围绕杨立昆对 xAI、SpaceX 与特斯拉 FSD 的公开评论，本文从企业 AI 竞争的角度讨论人才组织、算力资产、商业化路径与合规风险，供企业数字化与 AI 应用团队参考。
今日技术观察 IT之家 6 月 19 日消息，Meta 前首席 AI 科学家杨立昆与马斯克的关系长期不和：杨立昆曾多次批评马斯克的管理方式和 AI 预测，马斯克也曾质疑杨立昆的科研水平。当地时间周四，杨立昆接受 CNBC 采访时表示，马斯克创办的 AI 公司 xAI“某种程度上已经失败”：现在很难招到顶尖 AI 人才，因为他此前对待原团队成员的方式并不妥当。除马斯克外，所有联合创始人都已离职。据IT之家了解，最后一位留任的联合创始人罗斯 · 诺丁也突 01 背景速览 背景速览：据媒体报道，Meta 前首席 AI 科学家杨立昆近日在接受 CNBC 采访时谈及马斯克旗下多家公司。他对 xAI 的发展表达了不乐观态度，认为其在吸引顶尖 AI 人才方面面临困难，并提到联合创始人陆续离开、基础设施对外出租等现象。与此同时，他对 SpaceX 的评价较为正面，也表示特斯拉 FSD 虽并非真正意义上的“完全自动驾驶”，但具备一定实用价值。 02 趋势影响 趋势影响：这类公开评价反映出当前 AI 产业竞争已不只是模型能力之争，还包括人才稳定性、组织治理、算力投入回报和商业化效率的综合比拼。大规模数据中心和高性能算力基础设施能够形成竞争壁垒，但如果业务增长、客户需求或模型产品化进展无法匹配投入节奏，也可能带来较大的成本压力。对 AI 公司而言，技术领先与经营可持续需要同步验证。 03 企业应用启发 企业应用启发：对于正在推进 AI 项目的企业，盲目追逐“最前沿模型”并不一定是最优策略。企业更应评估自身场景是否需要自建模型、自建算力，还是采用云服务、开源模型、行业模型或混合方案。尤其在客服、知识管理、代码辅助、数据分析、流程自动化等应用中，模型效果、数据安全、系统集成能力和运维成本，往往比单纯追求参数规模更关键。 04 合规观察 合规风险提醒：企业在引入 AI、自动驾驶、智能决策或生成式内容能力时，需要避免将“辅助功能”包装为“完全替代人工”的能力。对外宣传、用户协议、数据处理和安全边界都应保持审慎。涉及员工数据、客户隐私、训练数据来源、第三方模型调用和云端算力租用时，还要关注数据跨境、访问权限、日志留存、供应商合规与网络安全责任划分。 05 开放讨论 开放讨论问题：企业在部署 AI 时，应该优先投资自有算力和模型能力，还是优先建立场景化应用与治理体系？当 AI 供应商出现人员流动、业务调整或基础设施转向出租等信号时，客户应如何评估其长期服务能力？在“有用”但尚未完全可靠的 AI 功能面前，企业该如何设定人工复核、责任边界和风险预案？ 公开来源参考 “AI 教父”杨立昆锐评马斯克：xAI“失败”、SpaceX 出色、特斯拉 FSD 有用