準備好周末、熬夜、全天候投入了。

　　Sulaiman：大家剛來的時候都非常興奮，非常有熱情。

　　主持人：使命感驅動？

　　Sulaiman：是的，但野心的類型不一樣。有些人想往管理層走，看有多少人向自己匯報；也有人想“擁有”一大塊技術棧。比如現(xiàn)在，我們在重構核心生產 API，基本上是一個人 +20 個 Agent 在做，而且做得非常好。你完全可以獨立擁有代碼庫中的很大部分。

　　主持人：有點像 X 被收購之后那樣，人很少，但每個人負責的范圍巨大。

　　Sulaiman：沒錯。

　　主持人：除了 hackathon，你們在招聘上還有什么不太常規(guī)的做法？

　　Sulaiman：我們在 Macrohard 上推得非常猛。有兩、三周的時間，我每周面試 20 多個人。有的只聊十五分鐘，有的就是一整小時的技術面。優(yōu)秀的人太多了，反而變得很難判斷。

　　主持人：那你怎么判斷？

　　Sulaiman：我有一道自己解決過的、非常具體的問題，是幾年前在創(chuàng)業(yè)時遇到的一個計算機視覺問題。我會給候選人半小時去實現(xiàn)解決方案。

　　這個問題本身其實很簡單，但“簡單得很有欺騙性”，大多數人都會想復雜。我特別看重一點：你能否不過度思考，給出一個樸素但有效的方案。因為我們的系統(tǒng)要跑在跨三、四十年的各種硬件、操作系統(tǒng)上，如果不保持簡單，下周代碼量就能膨脹到一千萬行。

　　主持人：你還會看重哪些杠桿能力？

　　Sulaiman：我喜歡會質疑需求、也會質疑我的人。這個方法我從 Chester Ford 那里學來的。

　　他在招聘時，常常會故意在題目里塞一個錯誤的需求、不可能的條件，期待候選人指出來。如果對方沒發(fā)現(xiàn)，他就不招。我現(xiàn)在也這么干，效果非常好。

　　主持人：你們的節(jié)奏真的快到離譜。你自己也在做很多不同的事情，面對新任務時，怎么最快上手？

　　Sulaiman：要看具體是什么。如果是代碼多，那就老老實實讀代碼，反復跳轉定義，很快就能摸清楚。很多時候，實現(xiàn)代碼比想象的要少。只有在高度活躍開發(fā)的模塊里，才會同時存在二十個版本，你根本不知道哪個是主線，這時候就只能去問人。

　　讓我驚喜的是，這里的人都非常開放、友好。我原本以為大家會很聰明、也很傲慢，但事實是：大家都很聰明，而且非常樂于幫忙。

　　我們不怎么寫文檔，因為寫文檔的速度跟不上開發(fā)速度（笑）�，F(xiàn)在我們也在嘗試用 AI 自動生成文檔。好處是，我們有幾乎無限的算力和很聰明的 AI，可以大膽試各種“蠢辦法”。在別的創(chuàng)業(yè)公司，這可能要燒掉幾十萬、上百萬美元，但我們幾乎是零成本。結果就是：實驗更多、失敗更多，但成功也更多。

　　馬斯克極限壓縮時間，

　　“辦法總會有的”

　　主持人：在實驗這件事上，你們是怎么最大化“嘗試次數”的？

　　Sulaiman：通常都會有時間限制。我們經常在模型側同時跑兩、三個實驗。有時候不是因為時間緊，而是因為兩周后某個前置條件才會就緒：可能是硬件，也可能是數據。但今天你必須上線一個東西，那就先跑幾種方案，看哪個今天就能交付、能產生收入或客戶效果，兩周后條件成熟了再切換。這種做法在 Macrohard 里是常態(tài)。

