核心價值在於以嚴謹證據檢視埃隆·馬斯克的AI與機器人預測，揭示其歷史的準確度與背後動機，並說清這些預告對投資、產業走向與風險管控的實際影響。本文提供一套可複製的分析框架：逐條回顧過去的承諾、比對實際成果、再評估現階段宣稱的可行性，讓讀者不再被光鮮標語牽著走。
在這種分析裡，第一手的觸感是數據的震撼：每當公開預測出現，市場與公眾的期待就被推到高點，然而真相往往落差巨大。以十年內的跨國自動駕駛、現場示範的機器人，以及近年的腦機介面爭議為例，預告與落地時間的拉扯，常常成為價值波動的核心來源。
本文接著把當前的主張逐條拆解，對AGI、全自動車、機器人及神經植入等宣稱，基於相關技術原理與現有證據給出可行性評分，並揭示推動者如何利用未來承諾提升估值。最終，讀者將看到背後的模式脈絡，以及如何在情報與投資決策中，以理性判斷和風險控管取代盲目追隨。
文章目錄
- 對比過去預測與現實的真相 埃隆馬斯克的成敗紀錄與投資信號
- 從自動駕駛到 Robo Taxi 的現況與技術瓶頸實務評估
- AGI 與腦機介面 為何僅靠擴展模型無法實現通用智慧的核心論證
- 企業噱頭背後的價值與風險 投資者的實務風險管理建議
- Optimus 與 Neuralink 的時間表分析與落地策略建議
- 常見問答
- 結論
對比過去預測與現實的真相 埃隆馬斯克的成敗紀錄與投資信號
我對過去十年的五大預測逐條對照現實，發現多數預測在時間表與成果上嚴重偏差，且常被用作推升投資信心與股價的工具。以下是五個最具代表性的案例與結果：
- 跨國自動駕駛：2016年承諾「NY至LA全自動」在2018年左右實現；實際上，2018年的召喚功能導致車輛事故，至今尚未出現真正的跨國自動駕駛。
- robo Taxi：2019年承諾2020年推出，車主可讓車子夜間自動賺取收入；結果直到2025年才在奧斯汀有限區域上線，且車內仍有人工安全監控員。
- AGI：多次以「明年即到」為目標（2025、2026、2026年底或次年），但至今未見實質落地；2026 Davos 時再度拉長日期，可信度普遍偏低。
- Optimus 自然人形機器人：2022年稱2023年量產、2024年展出看似自主，但實際上多以遠端遙控運作；2027 年普及的預期可信度僅為低位。
- Neuralink：預計2030-2031普及，現階段僅少量受試且離廣泛應用仍有長程路徑；Mass adoption 的時間表被廣泛質疑，現況極不成熟。
就目前的預測，我逐一評估其背後的技術可行性與現實可能性，給出可信度評分（0-10）：AGI 結束於2026、不遲於2027，0/10；LLMs 雖具強大模式識別，但無法實現真正的通用推理，根據最新研究與「Chinchilla」法則在2024後失效，0/10；自動駕駛/ robo taxi 全國落地評估為1/10，現況僅在有限區域並需人工監控；Optimus 為2/10，仍非真正自主且無法在短期內超越人類外科極限；Neuralink 0/10，普及需跨越法規、製造與公眾接受度等重大障礙。
此外，Gizmodo 的分析指出，馬斯克對新技術的推動很大程度是為了炒作與提升公司估值，這種策略在本次追蹤中顯而易見：預測成為資金與投資的催化劑，而非單一技術里程碑的確實實現。
結合以上觀察，我認為當前的投資信號是：專注於實際的里程碑與現金流，而非追逐尚未落地的長期預測；警惕以名人承諾推動的股價波動，並以多元化與現有產品的可證實表現為核心參考。以下是值得留意的要點：
- 投資風險控制：避免讓單一名人預測主導投資決策，特別是牽動股價的短期信心。
- 里程碑追蹤：以現實的量產、商用落地、收入與盈利能力作為核心評估標準，而非僅以預測日期作參考。
- 長期視角與多元化：在科技股投資中結合現金流穩健的科技與非科技股，降低因技術預測偏差造成的波動風險。
