2026年9月1日，马斯克通过视频参加了由美国商务部和白宫科技政策办公室共同主办的一场 G20创新部长级会议（G20 Innovation Ministerial）。包括马斯克、Demis Hassabis、Mark Zuckerberg、Sam Altman、Jensen Huang等科技企业负责人都参与了相关讨论。白宫随后发布的会议声明显示，此次会议重点讨论了AI、创新政策、技术商业化、人才和产业投资等议题。

马斯克的发言尤其引人关注，因为他给出了几个非常激进的数字：AI可能为全球经济增加20%—30%的产出；12—18个月内，AI可能在大量纯数字工作上达到远超普通人的水平；未来十年可能出现超过10亿个人形机器人；与此同时，电力可能很快成为AI进一步扩张的重要瓶颈。

这些预测是否会按照他的时间表兑现，目前没人知道。事实上，阅读马斯克这类技术预测时，最需要避免的恰恰是把“一个世界知名的科技企业家的判断”直接等同于“未来一定会发生的事实”。但如果暂时放下“到底是12个月还是36个月”“十年后到底有没有10亿机器人”这些具体数字，他这次讲话背后其实呈现出了一条值得关注的技术演化逻辑：

AI正在从一种辅助人工作的工具，逐渐变成可以被企业直接调用的生产能力；而当这种能力继续从数字世界进入物理世界，企业获得能力所需要的组织条件也将随之发生变化。对于OPC（一人公司）创业者来说，这可能比任何一个具体预测数字都更加重要。

马斯克判断：AI正在快速进入所有“数字工作”

马斯克此次最激进的判断之一，是AI能力提升的速度。他在发言中直接表示：“AI will be able to do anything digital.”

他预测到2027年底前后，凡是不需要直接操作物理世界的任务，AI都有可能达到非常高的能力水平。软件开发、工程设计以及其他数字工作，是他重点提到的领域。

为了说明这种差距，他用了国际象棋程序 Stockfish 做比喻。今天人类顶尖棋手面对成熟的国际象棋引擎，已经不是“谁发挥得更好”的竞争，而是存在明显的能力等级差异。马斯克预测，软件开发也可能逐渐进入类似状态：未来AI写软件不再只是比普通开发者效率更高，而可能发展到人类很难在纯代码能力上与之正面竞争。

他给出的时间尺度是：12—18个月。 这个时间预测可能需要谨慎看待，但更值得关注的是，AI能力的角色正在变化。

过去几年，人们讨论AI，常常使用的是“提效工具”的语言：AI帮助程序员写代码，帮助营销人员写文案，帮助设计师生成图片，帮助分析师处理资料。但根据马斯克描述的AI发展方向，下一阶段的问题就可能不再只是：一个人使用AI以后，效率可以提高多少？而是：过去必须依赖一个专业岗位才能获得的能力，未来是否可以越来越多地直接从AI系统中获得？

这两个问题看起来接近，实际影响完全不同。前者改变的是人的工作效率。后者改变的可能是企业获取能力的方式。

AI之后，他真正看重的是“数字能力进入物理世界”

仅仅依靠数字AI，马斯克就给出了一个很大的经济预测。他估计，AI最终可能使全球经济产出提高 20%—30%，相当于每年增加约20万亿—30万亿美元。他自己也特别强调，这是一个 “rough estimate”——粗略估计，而不是经过严格经济模型测算得出的结论。但在马斯克看来，数字AI还只是第一阶段，第二阶段将是机器人。

因为无论一个AI模型多么聪明，只要它仍然存在于服务器和电脑中，它能够直接影响的首先还是信息世界。制造、搬运、施工、现场服务、物流以及大量现实生产活动，仍然需要改变物理世界。所以他把人形机器人理解成一种 通用型的“物理AI”。

马斯克提出，可以把人形机器人的实际价值粗略理解成三个变量的乘积：AI软件能力 × AI芯片能力 × 机电执行能力。其中他尤其强调了手部灵活性。这三个变量如果同时提高，机器人的实际用途就可能快速扩大。而一旦机器人开始参与制造机器人，又可能进一步形成生产能力的递归增长。

