在 10 月 10 日舉行的 X Takeover 活動上，面對兩千多名現場觀眾，馬斯克通過遠端連線被主持人直接問及為何要買下 Cursor。他用約 61 秒給出的回答迅速傳遍全網：想造出一個像樣的超級智慧，就必須先搞定程式設計；而據他所知，全世界真正攢夠了程式設計訓練資料的只有三家——OpenAI、Anthropic 和 Cursor，谷歌勉強算半個。這份名單裡沒有 xAI，沒有 Grok，也沒有馬斯克自己。

一個手握火箭、Colossus 超級算力和特斯拉的人，當眾承認在通往超級智慧最關鍵的那條路上原本沒有入場券，隨後便用收購補上了這一環。

程式設計資料之所以被看得如此之重，與 Cursor 的產品形態直接相關。Cursor 是程式設計師日常寫程式碼的編輯器，AI 給出建議後，使用者可以按 Tab 接受、直接刪除，或改幾行再用。每一次這樣的操作，都相當於給 AI 批改了一道作業：對的打勾、錯的打叉、半對的附上正確答案。據報道，Cursor 訓練時用到了數萬億 Token 這種真實的開發者互動資料。這類資料網上爬不到、實驗室造不出來，只能靠成千上萬個真實程式設計師一天一天、一行一行攢出來。

馬斯克在同一場訪談中也解釋了程式設計為何特殊：軟體邏輯是確定的，能跑單元測試，程式碼寫對沒有跑一遍就知道，答案不依賴主觀打分。程式設計因此成為 AI 最容易自己「刷題練級」的科目，題庫越大、批改越多，練得越快。他還提到一個細節：翻看新版 Grok 的強化學習訓練記錄時，發現 AI 有時明明答對了卻被判成錯的，因為題目本身出了問題，於是 AI 拼命亂試答案。題出錯，AI 就白練，甚至越練越歪；而真實程式設計師的每一次取捨——接受這段、拒絕那段、改兩行——恰恰是最靠譜的批改記錄，因為來自真實工作，對錯由真人裁定。

回看馬斯克手裡的資源：X 上有海量文本，特斯拉有路面資料，SpaceX 有工程資料，Colossus 有全球頂尖的 GPU 算力，樣樣都不少，偏偏缺了真實的人在真實寫程式碼這一塊。一個旁證是，IDC 今年 9 月初的分析提到，馬斯克曾在宣誓證詞中承認 xAI 用過 OpenAI 的輸出來訓練 Grok。自家題庫不夠，只能借別人的答案來練，但這條路走不遠。算力可以砸錢建，模型可以花時間追，程式設計資料卻只能靠使用者一行一行地攢。

Cursor 是 2022 年創辦的公司，短短幾年就攢下了馬斯克口中全世界只有三家才有的東西。今年 4 月，SpaceX 與 Cursor 宣佈合作，SpaceX 拿到一個選擇權：要麼付 100 億美元繼續合作，要麼花約 600 億美元整個買下。SpaceX 選擇了整體收購。600 億美元由此成為創業公司收購史上最貴的一筆，馬斯克給出的理由也很直接——這不是買一個產品，而是買一張入場券。

在這場活動上，馬斯克還把造超級智慧的配方公開了：資料、人才、算力，再加一支好的企業銷售團隊。前三樣大家比較一致，第四樣才出人意料。造超級智慧跟銷售有什麼關係？數千家公司的合作關係意味著 Cursor 已經裝進這些公司程式設計師的電腦裡，超級智慧要進入真實工作場景，這就是現成的門。門開得越多，用的人越多，新的程式設計資料就越多，模型練得越好，又能賣進更多公司——造出來和用起來在這裡接成一個飛輪。銷售每敲開一家公司的門，AI 就多一本真實的作業本。

產品層面的進展同樣值得關注。7 月 8 日，SpaceXAI 與 Cursor 聯合釋出 Grok 4.5，主打程式設計和 Agent，在數萬塊輝達 GB300 上訓練。馬斯克稱其達到 Opus 級別，更快、更省 Token、更便宜。但實際成績是：SWE-Bench Pro 解決率 64.7%，落後於 Claude Fable 5 的 80.3%；Terminal-Bench 2.1 拿到 83.3%，也未登頂。票是買到了，人還坐在後排。10 月 4 日，馬斯克在 X 上確認 SpaceXAI 改名為 SpaceXSI，SI 即 Super Intelligence，名字裡已經寫上了目的地。

對照來看，OpenAI 有 Codex 以及 ChatGPT 裡海量的程式設計對話，Anthropic 有 Claude Code、程式設計場景使用量驚人，馬斯克點名的前兩家早已把模型、程式設計產品和程式設計資料攥在手裡。有意思的是，馬斯克對對手評價並不低：訪談中聊到 AI 做的音樂 MV 時，他專門點名誇了 Claude；談到 AI 安全時，又表示同意 Anthropic 說過的一些話。

從產業視角看，這場訪談等於當眾改寫了 ASI 競賽的記分規則。過去幾年所有人都在數卡，誰的 GPU 多誰離終點近；如今一個手握全球最大算力叢集的人，掏出創業公司收購史上最高價錢，去買一樣算力換不來的東西——人類的判斷。算力砸錢就能堆，資料只能靠人攢。程式設計資料裡的每一條記錄，都是一個真實程式設計師的一次取捨，對錯有真人裁定、有機器驗證。對模型層而言，這意味著競爭壁壘可能從單純的算力規模，轉向對真實工作流入口與互動資料的掌控；對程式設計工具賽道而言，被巨頭以戰略資產而非產品估值收購，也重新定義了這類公司的天花板。