AI算力押注：SpaceX的隐性杠杆

本期播客由 Altimeter Capital 创始人 Brad Gersner 主持，邀请 Atreides 的 Gavin Baker、Andrew Fox 以及 Altimeter 合伙人 Clark Tang，围绕 SpaceX 的 IPO 估值（1.77 万亿美元）、AI 算力布局与下一代超级智能竞赛展开深度拆解。核心逻辑在于：若相信 AI 的长期价值，就必须相信其背后所需的算力基础设施将远超公众预期。SpaceX 正在构建一个横跨太空发射、卫星通信（Starlink）与 AI 算力服务的闭环生态，而其最被低估的杠杆，恰恰是地面数据中心的部署速度与效率。

Gavin 提到，Colossus 一号集群的内部测算 IRR 高达 55%，而融资成本仅为 6%–8%——这一利差构成了极强的经济可行性。他强调：“如果你能以百分之六、百分之七、百分之八的利率借钱，然后投到一个 IRR 百分之五十五的项目里，我不是最精明的投资人，但这个账是算得通的。” 这一计算背后，是 SpaceX 将自身工程执行力转化为资本回报的独特路径：速度即成本优势——Elon Musk 建设数据中心仅用 122 天，远快于行业平均，大幅压缩建设期财务成本。

原话：更好、更快、更便宜，一直都是能赢的公式。

从火箭到算力：下一代模型的赛跑逻辑

Gavin 进一步指出，AI 模型迭代速度已进入“十天一迭代”的超快节奏：从 OpenAI 的 Codex 到 Open 4.7、4.8，再到 Mythos 与 Fable，模型能力跃升极快。他引入 Paradox 曲线（即单位成本下可获取的智能量）作为评估模型竞争力的核心框架，并分析 Cursor 在该曲线上已实现 Pareto 优势——这得益于其海量专有编程数据（远超公开互联网总量）与强化学习训练策略。

这一趋势意味着：算力基础设施的可及性与成本结构，将直接决定 AI 公司能否在 Paradox 曲线上占据最优位置。SpaceX 正通过其自建数据中心（如 Colossus 系列）与 XAI、Cursor 的协同，快速切入这一赛道。Gavin 认为，XAI 不仅是“模型公司”，更是潜在的下一代云服务商雏形——其本质是将 SpaceX 的工程优势转化为 AI 时代的基础设施能力。

原话：不，因为在下一代模型出来之前，我们没有时间充分评估他们的智能。我总是假设有一颗子弹正朝我飞来，所以头要一直转着看。真正打中你的，往往是你没看见的那颗子弹。

Starlink 与 Starship：连接革命的底层支点

尽管 AI 算力业务日益亮眼，但 SpaceX 的根基仍在 发射与通信。Gavin 强调，Starship 的快速复用（尤其是第二级回收）是整个商业模型成立的前提——若能实现单艘 Starship 飞行 30–50 次，发射成本将断崖式下降，从而释放 Starlink 的全球规模化潜力。当前市场预期其发射频率将从 2025 年的约 165 次，跃升至 每年上千次（即每日 2–3 次）。

Starlink 的经济模型同样令人振奋：当前全球家庭宽带渗透率尚不足 1%，而终端市场规模可拓展至 数亿级。更关键的是，直连手机服务（Starlink Direct Sell） 将成为未来三年收入增长主引擎，投行普遍预测其收入可从数十亿美元增长至 2028 年的 500 亿美元。Gavin 认为，该数字仅相当于全球电信市场 0.3% 的渗透率，远未达天花板。

他总结道：“一旦做到快速重复使用，按每 GB 或每 MB 交付来算，他们的成本也会最低”——再次印证“更好、更快、更便宜”的普适竞争力法则。Clark 补充：“Elon 是 n=1，他们做到的事情是独一无二的，以前从来没有人做到过。”