從自動駕駛到 Robo Taxi 的現況與技術瓶頸實務評估
：目前的自動駕駛與 Robo Taxi 仍以區域性測試與商業化試點為主，尚未出現全球普及的全面自動化。根據實際落地情況，Robo Taxi 在 2025 年於奧斯汀有限區域推出，仍需人員安全監控，並非真正的「無人自動駕駛」。同時，關於 AGI、Optimus 等前瞻性方案，技術與法規障礙依然高企，尚未達到大規模量產與普及的階段。該論調亦指出，特朗普呼聲式的長遠預測往往用於推高公司估值與投資情緒，而非即時可交付的商業價值。Gizmodo 的觀察補充了這一點：對於能否催生投資與估值的「永遠在路上的未來」，實際推動仍多靠 hype 而非當下的落地能力。這些脈絡共同構成當前 robo-taxi 與自動駕駛的現實底盤。
以歷史紀錄為基礎進行實務評估：過去十年內，Elon 為 AI 與機器人提出多個具體日期的預測，但多數難以落地。跨城自動駕駛自 2016-2018 年承諾 NY 至 LA 之類的全程自動駕駛，結果顯示在 2018 年的測試事故與現實落差，至 2026 年仍未實現跨國自動駕駛；2019 年宣布 2020 年推出 Robo Taxi、卻在 2025 年才於特定地區實現且仍有人工安全監控。Optimus 機械人與神經介面 Neuralink 的預告，同樣遭遇「現實落地慢於承諾」的挑戰，且臨床與法規門檻極高，涉及安全、隱私與倫理等多重議題。這些案例共同指向一個模式：當前的技術瓶頸集中於可感知情境的理解、決策推理的穩健性，以及在極端與未知場景中的穩定表現。
當前預測的可行性與風險評估：就 AGI、Robo Taxi、Optimus、Neuralink 等主張，根據現有技術與學界共識，可信度普遍較低。AGI 在 2026 年前後實現的機率被評為幾乎為零；以 LLM 為核心的自主感知與推理系統，難以超越「模式匹配與預測」的天花板，難以在遇到未訓練場景時穩定推理與規劃。自動駕駛方面，雖然在感知與導航方面取得進展，但以現在的神經網路與訓練資料規模，廣域自動化與無人監控的普及仍具高度風險與限制；至於 Optimus 與 Neuralink，技術與法規的雙重門檻使「家用機器人自主性提升至醫療手術水平」與「大規模腦機介面普及」仍屬長期規劃。以此為基礎，本文給出以下評分：AGI 0/10、自動駕駛普及化 1/10、Optimus 2/10、Neuralink 0/10，並提醒讀者，這些分數反映的是當前技術與法規的現實而非市場炒作的潛在價值。
實務層面的結論與要點整理如下：現階段的自動駕駛與 Robo Taxi 崇尚「未來場景」的投資敘事，實務價值與風險需以現有系統的安全性、可控性、法規合規性為核心衡量。對投資與實作而言，應聚焦於：1) 現有系統在罕見及未知情境中的穩健性（例如鐵路道口、行人突發等情境的處理能力）；2) 設備與軟體的人因工程、監控與應急機制，避免過度依賴AI 的模式匹配而產生誤判；3) 法規、資安與隱私風險，以及跨境規範的落地難度；4) 風險分散與透明的商業模式，避免以「未來承諾」過度推升現值。總之，雖然預測語句能驅動資本與市場，但實際的技術成熟與規範環境仍需時間來驗證與落地。
| 項目 | 預測時間點 | 實際進展/結果 | 技術瓶頸與註解 |
|---|---|---|---|
| 跨國自動駕駛 | 2018 期間承諾全面完成 | 至 2026 年仍未實現跨國自動駕駛；多起事故暴露局限 | 模式匹配與訓練資料外的情境難以穩定推理；感知-規劃與安全機制需更完善 |
| Robo Taxi（全面商用） | 2020 年代初預期普及 | 2025 年於 Austin 限定區域推出，仍有人工監控 | 大範圍部署受制於感知可靠性、法規、保險與保守安全標準 |