　　主持人：你有沒有遇到過這種情況：按理說一個項目的周期應該拉得很長，但你們卻壓縮后提前了好幾周甚至幾個月完成？這種事經常發(fā)生嗎？

　　Sulaiman：每次都是這樣，無論是跟馬斯克的會議，還是內部討論，只要有人強力推動一件事，或者有外部的人——哪怕他并不對這件事負責——提出了新的需求、要求你把某件事做出來。我們一開始都會覺得，這個時間要求太離譜了。通常會花兩分鐘想一想、抱怨幾句，然后剩下的時間就全部用來想：怎么在這個時間內把事情做完。

　　說到底，對完成時間的預估，永遠建立在一堆假設之上。一旦時間被壓到原來的二分之一、甚至十分之一，你就會回頭看這些假設并問自己：這些假設對時間的影響到底有多大？然后你要么把它們砍掉，要么調整掉。這樣一來，時間線立刻就能快一倍。你多做幾次這樣的優(yōu)化，基本上任何要求都能滿足。當然，最終還是會撞上物理極限，但一開始的時候，你離那個極限其實遠得很。

　　主持人：我知道像完全自動駕駛、SpaceX 的火箭也是類似的情況。馬斯克給的時間線通常都比實際要長得多，所謂的 “馬斯克時間” 可能只有真實周期的四分之一或者一半。但正因為一開始把時間線定得這么激進，事情反而真的快了好幾倍。xAI 這邊是不是也差不多？雖然現(xiàn)在更多是軟件，但哪怕在數據中心這類硬件側，感覺進展也快得離譜，而且基本都落在他最初說的那個時間范圍內。

　　Sulaiman：我覺得他自己也在不斷校準他的時間判斷。畢竟現(xiàn)在馬斯克已經在大規(guī)模部署各種各樣的硬件了，所以他的估算明顯比以前準很多。而且他更新時間線的頻率也更高了，有時候甚至每天都在變。他會跟我們不斷溝通，根據不同的參數來調整進度。

　　有些變化甚至是他那邊直接帶來的，尤其是在基礎設施層面。比如某個交易提前敲定了，或者某批設備可以提前排進生產，那就可能直接省下一個月、兩個月，甚至更多，具體要看部署的情況。軟件這邊其實也是一樣。

　　他一直說的一句話是：你完全可以試著用一個月去做一件原本要一年才能做完的事，最后你可能兩個月就搞定了，但那也已經快得多了。

　　主持人：我記得在 SpaceX 的早期，有一種內部共識：馬斯克說每拖延一天，就相當于損失一千萬美元的收入。我不知道在 xAI 是什么感覺，你心里會不會也有一種直覺：如果今天沒有再 push 一點、沒有把事情往前拱一步，就等于損失了多少本可以創(chuàng)造的價值？

　　Sulaiman：有的。至少在 Macrohard 這個項目上，我們確實有一些非常明確的收入目標。具體數字我不能說，但在我腦子里，只要一件事被延遲或者被加速，我?guī)缀趿⒖叹湍芩愠鰜恚何覀儎倓偸嵌噘嵙硕嗌馘X，或者少賺了多少錢。

　　主持人：這也太夸張了。

　　Sulaiman：是的，數字會非常大。一方面是因為預期回報本身就極高，另一方面是時間線實在太短了。所以哪怕只是幾天的變化，按比例來看，對收入的影響都已經非�？捎^了。

　　主持人：馬斯克一直以“快速下重注”聞名。有沒有那種在一次會議里，就做出了投入巨大資本、時間或者承諾的決定？

　　Sulaiman：有一個非常典型的決定，就是在 Macrohard 上，我們選擇了一條路線：模型的速度至少要比人類快 1.5 倍，而現(xiàn)在看起來，實際速度遠遠不止如此。

　　在其他實驗室，類似“人類模擬器”的嘗試，更多是走“更強推理能力、更大的模型”這條路。但我們當時的這個決定，幾乎是完全走在了和所有人相反的方向上。之后我們做的幾乎所有事情，基本都是這個決定的下游結果。雖然不能說百分之百，但它影響了絕大多數事情，而且這個決定是在非常早期就定下來的。

　　這在某種程度上也是一種共識，尤其是類比完全自動駕駛就很容易理解。沒有人會等電腦花十分鐘去做一件自己五分鐘就能做完的事。但如果電腦十秒就能搞定，那我愿意為此付出任何價格。這其實是個非常直觀的判斷。

