马斯克承认AI还写不好顶级软件,但Grok 4.9想追上第一梯队

现在让AI写一个网页、修个Bug，已经越来越像日常操作。但如果任务换成“把一套训练数万张GPU的底层C++系统，再榨出最后几个百分点性能”，马斯克的答案很直接：现在的AI还不行。

他最近在回应SpaceXAI训练系统相关讨论时明确表示，公司的C/C++训练栈仍然主要由人类工程师编写，因为现阶段AI还“不够好”，无法胜任极高性能软件开发。这个判断并不是说AI不会写C++，而是指出了当前AI编程里一个很关键的边界：代码能运行，和代码能把硬件性能压榨到极致，并不是一回事。

大型AI训练系统里的C和C++代码，需要同时处理GPU利用率、显存带宽、网络通信、线程调度和缓存效率。很多优化甚至不是把算法写对，而是为了少一次内存搬运、减少几个同步操作，或者让几千块GPU少等几微秒。

对普通软件来说，这些差异可能不明显，但放到超大规模训练集群里，几个百分点的效率损失就可能意味着大量时间和电力成本。所以真正顶级的高性能工程，往往依赖工程师对具体芯片、编译器和集群行为的长期经验，而不是单纯生成“正确代码”。

这也解释了为什么今天的大模型虽然已经很擅长读代码库、修Bug、写测试和重构模块，却还没有彻底接管最底层的软件系统。它们更像已经能完成大量工程工作，但在最后那几步极限优化上，人类仍然占据优势。

有意思的是，SpaceXAI正在把这些人类写出的高性能代码继续拿去训练下一代Grok。按照马斯克的说法，Grok 4.8拥有约2.5万亿参数，目前已经完成大部分预训练并进入强化学习阶段，其训练数据中就包括公司自己的C++软件栈。

这形成了一个很典型的循环：人类先写出最好的代码，AI从这些代码中学习，再尝试生成更接近专家水平的结果。未来某一代模型如果真的能理解为什么某种内存布局更高效、为什么某个线程同步应该被删掉，它才有可能真正跨过“会写代码”和“会做顶级性能工程”之间的那道坎。

马斯克同时也给出了后续Grok的目标。按照他的说法，Grok 4.7大致应该达到Claude Opus 5.0水平，Grok 4.8会有进一步提升，而到了Grok 4.9，他认为模型有机会达到GPT-6 Astra和Claude Fable这一档。

不过这仍然只是马斯克自己的预期，并不是已经有公开测试支持的结论。

AI编程现在有一个很有意思的矛盾。一方面，它正在替代越来越多重复、结构化的软件开发工作；另一方面，在操作系统、数据库、游戏引擎、AI训练框架这类极度追求性能的软件里，人类工程师依然掌握最后的判断权。

因为普通开发更常问的是：“这个功能能不能实现？”高性能工程问的却是：“已经能跑了，怎么再快3%？”

前者有大量历史代码和成熟模式可以学习，后者常常需要针对一块具体芯片、一套具体集群做从未有人总结过的取舍。AI已经能把很多软件工作做得又快又好，但到了真正昂贵、真正决定系统上限的那部分代码，它还需要更多经验和更强的硬件理解。

所以这次最值得注意的，不只是Grok 4.9准备追到什么水平，而是连一家正在用AI开发AI的公司，都还在依赖人类编写最核心的底层系统。

AI已经很会写软件了，但真正最贵的那几行代码，目前仍然需要人来抠。