| AGI | 2025-2026 年陸續到位 | 尚未落地，專家普遍認為難以在此時實現 | LLM 的推理能力與穩健性不足以支撐通用智能；Chinchilla 定律在 2024 年前後出現瓶頸 |
| Optimus（家用 humanoid） | 2023-2024 量產化預期；2027 年可能普及 | 2024 展示多為遠端操作，非自主 | 自主性所需的感知、推理與動作協調尚未成熟，且人因與成本是主要壁壘 |
| neuralink（腦機介面廣泛使用） | 2030-2031 期望普及 | 限制性臨床試驗，公眾接受度低（約 69% 不願意植入） | 大規模製造、長期安全性與倫理/隱私問題、高成本與多國監管問題 |
AGI 與腦機介面 為何僅靠擴展模型無法實現通用智慧的核心論證
核心結論：僅靠擴展模型（LLMs）無法在短期內實現通用智慧，且難以為腦機介面與普遍自動化提供穩健、可預測的路徑。對於 Elon musk 的「AGI、 robo taxi、Optimus 與 Neuralink」等重大承諾，需以實際技術可行性與過往紀錄做嚴謹檢驗，而非沉浸於「下一年就能解決一切」的預告噪音。以下以 transcript 的實證為基礎，整理過去的預測、現階段的技術現況與未來論斷的合理性。
- 過去預測的實際成敗：跨國自動駕駛、Robo Taxi、Optimus 等，講者引述的預言多為「若干年內可實現」或「年底前達成」，但事實是多為未達成或僅部份落地，且有公開案例顯示技術並非真正自動化而是遠端人控或未披露的情境設置。這些紀錄被用作質疑未來預測可信度的核心依據。
- 在現階段的技術證據：講者指出，LLMs 的本質是模式匹配與統計預測，缺乏真正的推理、理解與長期規劃能力；當遇到訓練數據以外的情境時會出現幻覺（hallucination）。他以Chinchilla scaling 法則在2024年失效與實證案例（如 FSD 在鐵路十字路口的誤判、空港停車場的意外等）作為「單純擴展計算力無法解決核心問題」的技證。整段內容對於「LLMs 走向 AGI 的可行性」給出 0/10 的可信度評分。
- 現階段對未來預測的評估：講者統整對 AGI、全自動車與 optimus 的預測，並以 Gizmodo 等媒體的分析作為反思，認為這些承諾多「同時支撐公司估值與募資」，而非以可驗證的科技成果為核心。對於 AGI，講者給予 0/10 的可能性評分，並認為現有路徑（特別是以 LLM 為核心的系統）不足以實現通用智慧。
- 腦機介面與 Neuralink 的現實性： Neuralink 目前僅有少量受試者，距 mass adoption 仍有長時間的監管、審核與安全性考量；且外界普遍存在對腦內植入裝置的健康與隱私顧慮。講者強調，神經信號解讀同樣依賴於模式匹配的機制，若出現幻覺或錯誤解讀，後果可能更為嚴重。整體看法是 Mass adoption 於 2030 年前仍不可行，且廣泛接受度低。
| 項目 | 講者原話/預測時間 | 實際狀況與結論 |
|---|---|---|
| 跨國自動駕駛 | 2016-2018 期望可在 2018 年前自動完成跨州/跨城駕駛 | 2018 年出現嚴重事故，至 2026 年仍未實現普遍的跨國自動駕駛；顯示單靠擴充模型無法突破現實任務的挑戰 |
| Robo Taxi | 2020 年推出 robo taxi 服務，2020 年實現 100 萬車隊的虛構承諾 | 實際於 2025 年在限制區域（如奧斯汀）才推出，且仍有安全監控人員在車內；2023 年曾因相關宣稱被告上法庭，法院以「企業吹噓」定性結案 |
| Optimus 機械人 | 2023/2024 年實現量產前瞻，2027 年前完成自主作業與高階任務 | 2024 年示範仍為遠端控制的「 puppets」，未公開實現自主操作；多家競品長年研發仍未普及商用 |