　　正常情況下，我們這些工程師可能會站出來反對，有二十個理由說明事情不能這么做。但當一個決定已經被拍板了，你只能從結果倒推路徑，辦法總會有的。

　　沒有 AI 研究員， 就是工程師

　　主持人：我記得馬斯克之前說過一次，好像是在 YC 的活動上，他和 Gary Tan 做問答。Gary 提到 AI 研究員這件事，結果馬斯克說不存在什么 AI 研究員了，現(xiàn)在全都是 AI 工程師。

　　Sulaiman：對，我們跟他開過一次關于招聘的會，也有人提到過類似的話題，比如崗位描述之類的。然后他大概講了十分鐘，核心就一句話：工程師，就是工程師，別的都不重要。只要是好工程師，本質上是個會解決問題的人就行。不管你以前是做哪一塊的，用過什么架構、做過哪種基礎設施，這些都不重要。

　　主持人：為什么“工程師”這么重要？

　　Sulaiman：因為這樣邊界就被拉得很寬。意味著我們可以從很多不同背景的人里招人，現(xiàn)實中也確實是這樣。AI 領域可能還不算特別明顯，但 SpaceX 有很多這樣的故事：有人來自你完全想不到的背景，按傳統(tǒng)眼光根本不可能進來，但最后卻在工程上做成了非常大的事情。所以定義寬一點，就等于給這些人留了一條路，也能幫助我們整體跑得更快。

　　“沒人指揮你干這個、干那個”

　　主持人：那對你個人來說，在那工作最有意思的地方是什么？

　　Sulaiman：沒人管我。真的，沒人指揮你干這個、干那個。如果我有個好想法，通常當天就能自己動手把它做出來，然后拿去展示�？纯春喜缓侠恚軅�評估，或者直接給客戶看，給馬斯克看，給相關的人看，一般當天就能知道這個方向對不對。

　　沒有冗長的討論，也不用等各種流程和官僚審批，我特別喜歡這一點。說實話，我從非常小的創(chuàng)業(yè)公司來更大的公司，本以為會犧牲一些自由度。我加入時公司 100 人, 是我之前公司的 10 倍。但對馬斯克的公司來說算小的，確實感覺很小的公司，沒有什么繁文縟節(jié)。

　　主持人：你進去之前，有沒有什么特別大的預期，結果后來發(fā)現(xiàn)完全不是那么回事的？

　　Sulaiman：我原來以為會更“自上而下”一些，結果發(fā)現(xiàn)有一些，但不多。管理層級非常少，基本就三層：最底下是 IC，中間是聯(lián)合創(chuàng)始人和一些新晉的經理，再往上就是馬斯克，沒有了。

　　現(xiàn)在每個經理下面的人都很多，事情反而很少是自上而下推動的。通常是我們自己先想出解決方案，跟經理對一下，馬斯克點頭，就直接干了。有反饋就再調整。整體比我想象中要“自下而上”得多。

　　主持人：感覺就是在刻意設計一種狀態(tài)，讓所有人都在做東西，管理者更少，真正的“建造者”更多。

　　Sulaiman：對。我剛加入的時候，幾乎所有經理都還在寫代碼。現(xiàn)在有些人下面管著上百號人，寫得少了一點，但總體上，大家還是工程師。

　　我記得第一周，有天吃晚飯，一個人坐我旁邊。我就隨口問他在哪個團隊。他說他是做銷售的，主要負責企業(yè)客戶。我當時還想，“哦，原來是銷售。”結果，他接著跟我講他最近在訓練的模型。

