那你基本上就切断了通向现实的反馈回路。 用 AI 术语来说，你你会打破你的强化学习（RL）回路。所以，你不想打破你的回路，你想要一个强大的 RL 回路，这意味着内化责任（internalizing responsibility）并最小化自我（minimizing ego），无论任务是崇高还是卑微，你都去做。所以，我是说，这就是为什么我其实更喜欢「工程」（engineering）这个词，而不是「研究」（research）。我更喜欢这个词，而且我不想叫 xAI 一个实验室（lab）。
我只想它是一家公司。 就像，无论 无论是最简单、 最直接、 理想情况下最低自我（ego）的术语，这些通常都是好的方向。 你你只想紧密地闭合与现实的回路（close the loop on reality hard）。 这这这是件超级大事。
Garry Tan
我想在座各位都非常钦佩您在运用第一性原理（First principles）方面的典范作用。您是怎么确定自己的「现实」的？这似乎是其中很重要的一部分。那些从未创造过任何东西、非工程师的人，比如某些记者，他们有时会批评您。但显然您身边还有另一群人，他们是建造者，有着非常高的...功业曲线下面积（指成就巨大）。人们该如何看待这点？哪些方法对您有效？您会如何传递给...比如说您的孩子们？您会怎么告诉他们在这个世界立足的方法？比如，如何基于第一性原理构建一个可预测的现实观。
马斯克
物理学的工具在 理解任何领域并取得进展方面都极其有用。 第一性原理显然是指，你知道的，将事物分解到最可能正确的基本公理要素（fundamental axiomatic elements），然后尽可能逻辑清晰地向上推理，而不是通过分析或类比来推理。 然后就是一些简单的事，比如极限思维（thinking in the limit），就像如果你外推 最小化这个东西或最大化那个东西，极限思维非常有帮助。 我使用物理学的所有工具。
它们适用于任何领域。 这就像一种超能力。 所以你可以拿，比如说火箭。你可以说， 一枚火箭应该花多少钱？ 人们通常采用的方法会看历史上火箭的成本是多少，然后假设任何新火箭的成本必须和以前的火箭成本差不多。而第一性原理的方法是，你你看火箭由哪些材料构成。如果是铝， 铜，碳纤维， 钢，无论是什么， 然后说这枚火箭有多重， 它的组成元素是什么？它们有多重？这些组成元素每公斤的材料价格是多少？这就设定了火箭成本的真正底线。它可以渐进地接近原材料的成本。
然后你意识到，哦，实际上一枚火箭的原材料只占历史火箭成本的 1% 或 2%。所以制造过程必然是非常低效的， 如果 如果原材料成本只有 1% 或 2% 的话。这就是对火箭成本优化潜力的第一性原理分析。而这还是在考虑可重用性之前。 举一个 AI 方面的例子，我猜 去年，当 xAI 试图建造一个训练超级集群（training supercluster）时， 我们我们去找各家供应商，说（这是去年初的事）我们需要 10 万块 H100（GPU）来进行连贯训练（train coherently）。