马斯克前两天在 X 上说了句话，我盯着看了半天，越想越觉得这可能是今年 AI 圈最值得琢磨的一句。
他说 xAI 下一次训练 Grok，要把 SpaceX 的海量世界级工程数据喂进去，猎鹰火箭、龙飞船、星舰、星链的设计文件、测试数据、仿真数据，全都拿来训练，说要大幅提升 Grok 的工程能力，只有受美国 ITAR 出口管制的那部分除外[Musk: SpaceX Engineering Data Will Train Grok's Next 2T Run]。这里得说一句，这些细节目前主要是科技媒体转述他的推文，还没有一手权威源完全核实，你就当据报道来听。
第一眼看，这不就是又一条大厂喂数据练模型的常规新闻嘛。
但我脑子里立刻冒出一个问题，全世界有几家公司，手里攥着真实的火箭发射和回收数据。
答案是，就他一家。
这才是我觉得这条新闻真正的分量所在。它不是又一次算力竞赛的续集，它悄悄掀开了 AI 竞争下一阶段的底牌。
要讲清楚这个转变，得先回到一个几乎所有人都知道、但很少有人往深里想的事实。现在这些顶尖大模型，GPT、Claude、Gemini、Grok、Llama，它们其实是喝着同一口井里的水长大的。
这口井，就是公开的互联网。
甲骨文的创始人拉里·埃里森，去年底在财报电话会上把这层窗户纸捅破了，而且说得特别不留情面。他说这些 AI 模型，全都是用互联网上公开的数据训练的，ChatGPT、Anthropic、Grok、Llama，它们训练的是同一批数据，所以它们基本上都是一样的，这就是为什么它们这么快就商品化了[Oracle cofounder Larry Ellison on the biggest problem all AI models have]。
商品化这个词，用得又准又狠。
说到这个，可能有懂行的朋友要反驳了，模型明明各有各的强项，怎么就一样了。这话没错，短期看确实有差异。但埃里森指的是一个更长期的趋势，当所有人的原料都来自同一口井，你熬出来的汤再怎么调味，底味也会越来越接近。你追我赶几个月，大家又拉平了。这种趋同，是数据源单一的必然结果。
那问题来了，这口公共的井，还够喝多久。
这才是最扎心的地方。它快见底了。
一个叫 Epoch AI 的研究机构做过测算，人类生成的高质量公开文本，总量大约 300 万亿 token，如果照现在的消耗速度，大概会在 2026 到 2032 年之间被用光，而在追求最优训练效率的情况下，临界点可能就在 2028 年前后[Will we run out of data?]。马斯克自己早在去年初也说过类似的话，人类知识的累积总和，已经在 AI 训练里被榨干了。
你把这几件事串起来看，一幅新图景就浮出来了。
公共的井正在被抽干，喝同一口井的模型越长越像、越来越不值钱。那接下来拼什么，拼的就是谁在自家后院，还藏着一口别人打不到的私井。
这就是为什么马斯克要把 SpaceX 的火箭数据喂给 Grok。那不是普通的数据，那是全人类独一份、花了几百亿美元和无数次爆炸才换来的真实物理世界数据。你想抄，抄不了，因为你没有火箭。
一旦你从这个角度看世界，会发现这场抢私井的战争，其实早就打响了。
特斯拉手里有什么，它的车队跑出来的真实驾驶数据，到今年 7 月已经累计超过 120 亿英里[Tesla FSD Fleet Hits 12 Billion Mile Milestone]。这是任何一个后来者，砸再多钱都没法在短期内复制的。
彭博社更早就想明白了。它训练了一个 BloombergGPT，500 亿参数，喂的是一个叫 FinPile 的专有金融数据集，3630 亿 token，全是彭博几十年攒下来的档案，包括只有它的终端才有的独家数据[BloombergGPT arXiv]。这口井，别人连桶都伸不进去。
