马斯克用Grok替代员工,部门裁员90%!

马斯克用Grok裁员90%

转自:量子位

马斯克开始用 AI 取代手底下员工了!

这一次,他把刀挥向了 X(前推特)——用 Grok 取代 X 员工。

据 The Information 消息,上个月有两位知情人士向他们透露,马斯克解雇了X公司里负责打击垃圾邮件、影响力行动、非法内容以及其他信任与安全问题的工程团队的一半成员。

这个团队在本轮裁员之前已缩减至不足 20 人,而老马在 2022 年收购推特时,其团队规模曾超过 100 人。

从超 100 人→不足 10 人,足以见得老马裁员的程度有多深、有多狠。

事实上,如果回顾老马 10 月中旬发布的一条推文,那么此次曝出的裁员消息也就不意外了。

当时老马表示,要在未来几周内彻底移除X启发式推荐算法,由 Grok 接手,通过阅读和观看全部内容来全自动匹配用户兴趣。

连算法都全交给 AI 了,那背后的算法工程师及相关支持者们自然也就面临失业了。

而抛开 X 相关事件不谈,老马布下的棋子其实还很多。比如今年 8 月,硬刚微软成立巨硬(Macrohard),号称要用 AI 把微软产品重做一遍。

一旦把这些事情放到一起看,老马背后的意图就不言自明了——

用AI替代人力,用自动化替代传统工程。

就是说,大 BOSS 马斯克,现在已经盯上了 AI 这把“尚方宝剑”。

引入双胞胎新人执行者

为了完成用Grok改造X的目标,马斯克将这把剑交给了xAI两位双胞胎新人执行者——

现年33岁,来自乌克兰的 Dima 和 Ievgin Soboliev 。

据此前《连线》爆料,自 OpenAI 挖走了 xAI 之前的工程师负责人 Uday Ruddarraju 和 Mike Dalton 之后,这对双胞胎兄弟就成了 xAI 的顶级工程师,并直接向马斯克汇报。

(注:x 和 xAI 今年3月就正式合并了,不过团队运作仍相对独立)

上图的Dima,曾在哈尔科夫国立大学攻读应用数学专业,毕业后去了硅谷工作。

一开始加入了Facebook(现Meta),后快速辗转于谷歌、云原生数据库公司SingleStore、国际跨境电商平台Joom,以及全球顶级自营量化交易公司Jump Trading Group。

从2017年开始,他又加入机器学习初创公司Laserlike,后来该公司被苹果收购。

也是通过这次收购,从2018~2024年,他在苹果从事与搜索有关的工作。之后又离开苹果加入OpenAI,但不到一年便离职转投xAI。

而Ievgin Soboliev,也是在哈尔科夫国立大学攻读完应用数学后去了硅谷。

他一开始加入了曾经非常知名的程序化广告技术公司Rocket Fuel Inc。

后来不知道是不是受到Dima影响,去了Meta从事广告机器学习工作,之后于2022年至2025年在苹果工作。

据知情人士透露,今年夏季,两兄弟在大致相同的时间加入了 xAI 。他们经常一起工作,同事们也直接称他们为“那对双胞胎”。

而且兄弟二人在 X 内部一直推行典型的“马斯克模式”——

要求工程师在办公室长时间工作,包括周末;根除低效率现象;并迅速裁撤他们认为不必要的职位等。

目前尚不清楚 X 还可能裁掉多少工程师。知情人士称,X 至少还有另外 100 名工程师负责不同部分的工作。

马斯克到底要干啥?

如开头所言,此次裁员正是马斯克“用AI替代人力,用自动化替代传统工程”的其中一步。

他曾公开表示,希望让X的算法“完全AI化”,并让用户能够通过询问xAI的Grok聊天机器人来调整他们信息流中显示的内容。

这一手更新,直接让Grok从无情的总结机器罗伯特、X上的维基百科,上位到了X的总管。

现在X上到处都是Grok,未来还会有更多Grok。

与此同时,他还在推进“巨硬(Macrohard)计划”——用 AI 自动化软件开发。他表示:

Macrohard是一家纯粹的 AI 软件公司。

原则上,鉴于微软等软件公司本身不生产任何物理硬件,应该有可能完全用 AI 模拟它们。

从 Macrohard 商标注册内容来看,我们可以提炼以下几个关键要点:

  • 用于生成人工智能语音和文本的可下载软件

  • 用于编写代码、设计和运行视频游戏的人工智能工具

  • 图像、视频和语言理解系统

一句话,马斯克这是要用 AI ,把微软曾经做过的事情重做一遍。

而且据老马自曝,他还把印着Macrohard的标语,涂在了xAI位于孟菲斯的最大数据中心的屋顶上。

显而易见,不论是裁员还是Macrohard计划,马斯克都在尽力用AI改造他名下的公司。

而这种稍显激进的AI至上战略,所带来的风险也不容老马忽视。

最直接的矛盾在于,负责平台安全的团队与生成内容的AI系统之间,出现了致命的“权责不对等”。

团队负责清理违规内容,但对Grok会生成什么却毫无控制权,这导致他们相当被动。

而且由于X和xAI合并后团队各自独立,当安全团队正在清理Grok生成的有害内容时,同一公司的xAI团队可能正在训练Grok变得更具“创造性”——

这种内部目标的不一致,也容易让安全问题陷入无人负责的真空地带。

此外,马斯克的裁员计划也影响到了一些关键项目。多年来,马斯克一直希望在X上推出一项支付服务“X Money”,但公司未能争取到一些关键州监管机构的支持,导致这一计划受阻。