SpaceX 从‘边缘玩家’跃升为 AI 算力巨头

过去几个月，SpaceX 在 AI 算力领域的角色发生了根本性转变——它不再只是 Starlink 与 XAI 的连接者，而是主动构建并大规模部署专用算力基础设施的玩家。这一变化之所以关键，是因为 Elon Musk 展现了前所未有的执行速度与系统整合能力：十九天内完成一个超大规模 GPU 集群的部署，远超行业常规的三年周期（规划一年、交付一年、调试一年）。这种“n=1”的执行力，意味着他能直接获取供应链、快速部署、高效变现，形成闭环。正如 Jensen Huang 所言：“Elon 是 n 等于一，他们做到的事情是独一无二的，以前从来没有人做到过。”

Elon是n等于一，他们做到的事情是独一无二的，以前从来没有人做到过。

这一能力已转化为实际商业成果：XAI 数据中心不仅满足自身训练需求，更开始对外输出算力服务。Google 和 Anthropic 等头部客户已愿意支付显著溢价——Anthropic 合约约 22–23 亿美元/年/吉瓦，Google 则达到 50 亿美元/年/吉瓦，远超行业平均水平。这背后不仅是“排位优先”的看涨期权溢价，更源于 SpaceX 无与伦比的建设速度与工程落地能力：能快速拿到电力、土地与芯片，并在单一地点集中部署大量可用算力。这种能力，正在重塑 AI 算力市场的竞争格局。

现在真的就在几周之内，这个类别里冒出了一个巨头，也就是 SpaceX。

地面算力已支撑万亿估值，轨道算力是‘增强期权’

当前市场对 SpaceX AI 业务的隐含预期约为 1600 亿美元年收入，对应每吉瓦年变现约 140 亿美元。仅凭地面数据中心的快速扩张与高溢价签约能力，就足以支撑这一估值中枢——无需依赖轨道算力即可形成坚实基本面。SpaceX 的地面模式已验证其在电力获取、建设效率与客户签约上的系统性优势，使其成为事实上的第四大超大规模云厂商（三十天内从零跃升，超越 Oracle 与 Core Weave）。

轨道算力（即太空数据中心）则被视为一个高杠杆的看涨期权。其经济性依赖于 Starship 的两级快速可复用：一旦实现，单次发射可送入约 5 兆瓦算力，每公斤发射成本有望从 Falcon 的 1500 美元降至 250 美元以下。据此倒推，太空部署每吉瓦资本开支约 50 亿美元，仅为地面（200–250 亿美元）的 五分之一，且空间、冷却与土地成本近乎为零。尽管需考虑 GPU/激光器失效与维护挑战，但只要可靠性未显著劣化，太空方案的长期经济性将大幅占优。

我们说的是数据中心一半物料成本里有一块成本能降到原来的五分之一。

因此，轨道算力并非 IPO 估值的必要条件，却是未来指数级增长与成本下探的关键杠杆——它可能将系统算力从当前的 20–25 吉瓦级推向 太瓦级，并推动 AGI/ACI 进程加速，最终使 AI 消耗全球 GDP 的 10% 甚至更多。

也许我们可以比实现轨道算力更早到达 AIC。

xAI 与 Cursor 合并：从算力买家到模型定义者

xAI 的战略价值不仅在于其算力基础设施，更在于其垂直整合的模型能力跃迁。六个月内，xAI 从一个竞争者成长为拥有自有大模型团队与核心数据资产的玩家——其收购的 Cursor 拥有 700–800 人的工程团队，年收入预计可达 100 亿美元，是当前领先的编程 Agent 平台。这一整合使 xAI 能将 Cursor 的高质量代码数据直接注入预训练阶段（而非仅用于 RLHF），大幅增强模型的通用编程与任务执行能力。

当前，xAI 正在训练 Grok 4.3（1.5 万亿参数），其基础模型潜力正被 Cursor 数据持续强化；而此前发布的 Composer 2.5 已在 Kimi K 2.5 上实现帕累托占优。若将 xAI 自研模型的收入预测从 100 亿美元上调至 1500 亿美元，其中相当一部分将来自这一新团队驱动的“模型+算力+数据”飞轮。正如 Amjad Masad 所言，编程可能是通往 AGI 最快的路径——而 xAI 正在将这一路径工程化、规模化。