还有更直接的，Reddit 干脆把自己的数据当水卖。2024 年初，它跟谷歌签了个协议，大约每年 6000 万美元，把平台上的内容授权给谷歌训练 AI[Reddit AI content licensing deal with Google]。你看，当公共的水快没了，连一个论坛后院那口井，都突然变得价值连城。
聊到这，你可能觉得这逻辑天衣无缝了，未来就是得数据者得天下。
但我得诚实地泼一盆冷水，因为我自己也没完全想明白。
护城河这个比喻，有个隐藏的陷阱。井是死的，水是流动的。一口静态的私井，真的能一直护着你吗。
有一派观点就很不客气。他们说，Gartner 预测到 2028 年，合成数据会占到 AI 训练数据的六成，而现在微调一个模型的成本已经崩到，一万条样本的微调不到 2000 美元[The Data Advantage Myth]。这说明啥呢，一堆静态的私有数据，可能只能给你带来领先几个月的先发优势，真正的护城河不是你水井里存了多少水，而是你有没有一个能持续往井里注水的活水系统，也就是反馈闭环。
这个反驳我觉得相当有力。做垂直 AI 的人里，甚至有人直接开炮，说数据护城河就是扯淡，更别提医疗、法律那些最值钱的私有数据，很多因为隐私约束，根本不能拿去训练。
所以你看，私井这个事，一半是真金白银的壁垒，一半是可能被合成数据和活水冲垮的幻觉。
那我自己怎么看呢。我一直觉得，真正的护城河，从来不是你囤了多少水，而是你有没有一个别人复制不了的、能源源不断产生新数据的现实世界入口。
马斯克的厉害之处，可能不在于 SpaceX 那些存量数据本身，而在于 SpaceX 每一次发射、每一次回收，都在往那口井里注新水。特斯拉每天几百万辆车在路上跑，也是在注水。这才是最狠的，你有的不是一口井，你有的是一条别人接不进去的活水源头。
死水会枯，活水长流。
我们总以为 AI 的竞争是在比谁的模型更聪明，是在云端那些看不见的参数里。但兜兜转转，决定胜负的东西，可能重新回到了物理世界，回到了谁真的在造火箭、谁真的有车队上路、谁真的握着别人碰不到的现实。
最聪明的大脑，也得靠喝水才能活。而这个世界上最干净、最独一份的那口水，往往不在网上，就在你自己的后院里。
谢谢你看我的文章，我们，下次再见。
/ 作者：青玉白露
延伸阅读
- 五巨头隐藏债务狂飙 8 倍破 1.65 万亿，AI 基建债一半藏在财报外：微软、谷歌、亚马逊、Meta、甲骨文的表外债务两年狂飙 8 倍，逼近 1.65 万亿。AI 基建这座冰山，露出水面的只是一角，真正的窟窿藏在财报看不见的地方。
- 中美 AI 管制第一次双向开火：美国拦模型入境，中国拦模型出海：美国收紧对华 AI 封锁的同时，中国也第一次开始拦模型出海。这不是老剧本的重演，而是两堵墙第一次同时合拢，全球 AI 正在被劈成两个互不相通的世界。
- 机器人第一次拿起了手术刀：一个人形机器人给活猪做了台胆囊切除手术。它笨拙、遥控、达不到无菌标准，但在我看来比过去所有的后空翻加起来都重要。因为它跨过了从表演到干活的坎，而它的成本，只是达芬奇的5%。
- 当Meta开始卖算力，这场淘金热里最赚钱的角色变了：Meta要下场卖算力，股价大涨1270亿美元，CoreWeave、Nebius却暴跌17%。最大客户一夜变对手，卖铲子的逻辑被买铲子的人搅乱了。这到底是AI见顶，还是开始算账？
评论区
欢迎留下你的看法，支持匿名评论。
你的评论会公开展示，建议填写便于交流的昵称，并尽量提供有信息量的反馈。