| Neuralink 腦機介面 | 2030-2031 大眾普及，取代智慧型手機成第一交互方式 | 截至 2025 年僅約十餘名受試者，且需通過嚴格審核與長期安全性評估；普及時間表看似遙遠且存在重大倫理與接受度問題 |
在結論層面，講者以 Gizmodo 的分析為背景，指出「 Elon’s 的技術宣稱多半是為了自家公司的投資與估值服務」，而真正的技術路徑如 Grok 與 XAI 目前缺乏足夠的證據與公開論文支撐。對於 AGI 的核心論證，講者認為需要的不再是單純的訓練數據量與參數擴張，而是具備真正的理解、推理與規劃能力的系統，這與「只靠增長計算力的 LLM 類系統」本質上矛盾。
企業噱頭背後的價值與風險 投資者的實務風險管理建議
要點摘要
- 企業噱頭能在短期內推升市場對未來技術的期待，進而拉升相關公司估值，但這些預測常常與實際落地存在顯著落差。
- 以 Elon Musk 的案例為警示：過去的自動駕駛、機器人、AGI 等承諾，多數未如期實現，且在法律與監管層面也伴隨風險。
- 投資者不可把全部信任放在單一領導人或單一故事上，需以穩健的風險管理框架檢視噱頭背後的技術可行性與財務影響。
- 必要的實務措施包括：全面盡職調查、情境模擬、分散投資、健全的退出機制，以及對噱頭與現金流之間的分離認知。
價值分析：噱頭如何為投資帶來「價值」與「風險」的雙向動力
在本次分析中，噱頭扮演的是「資本市場的催化劑」。當最富有的科技人物提出「AGI 將於今年或明年到來」「自動駕駛將覆蓋全美」「Optimus 將超越外科手術水平」等承諾時，資本迅速揮舞，相關公司股價與風險資本投入往往被推高。這種情況在 Gizmodo 的觀點中被描述為「corporate puffery」的推動力，即以高度不切實際的承諾為公司長期資本供給來源。實際上，若以技術成熟度與可落地性作為判斷，這些預測往往難以在既定時間內兌現；LLM 與感知式自動化的局限性常在實際應用中暴露，例如跨州自動駕駛的承諾與現實的差距，以及機器人若無法進行真正自主決策時的應用場景受限。
此外，對投資者而言，噓頭對「現金流與營運表現」的影響值得警覺：長期依賴預期收益而非當前績效的估值，容易在市場情緒轉變時出現快速回撤。因此，雖然噱頭能提升短期的投資動能，但其長期價值應以技術可實現性、量化目標與現金流穩健性作為核心檢驗標準。
投資者的實務風險管理建議
- 區分傳言與數據：對照公開技術證據與獨立評估，分別評估「聲稱的能力」與「現實的性能指標」。
- 以情境與壓力測試檢驗時間表：為每個預測建立多個情境版本（樂觀、現實、悲觀），並用現金流折現率測試對價值的敏感度。
- 分散投資與風險敞口控制：避免過度集中於某一技術領域或單一個人／公司所帶動的噱頭，採取行業與技術的分散策略。
- 監管與法律風險評估：重視過去的訴訟案例與判決對「預測性陳述」的影響，例如「corporate puffery」對未來資本運作的影響。
- 實際業績與現金流優先：以現有營收、客戶留存、現金流穩健性作為核心估值支撐，將預測性標的與現實業績分離分析。
| 預測/事件 | 承諾時間 | 實際結果 | 當前可信度/註記 |
|---|---|---|---|
| 跨國自動駕駛與全面自動化 | 2016-2017預期；2018實際紀錄 | 2018 發生車禍，無法跨越20英尺的基本駕駛場景；至2026仍未實現跨州全自動化 | 低可信度；需以現場可驗證的自動駕駛穩定性為主 |
| Robo Taxi 2020 上線、1M 車輛 | 2020 年預期上線，並以車主車輛產生收益 | 2025 年於奧斯汀有限區域啟用，仍有人工安全監控；2023 起訴案被法院以「corporate puffery」駁回 | 現實落地延遲、法務風險高，投資風險上升 |