　　沒錯，銷售也是工程師。銷售團隊全是工程師，幾乎每個人都是工程師。那會兒公司里，可能真正不算工程師的人不到八個。即便如此，大家也都是在為同一臺“機器”做貢獻。

　　主持人：所以是不是更像這樣：一個工程師負責一個項目，可以直接面對客戶，理解他們的問題，然后快速實現(xiàn)解決方案？

　　Sulaiman：是的，而且層級越少，信息損失就越小。本質上是信息壓縮的問題。語言本身就是有損的。如果信息要從客戶腦子里變成語言，再進銷售腦子，再變成語言、再到經理、再到工程師，每過一層，就像傳話游戲一樣丟一大截。如果你能盡量減少層級，那就只剩下一次壓縮：客戶直接告訴你他們要什么、體驗是什么，然后工程師直接去解決。

　　主持人：有沒有什么你以前在別的公司從沒見過，但 xAI 在做的事情，能讓事情推進得特別快？

　　Sulaiman：最讓我意外的是團隊之間、職責之間的“模糊性”。這在其他大公司，甚至規(guī)模差不多的公司里，都很少見。

　　比如我要修虛擬機基礎設施的一個問題，我就直接修，修完給負責那塊的人看一眼，對方說 OK，馬上合并、上線。幾乎沒有那種嚴格的邊界，大家基本都可以改任何東西。當然，危險的操作還是有檢查的，但總體上，公司是信任你的，默認你會把事情做對。這種感覺真的很不一樣。

　　主持人：我記得之前馬斯克在搞 DOGE 的時候，刪掉了一些防控措施然后又很快加回來了。在這種高速試錯的過程中，有沒有什么東西被刪掉、又重新做回來的？

　　Sulaiman：幾乎沒有那種不可逆的破壞。我想不起來有什么東西是真的被永久性毀掉的。但像你說的，刪掉、移除某個東西，然后有人說“我需要這個”，這種情況非常常見�？赡芤粋�小時后就回滾了。

　　也有那種情況，一個項目做了好幾個月，依賴某塊基礎設施，結果等你真要上線的時候，那塊基礎設施已經被重構過三次了。那就再適配一次，繼續(xù)往前走。

　　主持人：你覺得工程團隊人這么少是件好事嗎？

　　Sulaiman：絕對是。人越多，反而越慢。一個人能做完的事，兩個人來做，往往要花兩倍時間，這在任何規(guī)模下都成立。尤其是現(xiàn)在，你已經不需要像以前那樣寫那么多代碼了，更多是在做決策、做架構設計。每個人都可以是架構師，不需要那么多“手”，一個大腦能做的事情多得多。

　　主持人：你之前自己也嘗試過創(chuàng)業(yè)，做過很多不同的項目。是什么讓你決定來這里？使命感也好，文化也好，哪一點真正打動了你？

　　Sulaiman：說實話，我一直是馬斯克的粉絲。小時候第一次看到獵鷹火箭回收著陸，那種震撼真的忘不了。我后來還專門跑去看了 星艦的第五次發(fā)射，那次是第一次成功“接住”，真的值回票價，是我這輩子見過最酷的事情。所以只要能參與任何跟這些事情沾點邊的東西，對我來說就已經非常有吸引力了。

　　主持人：那你當初為什么選擇這家公司，而不是 SpaceX 或特斯拉？

　　Sulaiman：主要還是因為我骨子里就是個創(chuàng)業(yè)者吧。xAI 是這幾家公司里規(guī)模最小、也最新的一家。我當時的一個判斷，就是在這種體量的公司里，個人能產生的杠桿和改變會最大，事實也基本驗證了這一點。因為從比例上看，你在公司里的“占比”更大。不是說其他公司不酷、或者個人不重要，而是這種比例帶來的影響力不一樣。

　　主持人：也就是說，對決策產生影響的可能性要大得多。

　　Sulaiman：甚至不只是決策，而是從想法到落地、到看到結果，速度都非�？�。我之前以為很多事情自己單干會更快，比如自己做某個功能、跑某個實驗。但現(xiàn)實是，在 xAI 反而更快，因為已經有現(xiàn)成的基礎設施和團隊，很多我本來要手動完成的步驟，他們早就做過了，而且基本沒人會對你說“不”。

