0x_Miko (@Mikocrypto11)

Elon Musk 最近和 SpaceX 团队坐下来，讲了一套非常疯狂的路线图： 如何把人类推进到 Kardashev Type 2 civilization 核心不是单纯去火星 而是把火箭、卫星、AI 数据中心、芯片制造、月球工业和深空能源串成一张网 他提到，人类现在使用的太阳能量，还不到太阳总输出的一万亿分之一 在 Kardashev scale 上，我们几乎还没有真正“注册” 所以 SpaceX 的目标，不只是发射更多火箭 而是大幅提高人类能调用的能源和算力规模 Starship 是这套系统的起点 Musk 的逻辑很简单： 汽车、飞机、船、自行车，大家都默认可以重复使用 但火箭过去一直是一次性消耗品 如果飞机每飞一次就要扔掉，几乎没人坐得起飞机 所以 fully reusable rocket 是关键 SpaceX 现在已经承担了地球轨道发射质量的 85–90% 但这还不是 Starship 真正开始后的状态 他们内部目标是： 从每年 2,500 吨入轨，提升到每年 100 万吨 大概 3 年内做到 然后是 AI 数据中心上天 按 Musk 的说法，SpaceX 目标是在明年年底前，把 1GW AI compute 放到轨道上 之后每年 10x： 2.5 年到 10GW 3.5 年到 100GW 最后到 terawatt 级别 AI satellite 的结构反而没那么复杂： solar panels radiator 一排 GPUs 最难的部分，Starlink 已经解决过了 现在只是把它做大 很多人以为 orbital compute 会有很高延迟 但他提到，从轨道到地面的 latency 大约是 3ms light 每毫秒大约走 300km 所以低轨算力并不一定离你很远 再往后，就是 terafab Musk 提到的规模是 100 million square feet 大约是 Tesla Gigafactory Texas 的 10 倍 因为如果未来要做到 terawatt 级 AI compute，现有全球芯片产业的产能级别可能不够 所以他们选择自己做 但要超过 terawatt，就要去月球 没有大气 地球六分之一重力。 可以用月球材料制造 solar panels 和 radiators 然后用 electromagnetic rail gun，也就是 mass driver，把 AI satellites 发射到 deep space 不需要火箭 这也是他路线图里的下一步 如果月球上已经有足够大规模的工业和发射能力，那普通人去月球也会变得更现实 Musk 原话是： “我认为每个人都应该至少去一次月球。” 整套方案听起来很科幻 但它的底层逻辑其实很一致： fully reusable rocket → 发射成本下降 → 大规模卫星网络 → 轨道 AI 数据中心 → 太空能源和通信 → terafab 制造能力 → 月球工业 → deep space infrastructure 很多人看 SpaceX，看到的是火箭公司 但 Musk 讲的更像是一套面向 Type 2 civilization 的基础设施系统 SpaceX 最终会被理解成一家航天公司，还是人类进入太空能源和太空算力时代的基础设施公司？

一个中国 crypto trader，在 TikTok 上发了一段 neural network visualization 结果疑似不小心把系统正在 Polymarket 实时交易的画面露出来了 画面里全是蓝色连接线 hidden layers 纵向堆叠 neurons 在屏幕上不断触发 大多数人第一次看时，都忽略了中间一个很小的标签： “Bitcoin XVIII” 他把这条视频包装成一个普通 AI experiment 虚拟水族馆模拟 reinforcement learning “教神经网络学习生存行为。” 这是视频标题 但暂停在 0:16，细节就不对了 Profile： 模型似乎并不是在学习鱼的行为 hidden layer 里的标签，几乎和实时 Bitcoin prediction markets 对上了： price windows directional probabilities volatility ranges 这些信息被直接映射到 neural network 的 nodes 上，而所谓“模拟”还在后台继续运行 然后大家找到了这个 wallet 30 天 profit：$367,385 1,988 predictions 最大单笔 win：$183,000 几乎所有 active positions，都和 Bitcoin range markets 有关 entry price 集中在 94-98¢ 这正是自动化系统最喜欢 farm 的那类低波动 spreads： 赔率很高 空间很小 但可以持续重复 而且不需要人工一直盯着 1 小时内，评论区直接变成 detective board 有人把 TikTok 调到 0.25x 逐帧拼接 neural network 画面 然后把 hidden layer labels 和这个 Polymarket wallet 的 active positions 一一对比 时间点匹配得太精准 观众以为自己在看 AI visualization 但后台看起来更像是一个模型正在实时分类 market conditions，并根据 BTC 短线波动，把交易自动分配到不同 probability buckets 原 TikTok 只有 11,000 views。 但那条曝光 wallet 的 repost，一夜之间超过 600,000 views。 第二天早上，已经有人开始 clone 这个 interface，重建 network layout，并试图弄清楚： 为什么这个账户几乎所有 positions 都集中在 96-99¢，而且投入金额异常高。 最有意思的是： 原作者没有删除任何内容。 Wallet 也仍然 active。 问题是： 这类 Polymarket bot 的 edge，来自预测 BTC，还是来自把实时市场状态映射成可自动执行的概率分组？

Anthropic 的 head of security 讲了一个很现实的问题： “我们 90% 的代码都是 Claude 写的。” 但如果你的代码也是 AI 写的，而且没人 review，那你很可能正在 ship 一些自己根本看不见的 bug 这不是在讨论 AI 会不会写代码 而是在讨论： 当 AI 开始大规模参与开发后，security setup 必须跟上 这 28 分钟里，他展示了 Anthropic 内部用来保护自己项目的安全配置 怎么 review 怎么检查风险 怎么避免 Claude 写出来的问题直接进入生产环境 真正关键的是： AI 写代码越快，人类越不能把 review 和安全流程省掉 否则你自动化的不只是效率，还有 bug 看完整采访👇

Anthropic engineer 这句话很关键： “你不应该一直 prompt Claude。你应该搭一个会自己 prompt 自己的 system。” 这可能是最近看到最值得保存的 Claude workflow 之一 视频里她拆了很多人正在犯的同一个问题： 用了 Claude 几个月，但每次还是从零开始 新开 session 重新解释背景 重新贴上下文 重新写 prompt 然后关掉 tab，一切停止 她讲到几个细节： CLAUDE.md 在你输入第一个字前，就可能吃掉 14% 95% 用户从来没装过的 plugins 不需要你手动输入 prompt，也能运行的 workflows 以及为什么“打一条 prompt 然后关掉页面”，等于把 90% 的能力留在桌上 真正有意思的是： Claude 的价值不只是回答你的问题 而是你能不能把它放进一套系统里 让它记住规则 读取上下文 调用 plugins 跑 workflows 甚至在你不输入下一条 prompt 的时候，继续推进任务 如果你用了 Claude 几个月，但每次 session 还是从头开始 那你至少还有 28 个 untouched features 可能是 30 个 今晚与其再刷一集剧，不如看完这个视频 看完先 bookmark