| AGI 到來（2025-2026） | 2025-2026 介於預期之內 | 尚未出現真正的 AGI；LLMs 的能力受限於模式化推断與幻覺 | 0/10 可行性評分；多數專家認為非 LLM 路徑也難以在短期內達成 |
| Optimus 人型機器人（自主/商業化） | 2023/2027 的時間表；2027 量產銷售 | 2024 展示為遠端操控排練；尚未自主 | 2/10；無法自我決策，仍以人控為主 |
| Neuralink 大規模植入（2030-2031） | 2030-2031 推進全球部署 | 截至 2025，僅數十名受試者；尚未獲廣泛療效與監管批准 | 0/10；大量規範與倫理阻礙顯著 |
Optimus 與 Neuralink 的時間表分析與落地策略建議
結論先行：就 Optimus 與 Neuralink 的時間表分析而言，過去的預測多以願景與投資氣氛為核心，實際落地往往受限於技術成熟度、規範審核與公眾接受度。以下以五大預測為脈絡，呈現實際狀況與風險，並在結尾提出針對企業與投資者的落地策略。核心結論為：短期內要靠近的，是以「人機協作與工業化應用」為基礎的實證落地，而非全面自動化或腦機介面的全面普及。
| 預測主題 | 原始預測時間 | 實際狀況 | 可行性評分 (0-10) | 風險與註解 |
|---|---|---|---|---|
| 跨州自動駕駛 | 2016-2018 | 2018 發生召喚/自動駕駛事故，至今未普及跨州自動駕駛 | 1/10 | 與現有法規與複雜路況挑戰相關，系統在陌生場景的表現仍不穩定。 |
| Robo Taxi | 2020 預告 | 2025 在有限區域啟動，仍有人工安全監控，非全自動 | 2/10 | 市場與監管壁壘高，商業模式仍需證明可規模化的 ROI。 |
| AGI | 2025-2026 目標 | 尚未出現普遍可用的通用智能，且多為高風險預測 | 0/10 | LLM 類型技術不足以實現真正的通用推理與長期穩定性。 |
| Optimus 機器人 | 2023 量產就緒預期 | 2024 展示被證實為遙控/人控，非完全自主；商業化時間再推遲 | 2/10 | 自主性與感知能力受制於訓練資料與現場動態，遠低於原始承諾。 |
| Neuralink | 2030-2031 大規模普及 | 現階段僅少量受試者、嚴格限制且尚未獲普遍規範批准 | 0/10 | 大量安全、倫理與全球規範問題未解，普及需長時間與全面審核。 |
落地策略核心在於將風險與回報拉回可控的短期與中期里程碑，同時避免過度依賴不可驗證的長期預測。具體策略方向如下：
落地策略要點：
– 以 人機協作與工業自動化 為主軸，聚焦 Optimus 在倉儲、物流與危險或複雜環境的輔助作業，採用分階段的自主性提升與嚴格的回歸測試。
– 建立完善的 安全與合規框架，以可追蹤的安全檔案、風險評估與事故模擬為核心，以便快速回溯與改善。
– 透明且以 里程碑宣傳 為導向，避免「企業吹噓」的過度承諾，改以實際效益與可複製的案例說服投資方與用戶。
– 商業模式需多元化，優先採用「設備即服務/租賃」與「分階段部署」以降低單一技術失敗的風險，並透過試點專案驗證 ROI。
– 對 Neuralink 願景保持理性預期，同時聚焦於 醫療與輔助功能的風險可控區域，推動非侵入式或部位化的臨床應用以建立信任與合規路徑。
– 與政府與規範機構合作，建立多國合規路徑與倫理審核機制，降低長期上路成本與公眾阻力。
參考觀點與資料來源：上文分析參考了多家媒體對 Elon musk 相關預測之回顧與評析，包含 Gizmodo 對「AGI 與 hype 的關聯」的評論，以及 NBC News 關於自動駕駛安全性與訓練資料局限性的報導，這些資料用以支持對現實落地的謹慎評估與公平的風險說明。
常見問答