　　內部 AI 虛擬員工

　　主持人：你之前提到，公司里不同人、不同事情之間的邊界其實挺模糊的。那你能不能隨時去找其他同事幫忙？

　　Sulaiman：經常啊�；揪褪亲叩絼e人桌前，直接說：“我有個問題。你現(xiàn)在在做什么？我能不能幫你一點？你能不能幫我這個？”大家都在同一棟樓里，這種事非常自然。

　　挺有意思的是，我們后來在公司內部測試“虛擬員工”（human emulator），有時候甚至沒提前告訴大家，所以就會出現(xiàn)這種情況：有個真人員工在干活，突然有人找他說“你能不能幫我做這個”，虛擬員工就回：“行啊，來我工位吧�！苯Y果那人真的走過去，發(fā)現(xiàn)什么都沒有。

　　好幾次我收到消息說：“組織架構里這個人向你匯報，他今天是不是沒來？”但其實他是個 AI，是虛擬員工。

　　不過整體來說，大家默認都是在同一棟樓、隨時能聯(lián)系到的。所以互相求助這件事非常頻繁。我可以找別人幫忙，別人也經常來找我。

　　主持人：那在這些過程中，最容易“翻車”或者最讓你意外的點是什么？

　　Sulaiman：主要發(fā)生在“人類行為模擬”這塊，尤其是和客戶一起做的時候。我們會盡量全面地理解客戶的工作內容：先聊天、訪談，讓他們講，或者寫下來他們是怎么做這份工作的。再過一周，我們回頭看虛擬員工犯的錯誤，發(fā)現(xiàn)它總是在某些特定場景出問題。

　　這時候我們就去觀察真人是怎么做的，結果發(fā)現(xiàn)真實流程里其實有二、三十個步驟，對方之前完全沒提。我們一問，他們就說：“哦對，這一步我們是這么做的，剛才忘了說，不好意思�！边@種情況太常見了。

　　很多事情在人腦里是默認存在的，全靠“自動駕駛模式”在跑。就像你開車開了一小時，完全不記得自己剛才是怎么開的。人類對任何重復性的工作都是這樣，而我們想解決的正是這些問題：把人類現(xiàn)在反復做、其實根本不需要人來做的“蠢活”，全部替掉。

　　主持人：那你是怎么決定“先解決哪一類問題”的？除了開車以外，人類還有哪些事情是天天在做、但其實沒必要繼續(xù)做的？

　　Sulaiman：只要是電腦上的重復性工作，基本都在這個范圍內。比如客服就是一個特別典型的場景：不斷接收各種格式、各種內容的用戶輸入，然后把它們轉化成一個標準化的處理流程。這樣人類就可以去做更有創(chuàng)造性、更需要大腦的事情。

　　這和編程領域發(fā)生的變化幾乎是完全平行的：以前你要把同樣的實現(xiàn)寫二十遍，現(xiàn)在你用三句話描述一下，它就幫你搞定了，這是一次巨大的“壓縮”。我們做的，其實就是把這種“壓縮”，應用到所有數字化工作流上。

　　主持人：在公司內部推這些“虛擬員工”的時候，除了“人不存在但被叫去工位”這種情況，還有什么讓你覺得意外的嗎？

　　Sulaiman：意外的一點是，它的泛化能力比我們預期的強很多。有很多測試案例，模型根本沒針對這個任務訓練過，但表現(xiàn)卻非常完美，遠遠超出我們的預期。因此，可以很確定地說，泛化效果真的比想象中好，而且我們現(xiàn)在還處在非常早期的階段，之后只會越來越強。

　　這點其實和完全自動駕駛很像：有些場景并不在訓練數據里，但車就是能正確應對。這本質上是一個“權重效率”的問題。

　　馬斯克給反饋，

　　要么宏觀、要么細節(jié)

