马斯克：全球仅三家握有编程训练数据，SpaceX 600 亿美元买下 Cursor

在 10 月 10 日举行的 X Takeover 活动上，面对两千多名现场观众，马斯克通过远程连线被主持人直接问及为何要买下 Cursor。他用约 61 秒给出的回答迅速传遍全网：想造出一个像样的超级智能，就必须先搞定编程；而据他所知，全世界真正攒够了编程训练数据的只有三家——OpenAI、Anthropic 和 Cursor，谷歌勉强算半个。这份名单里没有 xAI，没有 Grok，也没有马斯克自己。

一个手握火箭、Colossus 超级算力和特斯拉的人，当众承认在通往超级智能最关键的那条路上原本没有入场券，随后便用收购补上了这一环。

编程数据之所以被看得如此之重，与 Cursor 的产品形态直接相关。Cursor 是程序员日常写代码的编辑器，AI 给出建议后，用户可以按 Tab 接受、直接删除，或改几行再用。每一次这样的操作，都相当于给 AI 批改了一道作业：对的打勾、错的打叉、半对的附上正确答案。据报道，Cursor 训练时用到了数万亿 Token 这种真实的开发者交互数据。这类数据网上爬不到、实验室造不出来，只能靠成千上万个真实程序员一天一天、一行一行攒出来。

马斯克在同一场访谈中也解释了编程为何特殊：软件逻辑是确定的，能跑单元测试，代码写对没有跑一遍就知道，答案不依赖主观打分。编程因此成为 AI 最容易自己「刷题练级」的科目，题库越大、批改越多，练得越快。他还提到一个细节：翻看新版 Grok 的强化学习训练记录时，发现 AI 有时明明答对了却被判成错的，因为题目本身出了问题，于是 AI 拼命乱试答案。题出错，AI 就白练，甚至越练越歪；而真实程序员的每一次取舍——接受这段、拒绝那段、改两行——恰恰是最靠谱的批改记录，因为来自真实工作，对错由真人裁定。

回看马斯克手里的资源：X 上有海量文本，特斯拉有路面数据，SpaceX 有工程数据，Colossus 有全球顶尖的 GPU 算力，样样都不少，偏偏缺了真实的人在真实写代码这一块。一个旁证是，IDC 今年 9 月初的分析提到，马斯克曾在宣誓证词中承认 xAI 用过 OpenAI 的输出来训练 Grok。自家题库不够，只能借别人的答案来练，但这条路走不远。算力可以砸钱建，模型可以花时间追，编程数据却只能靠用户一行一行地攒。

Cursor 是 2022 年创办的公司，短短几年就攒下了马斯克口中全世界只有三家才有的东西。今年 4 月，SpaceX 与 Cursor 宣布合作，SpaceX 拿到一个选择权：要么付 100 亿美元继续合作，要么花约 600 亿美元整个买下。SpaceX 选择了整体收购。600 亿美元由此成为创业公司收购史上最贵的一笔，马斯克给出的理由也很直接——这不是买一个产品，而是买一张入场券。

在这场活动上，马斯克还把造超级智能的配方公开了：数据、人才、算力，再加一支好的企业销售团队。前三样大家比较一致，第四样才出人意料。造超级智能跟销售有什么关系？数千家公司的合作关系意味着 Cursor 已经装进这些公司程序员的电脑里，超级智能要进入真实工作场景，这就是现成的门。门开得越多，用的人越多，新的编程数据就越多，模型练得越好，又能卖进更多公司——造出来和用起来在这里接成一个飞轮。销售每敲开一家公司的门，AI 就多一本真实的作业本。

产品层面的进展同样值得关注。7 月 8 日，SpaceXAI 与 Cursor 联合发布 Grok 4.5，主打编程和 Agent，在数万块英伟达 GB300 上训练。马斯克称其达到 Opus 级别，更快、更省 Token、更便宜。但实际成绩是：SWE-Bench Pro 解决率 64.7%，落后于 Claude Fable 5 的 80.3%；Terminal-Bench 2.1 拿到 83.3%，也未登顶。票是买到了，人还坐在后排。10 月 4 日，马斯克在 X 上确认 SpaceXAI 改名为 SpaceXSI，SI 即 Super Intelligence，名字里已经写上了目的地。

对照来看，OpenAI 有 Codex 以及 ChatGPT 里海量的编程对话，Anthropic 有 Claude Code、编程场景使用量惊人，马斯克点名的前两家早已把模型、编程产品和编程数据攥在手里。有意思的是，马斯克对对手评价并不低：访谈中聊到 AI 做的音乐 MV 时，他专门点名夸了 Claude；谈到 AI 安全时，又表示同意 Anthropic 说过的一些话。

从产业视角看，这场访谈等于当众改写了 ASI 竞赛的记分规则。过去几年所有人都在数卡，谁的 GPU 多谁离终点近；如今一个手握全球最大算力集群的人，掏出创业公司收购史上最高价钱，去买一样算力换不来的东西——人类的判断。算力砸钱就能堆，数据只能靠人攒。编程数据里的每一条记录，都是一个真实程序员的一次取舍，对错有真人裁定、有机器验证。对模型层而言，这意味着竞争壁垒可能从单纯的算力规模，转向对真实工作流入口与交互数据的掌控；对编程工具赛道而言，被巨头以战略资产而非产品估值收购，也重新定义了这类公司的天花板。