🤔 為什麼他過去的五大預測常常落空？
回答：因為他以激進的時間表和高風險承諾推動投資與市場情緒，但實際落地往往晚於預期甚至未達成。過去的案例包括：跨國自動駕駛承諾在2016-2018年間喊出 NY 到 LA 的全自動實現、2019 年 обещ robo taxi 在 2020 年推出卻拖到 2025 年，且僅在少數區域有限度運行；AGI 的時間表多次被拉長，並在 2025、2026 等日期屢次被推遲；Optimus 機械人預期在 2023 年可量產，最終在 2024-2027 年才出現展示但仍非全自主；neuralink 的普及預期則從 2030/2031 年延到更長的時間。此外，2023 年還出現過因這類預測而牽涉的證券欺詐訴訟，法院以所謂「企業吹捧」（corporate puffery）來界定這些說法不構成形式承諾，進一步反映出其誇大性質與投資風險。以上案例顯示，核心問題在於以強烈未來承諾推動估值與股價，而非以現實可交付的里程碑為依據。
🤖 現階段哪些預測看起來有技術支撐，但現實落差仍很大？
回答：雖有技術路線，但仍無法達到公開承諾的全面自動化與普及商用。實際情況包括：自動駕方面，特斯拉的全自駕仍以區域有限、需有人類監控為現實，且出現路障如列車道警示等情況不被充分解決；2022-2024 年的多起實例（如 Spokane 與機場停車場事故）顯示模式匹配的系統在未知情境下會出現失敗與誤判。Optimus 機器人雖在 2024 年展出，但後台仍是遠端操控、缺乏真正的自主決策能力，因此對於在家普及與完成手術等高難度任務的預測仍不成立。至於 AGI，LLM 主要屬於模式匹配，缺乏通用推理與真正的創新性理解，且自 2024 年起相關的「Chinchilla scaling laws」出現成長放緩現象，讓以單純加大算力即可達成通用智慧的說法變得不成立，因此在 2026 年前後實現真正的 AGI 的可能性被評為極低。
💼 投資者該如何解讀這些預測與企業吹捧，避免風險？
回答：要以證據與現實可交付的里程碑為基礎，區分 hype 與實際承諾。這類預測往往用以提升公司估值與投資熱度，形成長期的資金與股價支撐，如 Gizmodo 指出，該策略讓投資者聚焦於「未來超越人類的 AI」等長期承諾，而非當下的商業成果；法院在相關訴訟中也指出，這些承諾多屬「企業吹捧」，不構成法定承諾，投資者須特別警覺。當前需關注的是：現有產品的實際運作與安全性、現有法規取得與合規性、現金流與盈利能力、以及是否存在可驗證的里程碑與時間表，而非僅靠「下一年就能實現」的承諾。以此為原則，投資者應更多地審視現實業績、現階段技術的穩健性與風險敞口，避免被過度樂觀的長期預測與市場炒作所左右。
結論
在這篇結尾，我們把重點拉回，讓你以更清晰的尺子評估科技領域的未來承諾。透過對過去十年的關鍵預測逐一核對，我們不僅看到夢想與現実之間的落差，也掌握了判斷新宣稱的實用框架。這段分析帶出的資訊增益包括以下要點：
– 真實世界的預測與成績之間的差距已被清楚揭示：五大核心預測皆未如期實現，提供一個可依循的歷史參照。
– 風險與法律語境的揭露：以「企業自利性吹捧」（corporate puffery）為例，說明某些公開承諾在法域內的弱氣力，提醒讀者不要把宣稱等同於實現。
– LLM 與 AGI 的底層限制：LLMs 本質上是模式匹配，缺乏真正的理解與推理能力；單靠算力與資料增長難以帶來人類水平的通用智能。
– 自動駕駛與機器人技術的現實狀態：現階段的自動駕駛進展受限於資料與場景的可預測性，全面普及與無人值守的安全問題仍需時間；Optimus 與神經連結的路徑同樣面臨技術與規範雙重門檻。
– 資本動力與預期的捆綁：許多激勵來自於市場對「未來價值」的押注，而非當前實績，這對投資與風險認知有重要影響。