基于这个判断，他给出了此次讲话中最受关注的预测之一：未来十年，全球可能出现 至少10亿个人形机器人，而单个机器人的生产率可能达到人的约5倍。马斯克甚至表示，这是一个他愿意“认真下注”的预测，并进一步推断，这些机器人的总产出最终可能超过全体人类。

这个数字当然比“12—18个月数字工作发生巨变”更加遥远，也受到制造能力、供应链、成本、安全、监管和市场需求等大量条件制约。马斯克自己也承认：物理世界一定比数字世界发展得慢。软件完成以后可以快速复制，但机器人需要工厂、零部件、材料、供应链、物流和能源。

这也是为什么，他接下来谈到了一个看似与AI模型无关、实际上可能越来越关键的问题：电。

当AI越来越强，瓶颈可能从“智能”转向基础设施

马斯克在会议上用了一个非常直接的表达：“There actually is quite a crisis of power.”他认为，随着AI芯片快速增加，电力供给很可能跟不上计算能力建设的速度。

马斯克引用了他所称的行业分析判断：2027年，仅AI芯片所需要的电力就可能出现至少 15GW 的供给缺口。他进一步解释，AI芯片供应正在以大约40%—50%的速度增长，而中国以外的电力供给增长速度明显更慢，因此二者之间迟早会发生约束。

这意味着，AI竞争已经越来越不能被简单理解成：谁的模型更聪明。真正支撑大规模AI生产能力的，是一个越来越完整的系统：芯片、数据中心、电力、电网、模型、软件以及应用场景。

从这里再回头看马斯克关于数字AI和机器人的预测，会发现它们并不是几个孤立的“未来预言”。他描述的其实是一条完整链路：

智能能力快速提高 → 数字生产成本下降 → AI需求继续增长 → 算力与能源基础设施扩张 → AI进入机器人 → 数字智能进一步进入物理生产。

一个人将能够调用更多能力

马斯克的这轮AI发展预测，愈发证明了一人公司创业者在AI时代的可行性和发展趋势：一个创业者建立一门生意所需要的能力，与必须固定拥有多少员工之间，正在逐渐脱钩。

传统企业要获得一项能力，最直接的方法往往是设置一个岗位：需要开发能力，就招聘工程师；需要设计，就招聘设计师；需要营销，就建立营销团队；需要客服，就建立客服部门。软件和外包已经改变过一次这种关系，AI将继续深刻改变它。

过去很多创业项目不是因为不存在客户，而是因为启动一门生意需要同时具备太多能力。开发、设计、营销、销售、客服、运营、财务……每增加一个必要职能，就意味着更多固定成本和协调成本。

AI如果持续降低这些能力的获得成本，一些过去需要一个小团队才能进行验证的项目，就可能越来越早地由一个核心经营者启动。这也是一人公司创业者值得关注的技术基础之一。

不是因为AI让一个人变成“全能超级个体”，而是因为一个人可以调用的能力网络正在扩大。

能力越来越便宜之后，创业者更应该问什么？

这里也存在一个容易被忽略的另一面，如果AI真的让代码、设计、内容、分析甚至部分工程能力越来越容易获得，它并不会只帮助某一个OPC，它会同时降低所有竞争者的门槛。

过去开发一个软件可能需要30万元和一个团队。如果未来一个人两周就能完成，那么你的成本下降了，竞争者的成本同样下降了。于是，一些原本稀缺的东西会变得不再稀缺。

因此，真正需要重新思考的，反而是AI更难直接替代的部分：你理解哪个客户？你发现了什么真实问题？为什么客户相信你？你如何判断AI输出是不是正确？你拥有哪些别人难以复制的行业经验、关系、品牌或场景认知？以及，你如何把AI、软件和合作伙伴组合成一套真正能够稳定交付结果的经营系统？

与此同时，高杠杆也会带来新的脆弱性。当一家OPC越来越依赖一个模型、一个API、一个平台、一条流量渠道甚至一个关键客户时，表面上它可能非常高效，实际却可能非常脆弱。

所以，AI降低组织成本并不等于经营变得简单，它更像是在重新分配经营难度：执行能力可能越来越容易获得，而判断、客户、差异化、责任承担和能力配置反而会变得更加重要。