　　主持人：你參加過幾次和馬斯克的會議？那種會議一般是什么樣的？

　　Sulaiman：說實話都挺簡單的，而且我運氣不錯，大多數都進行得很順利。

　　主持人：在 SpaceX 這種地方，成本和零部件細節(jié)特別重要。但在你們這里，他給反饋時會不會不太一樣？比如不會去摳每個流程的細節(jié)？

　　Sulaiman：他的反饋通常要么非常宏觀，要么非常微觀，很少停在中間。

　　宏觀層面上，可能是產品方向、客戶判斷，比如“只專注這個細分市場”“這件事完全不要做”。微觀層面，尤其是算力效率、延遲這些問題，他往往會給出非常具體的建議，比如“試試這個方案”。而且他是愿意被證明錯的，但前提是要有證據，必須做實驗、看結果，而不是靠觀點對噴。有些實驗的結果甚至會出乎所有人的意料，然后我們就順著那個方向繼續(xù)走。

　　主持人：所以你們后來選擇小模型，而不是一味堆大模型。

　　Sulaiman：對，小模型在算力效率上的選擇，帶來了很多改進。有些是直接的，有些是間接的。最直觀的當然是響應更快。但更重要的是，特斯拉在自動駕駛上也發(fā)現(xiàn)了同樣的事：模型小了，迭代速度就快得多。

　　不僅模型對環(huán)境反應更快，部署新版本的速度也快了。以前可能四周一次，現(xiàn)在一周一次。這又反過來影響了實驗方式：為什么我們能同時跑二十個實驗，其實就是源于這個早期決策。

　　主持人：那一開始的設想，是不是想直接上大模型？

　　Sulaiman：算是吧。我們確實想比所有人都快，但后來發(fā)現(xiàn)，“快”這件事的效果，被放大了很多倍。

　　“war room”真實存在

　　主持人：維基百科一直被詬病有偏見，馬斯克也很關注構建一個“更接近真實”的替代體系。那你們怎么看待清理互聯(lián)網來找到真相這件事?

　　Sulaiman：這是個極其困難的問題，因為互聯(lián)網本身往往并不是所謂的“事實真相”。我們能做的，是盡可能往“底層原理”去鉆，但這本身也很難。比如你問“憲法在物理意義上的底層原理是什么”，這其實很難有人真正給出一個嚴謹的答案。

　　但思路是類似的：盡量往下挖，再從那里往上構建。問題是真正這樣寫、這樣做的資料并不多。比較接近的一個例子，是 James Burke 的《Connections》系列，他會把看似完全不相關的概念，通過物理和發(fā)明串聯(lián)起來，非常有意思。我們想做的，其實是類似的事情，只不過這條路還很新。

　　主持人：你們是怎么找到更好的數據的？

　　Sulaiman：數據并不是決定結果的唯一因素。

　　主持人：我有時候會在 X 上看到有人貼出 Grok 的輸出，說“這明顯不對”，然后馬斯克直接回復說“我們會修”，接著可能過了十二個小時、一天，他又說“好了，已經修好了”。這種事情發(fā)生時，內部一般是怎么運作的？

　　Sulaiman：通常是他把哪里出問題了直接指給我們看，然后當時還醒著的人就會馬上拉一個線程開始解決問題，一般先是個人處理，如果需要就再拉幾個人。之后我們會做一次復盤，把到底哪里出了問題、以后怎么避免都講清楚。原則上，犯一次錯是可以接受的，但同樣的錯誤犯第二次就很嚴重了。

　　主持人：在 SpaceX 的歷史里，包括特斯拉，其實有過很多這種“沖刺時刻”。比如馬斯克半夜突然出現(xiàn)，發(fā)一封全公司郵件，說大家都來公司干活。你們也有這種情況嗎？

　　Sulaiman：這種更多發(fā)生在做大模型的時候。就 Macrohard 這個項目來說，我們已經在“作戰(zhàn)室”里連續(xù)干了四個月了，基本一直就是這種狀態(tài)。

　　主持人：你們門口是不是還真掛著一塊牌子寫著“war room”？

　　Sulaiman：是的，真的。最早那個作戰(zhàn)室后來擴張了，我們就把東西全搬走了。有一次馬斯克走進作戰(zhàn)室，發(fā)現(xiàn)里面空無一人，就問“人呢？怎么回事？”然后他又走到我們現(xiàn)在待的地方，其實就是健身房，我們把健身器材全清掉，把人都塞進來了——然后他就在那兒開始一連串追問到底發(fā)生了什么。