现在正在训练的是 Grok 4.3，一个 1.5 万亿参数的模型。按照缩放定律来推测，它可能会是一个更好的基础模型。

这标志着 SpaceX AI 业务已从“基础设施提供商”升级为“智能系统定义者”，其终极壁垒不再是硬件规模，而是如何用海量算力训练出最高效执行复杂任务的智能体。

算力与模型能力的跃迁：被低估的内部引擎

当前 XAI 的核心进展远不止于与 Anthropic 的交易——那只是冰山一角。真正关键的是其前沿模型构建能力的实质性跃升。Grok 4.3 正在训练中，这是一个1.5 万亿参数的模型，基于缩放定律推测，它有望成为更强大的基础模型。与此同时，Cursor 团队的数据正被深度注入预训练流程，而不仅限于强化学习阶段，这标志着从“微调”走向“共建基础模型”的质变。SpaceX 原有模型能力本就扎实，如今又通过收购 Cursor 将一支顶尖团队直接并入体系，相当于把一支高执行力的“技术特种部队”空投进核心研发链。更关键的是，他们已掌握一套将算力高效变现的闭环模式：既可将算力用于自研模型训练，又可对外提供服务以回本，形成“自用+创收”的双轮驱动。这种能力组合，构成了一个极具爆发潜力的看涨期权结构。

如果要我说这个故事里最被忽略的一块是什么，我会说就是这一块。

如果会出现超预期的上行空间，我怀疑就在这里。

Colossus 与 Vera Rubin：算力基建的先发优势

SpaceX 的算力基建已进入快车道。从早期的 Colossus 到如今更大规模的 Colossus 二号，其集群规模已超越同行。更值得注意的是，他们正提前锁定 Vera Rubin 芯片高达20% 的早期产能——在芯片极度稀缺的当下，这构成了显著的先发壁垒。Elon Musk 与团队不仅证明了自己能快速搭建超大规模算力集群，更关键的是，他们已验证了业内最佳的利润率与回本周期，这与 Jeff Bezos 当年构建 AWS 的逻辑高度相似：先为内部峰值需求建冗余容量，再将其商业化变现。投资者曾因 AWS 消耗自由现金流而质疑亚马逊，但历史证明那是一场“挖金矿式”的长期押注。如今，SpaceX 正在复现这一路径——算力既是成本，更是资产。

这是一种在大规模公司里仍然非常创业化的能力，我们很少在企业里看到这一点。

所以，如果你问我们和共识不同在哪里，我们的差异化判断是什么？我们其实认为它会更大，也会更快。

模型演进范式转移：从快照测试到时间维度智能

模型竞赛的评判标准正在发生根本性转移。Fable 5、Grok 4.3、Gemini 3.5 Pro 等新模型已进入“长时间运行任务”阶段，其核心能力不再体现于静态基准的瞬时得分，而在于持续推理、记忆保持与多步解题。Noam Brown 指出：传统快照式基准测试的相关性正在下降，X 轴必须转向时间、token 或算力。这意味着我们可能永远无法准确评估模型的真实智能水平——因为没人能让模型连续运行一年。正如一个不会分心、永不疲劳、可连续思考三小时的爱因斯坦，其产出远超人类极限。当前 Opus 4.6 已展现出这种长时运行能力，而一月起的收入跃升正是市场用真金白银投出的“深刻投票”。当算力不再是瓶颈，模型的智能深度将随运行时长指数级增长。

我们可能永远都不会知道每一代模型实际上有多聪明，或者曾经有多聪明。

所以我觉得这是一个非同寻常的想法。

收入流向的反转：前沿模型持续领跑

2024年初，市场普遍担忧AI收入能否真正兑现——人们怀疑是否能跨越某个‘智能门槛’，让企业和消费者大规模采用AI工具。当时主流观点甚至认为，开源模型凭借低成本token将逐步追平甚至反超前沿模型，导致经济价值向更普惠的方向转移。然而，半年过去，实际数据给出了明确反证：前沿模型拿走了约90%的AI收入，且这一趋势仍在强化。

关键转折点出现在今年1月，Opus 4.6的上线标志着首个可长时间运行、维持上下文与记忆、处理复杂多步推理任务的模型真正落地。此后，收入曲线陡峭上升，印证了‘深度有用性’的出现——用户不再只是‘尝鲜’，而是将其嵌入核心工作流。Anthropic为Stripe重构五千万行Ruby代码库的案例，就是这种能力的缩影：原需数周的人力工作，如今一天内完成。

