馬斯克披露 Grok 4.5 進展：SpaceX 與特斯拉率先開啟內部“練兵”
重點摘要
近日馬斯克在社交平臺宣佈，新一代大語言模型Grok 4.5已在SpaceX和特斯拉啟動內部私測，從實驗室邁向複雜工業場景。該模型以1.5萬億參數V9架構為基座，引入AI編程工具Cursor進行補充訓練，以增強邏輯推理能力，推動AI在航天與汽車領域實際部署。
**重點整理：Grok 4.5 從實驗室走入工業現場**
馬斯克近日在社群平台上透露，旗下 xAI 開發的新一代大型語言模型 Grok 4.5，已率先在 SpaceX 與特斯拉內部展開封閉測試。這款模型以 1.5 萬億參數的 V9 架構為基礎，並導入 AI 程式輔助工具 Cursor 進行補充訓練，目的是強化邏輯推理能力。不同於過往僅停留在學術或一般問答場景，此次測試直接落在航太與汽車製造的複雜工業環境中，顯示 xAI 正加速將 AI 技術落地於真實世界。
**背景脈絡：xAI 的技術演進與戰略轉向**
Grok 系列自推出以來，一直以「幽默、直白、即時」的對話風格著稱，但過往版本多聚焦於一般性對話與知識檢索。隨著 Grok 4.5 的出現，xAI 的研發方向顯然已從「聊天機器人」轉向「具備深度邏輯推理能力的工業級 AI」。選擇在 SpaceX 與特斯拉內部先行測試，並非偶然——這兩家公司擁有極其複雜的工程流程、龐大的數據量以及高度自動化的產線，正是考驗模型推理與決策能力的絕佳場域。此外，導入 Cursor 這類 AI 編程工具進行補充訓練，意味著開發團隊正試圖讓模型不僅會「想」，還能「寫程式」來解決實際問題。
**可能影響：工業 AI 部署的新標竿**
若 Grok 4.5 在 SpaceX 與特斯拉內部表現順利，將可能為整個 AI 產業帶來至少三層影響。第一，它證明了大規模語言模型在航太與汽車等強調安全性與精確性的領域，具備實際價值——例如協助火箭發射排程、自動化產線異常偵測、複雜物理模擬等。第二，xAI 這種「先內部練兵，再對外開放」的策略，可能促使其他 AI 公司仿效，讓更多科技巨頭將自家模型投入自家工廠或服務中「壓力測試」。第三，Grok 4.5 的邏輯推理能力若獲得驗證，將直接挑戰 OpenAI、Google DeepMind 等競爭對手在推理模型上的領先地位，進一步催化 AI 領域的技術競賽。
**讀者可關注的後續發展**
目前最值得追蹤的幾個面向包括：Grok 4.5 正式對外發布的時間點，以及其 API 是否會提供給開發者使用；xAI 是否會公布內部測試的量化成果（如任務完成率、錯誤率改善等）；以及模型在航太與汽車領域的具體應用案例——例如是否真的用於火箭軌道計算或電動車電池管理。此外，外界也關注馬斯克是否會將 Grok 整合進旗下其他產品，如 Neuralink 或 X（前 Twitter），形成更完整的 AI 生態系。
**結語：從對話到行動的關鍵一步**
Grok 4.5 的內部測試，象徵著大型語言模型從「能說會道」邁向「能動手解決問題」的關鍵轉折。當 AI 不再只是回答問題，而是可以直接參與火箭製造與車輛設計，整個科技產業的想像空間將被大幅拓展。對於台灣讀者而言，這也提醒我們留意 AI 在製造業與精密工程中的應用潛力，或許不久後，這類工業級推理模型就會進入我們熟悉的電子零組件或半導體產線。
Related
相關文章
曝中國移動設立 Token 辦公室，集團領導掛帥督戰
這篇消息聚焦「曝中國移動設立 Token 辦公室，集團領導掛帥督戰」。原始導語提到：業內人士透露，繼在集團層面設立數智事業部、算力辦之後，中國移動於近日設立 Token 辦公室。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
AI大模型狂飆的代價：蘋果用戶或為硬件全面漲價買單
AI技術爆發推高供應鏈成本，蘋果近期調價實為轉嫁壓力，消費者恐成最終承擔者。儘管過去兩年曾推出Mac mini等低價產品，但面對華爾街對利潤率的嚴苛要求與運營成本飆升，蘋果的價格策略正從“普惠”轉向“求利”，高性價比時代或將終結。
需求過大供給跟不上，消息稱谷歌對 Meta 調用 Gemini 大模型作出限制
據英國《金融時報》報道，因 Meta 申請的算力規模超出谷歌供給能力，谷歌現已對 Meta 調用其 Gemini 人工智能大模型實施使用限制。這導致 Meta 多項內部 AI 項目進度受阻，並已要求員工節約使用 AI 詞元。儘管各大科技企業持續投入數十億美元建設算力，但仍難以匹配市場持續增長的需求。#AI 算力瓶頸##Meta##谷歌 Gemini#
四大頂級 AI 對決《文明 VI》！Claude「核平」法國，結果還是輸了
英國前首相府數據科學家將 Claude、GPT、Gemini 等四大 AI 模型投入《文明 VI》進行 23 場治國模擬。Claude 扮演的葡萄牙在即將外交勝利時，因過度關注法國文化威脅，耗費 50 回合研發核彈摧毀圖盧茲，卻最終因外交分落後而輸掉比賽。測試揭示了 AI 普遍存在的“感知盲區”和“知行差距”兩大工程瓶頸。#AI 治理# #文明 VI#
Anthropic 調研：約半數 Claude 用戶稱 AI 已可承擔一半以上的工作
Anthropic 調研顯示，約半數 Claude 用戶認為 AI 已能承擔其 50% 以上工作。營銷文案、博客創作和數據庫查詢是 AI 應用最廣的場景。儘管職場新人擔憂被替代，但重度使用者卻對個人價值提升持樂觀態度。#AI 職場# #Claude#
Liquid AI Ships LFM2.5-230M with llama.cpp, MLX, vLLM, SGLang, and ONNX Support for On-Device Inference
Liquid AI shipped LFM2.5-230M, it’s the company’s smallest model to date. The release targets a specific job: running agentic tasks on phones, robots, and automation devices. Both the base and instruction-tuned checkpoints are open-weight on Hugging Face. The pitch is narrow on purpose. This is not a general reasoning model. It is built for data extraction and tool use on edge hardware. TL;DR Liquid AI’s LFM2.5-230M is its smallest model yet: 230M params, open-weight, built on LFM2. Runs on-device at 213 tok/s on a Galaxy S25 Ultra and 42 on a Raspberry Pi 5. Beats larger models (Qwen3.5-0.8B, Gemma 3 1B) on instruction following and data extraction. Tuned for tool use and extraction; not for math, code generation, or creative writing. Day-one support across llama.cpp, MLX, vLLM, SGLang, a