Sam Altman 在讲机器人造机器人，评论区先问电网够不够

Sam Altman 在 X 上发了一段视频。他说人们总谈 AI 的递归自我改进，还有另一个循环：机器人造更多机器人，数据中心造更多数据中心。模型变聪明后，会帮我们设计更聪明的芯片，又是一个循环。

这段话有画面。模型设计芯片，芯片进数据中心，数据中心训练更聪明的模型，绕回来继续。机器人那条线也一样，工厂里造机器人的机器人越多，产能越大。听上去像三台发动机互相点火。

评论区很快把镜头拉回地面。Gabriele Spata 说，他列的每个循环都在造供给，没人造出那个想要它的人。The SI Maximalist 说，真正有意思的数字是产能翻倍时间，设计可以加速，工厂、材料、电力不会。Simo 说，模型加速设计，不加速工业供应链。Biscuit 只留一句：电网最好准备好。

这些质疑不新鲜，放在一起有用。递归自我改进听起来像软件问题，实际是混合系统。软件迭代以天计，晶圆厂以年计，电网接入和许可更慢。一个循环里最慢的输入，决定整体节奏。模型可以把芯片布局方案多试几轮，不能替变电站排队。

有网友问这段有没有时间线，还提到 Google 的 AlphaChip 芯片布局规划，算是模型参与芯片设计的一个已发生案例。这个例子值得看，但它说明的是设计环节被加速，不是制造环节被取消。芯片还是要流片，材料还是要采购，良率还是要爬坡。

完整对谈在 Stanford GSB 的 View From The Top，标题是 Staying Human While Scaling Superintelligence，Sam Altman 在里面谈早期经历、OpenAI、AI 安全和规模化的判断：YouTube 链接。

Austin Stanley Mark Sikora 在 Substack 文章里提出另一种视角：恐惧不该写满对未来的全部想象，风险要算，但别只算最坏结果：文章链接。这个提醒有用，不过工程问题不会因为态度乐观就消失。

这段视频最容易被误读的地方，是把设计能力当成制造能力。机器人造机器人、数据中心造数据中心、模型设计芯片，三个循环都在跑，但速度不同。真发生瓶颈，先出现的新闻可能不是机器人接管工厂，而是某地数据中心排队等电。这个画面不够科幻，更接近工程。