据悉,金融监管机构的一个重要考量点是,支付公司是否拥有稳定的领导层和足够的员工来支持客户并打击欺诈。

而X Money团队,在过去一年中一直面临频繁的人员流动。

总之,马斯克的AI改造计划在砍向人力成本的同时,也正在砍伤平台安全的根基、核心业务的未来。

AI这把剑,其双刃已现。

One More Thing

说到裁员,老马今年9月还血裁了一波xAI团队

xAI是老马2023年创办的AI初创企业,旗下主要产品就是Grok模型,而9月被裁的就是帮忙训练Grok模型的数据标注团队。

据非官方统计,当时该团队有超过500名员工(约占数据标注团队的1/3)被通知卷铺盖走人。

而裁来裁去,你猜怎么着?留下来的几乎全是华人了。

当时有一张xAI团队合影在社交媒体上疯传,原因是照片中几乎全是东亚面孔。

而就在Grok 4发布后不久,一位自称是“Grok项目唯一白人参与者”的员工在X上发文:

今天我被@X解雇了,我是唯一一个参与@grok项目的白人……

虽然未确认这条推文的真实性,但侧面说明老马可能确实偏爱华人(bushi。

最后,推荐国内性价比最高的一款镜像AI系统,一站搞定全球六大顶级的AI工具,包含以下所有的AI模型:

☑ GPT5.1/GPT5.1 Thinking系列模型
☑ Gemini-3.0-Pro
☑ Claude 4.5大模型
☑ 满血版DeepSeek-V3.2/R1大模型
☑ Sora 2 视频大模型
☑ Nano banana Pro 画图
☑ Midjourney 7.0绘画
☑ Grok 4.1/Grok 4模型
☑ Kimi和codex模型 
☑ Google-Veo3.1视频模型
☑ 即梦 4.0图片/视频
☑ 其它主流AI模型

提供了一个基于51单片机的RFID门禁系统的完整资源文件,包括PCB图、原理图、论文以及源程序。该系统设计由单片机、RFID-RC522频射卡模块、LCD显示、灯控电路、蜂鸣器报警电路、存储模块和按键组成。系统支持通过密码和刷卡两种方式进行门禁控制,灯亮表示开门成功,蜂鸣器响表示开门失败。 资源内容 PCB图:包含系统的PCB设计图,方便用户进行硬件电路的制作和调试。 原理图:详细展示了系统的电路连接和模块布局,帮助用户理解系统的工作原理。 论文:提供了系统的详细设计思路、实现方法以及测试结果,适合学习和研究使用。 源程序:包含系统的全部源代码,用户可以根据需要进行修改和优化。 系统功能 刷卡开门:用户可以通过刷RFID卡进行门禁控制,系统会自动识别卡片并判断是否允许开门。 密码开门:用户可以通过输入预设密码进行门禁控制,系统会验证密码的正确性。 状态显示:系统通过LCD显示屏显示当前状态,如刷卡成功、密码错误等。 灯光提示:灯亮表示开门成功,灯灭表示开门失败或未操作。 蜂鸣器报警:当刷卡或密码输入错误时,蜂鸣器会发出报警声,提示用户操作失败。 适用人群 电子工程、自动化等相关专业的学生和研究人员。 对单片机和RFID技术感兴趣的爱好者。 需要开发类似门禁系统的工程师和开发者。
Grok系列模型由马斯克旗下的xAI公司开发并开源,其许可方式采用了Apache许可证[^1]。根据Apache许可证的规定,用户可以在遵循许可证条款的前提下自由使用、修改和分发该软件。这意味着Grok模型的使用权是免费的,但需要注意的是,实际使用过程中可能涉及硬件资源成本(例如需要6TB以上的GPU内存来运行模型),这些额外的成本需自行承担。 尽管模型本身基于开放源代码原则发布,但在某些具体场景下(如商业用途或大规模部署),仍建议仔细阅读Apache许可证的具体条款以确保合规性。此外,随着新版本不断推出(如Grok-1.5 Vision[^2]以及Grok-2 Beta版[^3]),关于最新版本的授权细节也应关注官方公告。 ### 示例代码展示如何加载Grok模型 以下是通过Python脚本加载预训练好的Grok模型的一个简单例子: ```python from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("path_to_grok_model_weights") model = AutoModelForCausalLM.from_pretrained("path_to_grok_model_weights") def generate_text(prompt): inputs = tokenizer.encode(prompt, return_tensors="pt").cuda() outputs = model.generate(inputs, max_length=100) result = tokenizer.decode(outputs[0], skip_special_tokens=True) return result if __name__ == "__main__": prompt = "Explain the concept of artificial intelligence." generated_text = generate_text(prompt) print(generated_text) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值