這些洞見帶給你的資訊增益，是一套可落地的評估工具：基於歷史紀錄、技術現狀、法規與社會接受度，分別對新宣稱給出可信度與風險評分，幫助你在面對未來宣稱時，能更客觀、理性地判斷其可行性與價值。
如果你想更深入地瞭解完整分析與論證，請觀看原影片，內容聚焦在 AGI、Tesla 全自動駕駛、Optimus 機器人，以及 Neuralink 等預測的現實可行性與背後動機。Does Elon really no what he’s talking about? Or did he become the world’s richest man through lies and exaggerations? Watch to find out.
觀看描述重點與時間標示如下：
00:00 – Intro
01:28 – Elon’s Previous Claims
06:48 – Prediction 1: Artificial General Intelligence
10:51 – Prediction 2: Tesla Full Autonomous Driving
13:52 – Prediction 3: The Tesla Optimus
16:17 – prediction 4: Neuralink
19:24 – Conclusion
#elonmusk #ai #tesla
Is Elon Musk really a tech visionary? In this video we take a deep dive into the numerous tech predictions of Elon Musk. First we review his track record on previous promises, then we dive into the WILD predictions he’s making for our future. We are talking AGI, Tesla Full Self Drive (FSD), Autonomous Tesla Optimus bots, and finaly Neuralink.
Does elon really know what he’s talking about? Or did he become the worlds richest man through lies and exaggerations?
Watch to find out.
00:00 – Intro
01:28 – elon’s Previous Claims
06:48 – Prediction 1: Artificial General Intelligence
10:51 – Prediction 2: Tesla Full autonomous Driving
13:52 – Prediction 3: The Tesla Optimus
16:17 – Prediction 4: Neuralink
19:24 – Conclusion
中央大學數學碩士，董老師從2011年開始網路創業，教導網路行銷，並從2023年起專注AI領域，特別是AI輔助創作。本網站所刊載之文章內容由人工智慧（AI）技術自動生成，僅供參考與學習用途。雖我們盡力審核資訊正確性，但無法保證內容的完整性、準確性或即時性且不構成法律、醫療或財務建議。若您發現本網站有任何錯誤、過時或具爭議之資訊，歡迎透過下列聯絡方式告知，我們將儘速審核並處理。如果你發現文章內容有誤：點擊這裡舉報。一旦修正成功，每篇文章我們將獎勵100元消費點數給您。如果AI文章內容將貴公司的資訊寫錯，文章下架請求，敬請來信(商務合作、客座文章、站內廣告與業配文亦同):[email protected]