　　主持人：在那種很多事情被打亂又被迅速推進的夜晚，或者經歷那種大規(guī)模沖刺時，是什么感覺？

　　Sulaiman：我最近正好看到 xAI 的一位聯(lián)合創(chuàng)始人 Igor 發(fā)的一條內容。他人特別好，我也很喜歡跟他一起工作。他以前在 StarCraft AI 工作，大概十年前吧，是我高中時嘗試復現(xiàn)過的最酷的機器學習項目之一，難得要命，所以后來能和他一起共事真的挺神奇的。

　　他說的一句話我特別有共鳴：有些時間里，感覺只過去了幾天；但有些夜晚里，仿佛發(fā)生了幾個月的事情。那天晚上就是這樣。說“幾個月”可能有點夸張，技術結果我們本來也可能幾周內做到，但一晚上把它搞出來，沖擊感非常大，而且真的熬了一個通宵。

　　主持人：有沒有那種情況，大家連續(xù)五天、甚至一整周都沒怎么離開過辦公室？

　　Sulaiman：有的。模型沖刺的時候，經常會有很多人直接在公司過夜。

　　主持人：之前提到你們有五、六個睡眠艙，大家輪著用？

　　Sulaiman：對，有睡眠艙，現(xiàn)在還有一些上下鋪，條件差點，但至少能睡。后來帳篷那張照片傳出來后，很多人都發(fā)給我。我只能說確實有帳篷，但我從沒見過一次搭那么多。反正……確實挺極端的。

　　成長經歷：從小不服權威

　　主持人：我知道你小時候做過很多不同的項目，好像還做過指尖陀螺�？赡苁窃谀惴块g里搞的？這種折騰、動手的心態(tài)，對你現(xiàn)在的工作影響大嗎？

　　Sulaiman：影響挺大的。我很小就開始學編程，大概十一歲的時候，我爸給我買了一本書。我一開始覺得還行，但真正開始喜歡是在我意識到它能賺錢之后。我在網上認識了一些人，他們給游戲寫腳本、外掛，然后賣一點錢。對我來說，能在網上賺到幾百美元已經是天大的事了。

　　主持人：第一次有人給你錢，那種感覺真的很奇怪。

　　Sulaiman：太瘋狂了。我還記得當時得讓我爸幫我弄一個 PayPal 的托管賬戶之類的，然后錢真的打進來了。對我來說，那簡直是世界上最酷的事情。我干了幾個月，攢了點錢，當時我對 3D 打印特別著迷，RepRap 那套體系正火。

　　那其實就是一群大學生搞的項目，目標是造一臺能打印出自己大部分零件的機器，所以才叫 RepRap。他們在不同大學里搞了一些實驗室，從一臺打印機開始，讓它打印下一臺的零件，一步步擴展。當然，這里面問題很多，他們也一直在解決，但那確實推動了后來的 3D 打印浪潮。我當時特別癡迷，就照著他們的零件清單，在阿里巴巴上把東西全買齊了。

　　主持人：然后呢？

　　Sulaiman：一個月后東西到齊了，我一晚上把它裝起來，但過程其實挺慘的。我在拆電源的銅線，那是個非常不靠譜的電源，結果真的著火了。銅線全散開，有一根直接扎進我拇指里，大概有五厘米深。

　　主持人：去醫(yī)院了嗎？

　　Sulaiman：沒有。那是個上學的夜晚，已經凌晨了。我十三歲，動手能力也不行，在衛(wèi)生間用鑷子折騰了一個小時也沒拔出來，最后我干脆把露在外面的剪掉了。接下來幾周，它一點點往外長，我每天早上再剪一點�，F(xiàn)在想想還挺離譜的。

