马斯克推万亿瓦算力工厂，多模态模型破解盲目自信

今日科技圈迎来一场关于“尺度”与“精度”的深度对话。一边是马斯克抛出足以让现有半导体产业颤抖的 TERAFAB 项目，试图以太空思维重构算力底座；另一边是浙大团队从微观入手，精准校正多模态模型的“盲目自信”，用 CA-TTS 框架重新定义推理效率。从星际文明的各种硬核畅想，到视觉逻辑的严谨校准，技术正在向着更宏大与更精细的两个维度极速狂奔。

行业重磅

刚刚，马斯克启动TERAFAB项目：万亿瓦算力工厂，瞄准太空 - 马斯克再次证明了他是那个最激进的物理限制突破者。TERAFAB 项目的核心不仅仅是年产 1 太瓦（TW）的算力目标，更是其对现有半导体供应链的降维打击。马斯克直指台积电等厂商扩产太慢，其规划的“超级晶圆厂”将实现从掩膜制造到封测的全闭环，这种极致的垂直整合旨在打造比世界快一个数量级的芯片迭代速度。更关键的是，他将算力战场直接拉到了太空——利用“永远晴天”的无限太阳能和天然散热优势，试图在两三年内让太空 AI 成本低于地面。这不仅是技术的升级，更是对地球资源约束的一次彻底逃离。

如果说马斯克的计划是将算力搬向无穷的太空，那么他对芯片产能的要求则是要在现有的基础上飙升 50 倍。这种近乎疯狂的扩张逻辑背后，是对能源获取方式的根本性重构。他通过卡尔达肖夫等级将人类的视野强行拉升：与其在地球上争夺有限的电力，不如直接去太阳系索取能源。当星舰每年将 1000 万吨物资送入轨道，当微型 AI 卫星如繁星般布满近地轨道，现有的地面数据中心恐将沦为上个时代的遗迹。这不仅是 SpaceX 和特斯拉的协同，更是人类试图从“行星文明”向“恒星际文明”跃迁的一次硬核尝试。

AI 前沿

嫌台积电们跑得太慢，马斯克要把全球芯片产能飙升50倍，还将送上太空｜演讲全文 - 在马斯克的宏大叙事中，我们看到了一个非常有趣的“技术反直觉”现象：太空部署 AI 的成本竟有望在两三年内低于地面。这背后的算账逻辑令人信服——太空中没有大气衰减、没有昼夜交替，太阳能效率是地面的 5 倍以上，且无需昂贵的电池储能和土地成本。这就引出了一个极具颠覆性的观点：随着入轨成本的指数级下降，算力中心“上天”可能不再是昂贵的探索，而是必然的经济选择。马斯克甚至已经开始规划更远的未来——在月球建立电磁质量发射器，利用月球无大气和低重力的环境，以更低的成本将算力扩展至拍瓦（PW）级别。这种将科幻小说《文明》系列中的富足社会变为现实的企图，让人不禁感叹，限制我们的或许真的只是物理学，而不是想象力。

当我们仰望星空思考算力的无限扩张时，地面的 AI 研究正在解决一个更为隐秘但致命的缺陷。

浙大团队破解多模态模型「盲目自信」：先校准置信度，再分配算力丨CVPR’26 - 浙大团队的这项研究，像一把手术刀精准切开了多模态大模型“外强中干”的病灶。他们发现，当输入图像加噪到几乎不可辨认时，模型的准确率断崖下跌，但置信度却纹丝不动。这种“感知钝化”现象说明，模型根本不知道自己“不知道”。针对这一问题，团队提出的 CA-TTS 框架并非简单的后处理，而是引入了 CDRL（置信度驱动的强化学习），强制模型在训练阶段建立对视觉退化的敏感性。这不仅仅是提升准确率，更是赋予了模型一种“自知之明”。

这项工作的真正价值在于它重构了推理阶段的资源分配逻辑。传统的 Test-Time Scaling 往往通过增加采样次数来碰运气，而 CA-TTS 则将校准后的置信度转化为调度信号：对不确定的问题启用反思机制，对确定的答案快速通过。这种“先感知后推理”的范式，使得算力的投入产出比大幅提升。在 Math-Vision 基准上，该方法将准确率从 23% 提升至 42.4%，更重要的是，其扩展斜率远超传统方法。这意味着，在算力昂贵的未来，让 AI“知道自己何时需要帮助”，比单纯堆砌参数要重要得多。

主编观察

从马斯克的太空算力工厂到浙大的置信度校准，今日的资讯展示了一个技术演进的完整光谱：一端是追求极致的物理规模，试图突破能源和算力的天花板；另一端是追求极致的认知精度，试图修复 AI 逻辑的基础漏洞。二者看似背道而驰，实则殊途同归——它们都在试图解决当前 AI 发展的核心瓶颈：资源的有限性与智能的不可靠性。如果说 TERAFAB 是为了让 AI 拥有无限的“体力”，那么 CA-TTS 则是为了让 AI 拥有清醒的“大脑”。在这个算力即将爆发式增长的时代，如何让这些庞大的算力不仅仅是盲目地运算，而是精准地思考，或许才是下一个十年最关键的竞争点。