　　不過打印機最后還是裝好了。那時候正好趕上指尖陀螺爆火。我從中國買了一千個滑板軸承，在自己臥室里搞了個小工廠。晚上每隔兩個小時起來一次清理打印平臺，重新打印一批陀螺。白天上學前，我在車庫里裝軸承、噴漆、晾干，然后跑去其他學校的公交站，把貨賣給“分銷商”，其實就是別的學校的學生。他們白天賣，我放學后收錢，線上也賣、發(fā)貨。

　　生意做了兩個月，最后被叫停了。官方理由是，學校餐飲公司有獨家銷售權，不能在校園里賣東西。但我覺得，他們主要是不爽我一邊分散大家注意力，一邊還賺錢。這事讓我學到了一種“健康的不服從權威”。

　　主持人：這種對權威保持距離，好像一直貫穿你的經歷。你提到你不太信任機構，這種態(tài)度是怎么形成的？在你的人生里具體體現(xiàn)在哪？

　　Sulaiman：我從很小就知道，我想要的是一種不尋常的結果，而走一條常規(guī)路徑，基本不可能得到。于是我本能地抗拒一切“慣例”，而機構的本質就是維護慣例。我覺得，幾乎所有真正有創(chuàng)造力、有意思的成果，都是來自自由的人。至少在我看到的世界里是這樣。所以，忠于這一點，對我來說才是正確的選擇。

　　主持人：我很喜歡 John Carlson 的一個觀點：所有東西都這么難造、難實現(xiàn)�？纯粗車澜缇褪浅錆M人們的激情項目。

　　Sulaiman：對，完全就是個奇跡。每一樣東西背后都有故事，比你想象的要多得多。我記得以前讀過 YKK 拉鏈的故事。你會發(fā)現(xiàn)，全世界真正做得好的拉鏈廠商就兩、三家。拉鏈看起來很便宜，但機械結構其實挺復雜的。之所以能這么便宜、這么可靠，是因為有極少數公司、甚至可以說是極少數人，花了幾十年把這件事做到極致。

　　這幾乎適用于所有東西。任何特別具體、又能大規(guī)模生產的東西，背后通常只有幾家公司、甚至幾個人在做。就像有時候你會聽說，德國某個不起眼的小公司一停產，大眾汽車整條產線都得停。疫情期間這種事就更明顯了。

　　主持人：在我們見面之前，你還做了一個液體燃料火箭發(fā)動機，我記得很小一個，你說是臨時起意，二十四小時內點火的？

　　Sulaiman：整個項目其實前后做了大概四周。一開始我就是買了一堆教材，研究火箭發(fā)動機的設計原理。和軟件完全不一樣，軟件你可以上 GitHub 看別人的代碼，但火箭沒有現(xiàn)成文件。你得搞清楚材料特性、化學性質、怎么加工、參數怎么定，推力怎么估算，怎么避免超壓。還有噴注器的設計，這個特別難，大概占了一半時間。

　　主持人：這是最難的部分嗎？

　　Sulaiman：是的，噴注器最難，也是最后問題最大的地方。我花了三、四周時間，找中國工廠加急做了很多零件。那時候正好感恩節(jié)，我準備飛回東海岸看家人。我當時想，要么今晚把它裝好、點火，要么就拖兩周，然后我決定不能拖，就現(xiàn)在干。我早上灌了很多咖啡，一整天都在干活，搭測試架、裝發(fā)動機，當晚就點火了。當然，為了能當晚完成，做了不少妥協(xié)。

　　主持人：我真的覺得特別好笑，你當時離它其實就幾步遠？

　　Sulaiman：對。我其實設計了遠程點火，但問題是，用來給板載計算機供電的電源還沒到，只能用筆記本通過 USB 供電。而我最長的 USB 線只有一米多，所以我只能站在旁邊點火。我心里估計，大概有三成概率它會炸，或者噴得到處都是火。

　　視頻里其實能看到，我的外套著火了。因為噴注器設計不好，產生了很多超壓，沒完全燃燒的乙醇直接噴出來，濺到我身上就點著了。那件燒焦的外套現(xiàn)在還留著，當紀念品了。

　　https://www.youtube.com/watch?v=8jN60eJr4Ps&t=41s

　　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。