“以前我们根本不会做这种事，但现在我觉得我们才刚刚走到多agent编排的第一步，后面我们还会把这件事推进得更远。”

“哪怕他们已经在优化了，可以放到J.P. Morgan的语境里看……但真正高价值的工作，比如编程，他们不想写二流水平的代码。”

值得注意的是，尽管开源模型可能处理了约80%的token总量（尤其在客服、文档整理等长尾任务中），但高价值任务仍高度集中于前沿模型。企业愿意为精准、可靠、可交付的输出支付溢价——这不仅是技术问题，更是风险控制问题。

开源与算力：利空模型，利好基础设施

开源对AI生态的影响常被误读为对前沿模型的‘利空’，实则恰恰相反：开源越成熟，越会倒逼算力需求扩张。当开源模型在特定任务上逼近前沿水平，企业会将大量低价值负载路由至低成本开源模型，从而释放出更多预算用于购买前沿模型的高价值推理服务——而这些服务高度依赖算力。

Harvey的实践即是一例：他们用Fireworks平台在开源模型上做SFT与RL，结合多模型路由策略（router），以更低延迟与成本实现了优于Opus 4.7/4.8的效果。但其底层仍大量调用Opus完成关键路径——开源模型承担了‘流量入口’，而前沿模型守住‘价值高地’。

这种分工模式正成为主流。我们对300家企业的调研显示：几乎所有企业都预计未来将增加前沿模型token消耗，即便已启动模型路由优化。尤其在编程、金融建模、法律分析等专业领域，‘够用即可’的模型难以满足交付标准。这也解释了为何Google将资本开支提升至800亿美元——真正的智能竞赛，本质是算力、数据与推理闭环的持续迭代。

NVIDIA的十字路口：开源玩家还是算力霸主？

一个核心问题正浮出水面：若NVIDIA选择推出一款真正具备长时间推理能力的前沿开源模型，是否会重塑整个AIC格局？ 当前其策略是‘谨慎克制’——仅发布小模型，避免与Anthropic、OpenAI等直接竞争。但Jensen Huang的深层逻辑或许更复杂：算力效率才是护城河，而非模型本身。

NeMo Trans 3/3.1已展现出极高的能效比，而ASIC（如Blackwell平台）的持续迭代，使NVIDIA在每瓦产出token数上遥遥领先。这带来一个关键推论：若开源模型普及导致模型层利润率下降，企业将更倾向将资金投入算力基础设施——这恰恰巩固NVIDIA的垄断地位。

“如果你是NVIDIA，你可能会说，哇，你做的这个ASIC真可爱。那你想不想让开源也进入前沿？你觉得这样怎么样？我不确定这是不是他们明确算过的一笔账，但我确实觉得Jensen是这么想的。”

更深层看，‘模型路由’将成为未来三年的基础设施标准：不同工作负载匹配不同模型与芯片组合。Broadcom、MediaTek等厂商正试图在定制化ASIC（如V8T/V8I）上分一杯羹，但NVIDIA凭借生态广度与能效优势，仍占据主导。我们观察到，即便在Anthropic基本不用NVIDIA的极端案例中，其2025–2026年份额反而有所回升——算力需求的增长速度，远超任何单一厂商的替代可能。

算力资本开支与收入的账目平衡

当前全球 AI 算力竞赛正推动资本开支进入前所未有的规模。Google 已将资本开支提升至 800 亿美元，而 Morgan Stanley 更将 2027 年全球 AI 相关资本开支预测从 9500 亿美元上调至 1 万亿美元——这甚至尚未计入 SpaceX、Core Weave 等新兴力量。综合判断，2027 年实际数字可能接近 1.5 万亿美元。与此同时，行业收入端也正在加速兑现：Anthropic 等实验室已显著提升变现能力，2027 年全球 AI 推理收入预计达 3000 亿美元左右。若按毛利率 60%~70% 计算，这笔支出并非不可持续。事实上，我们今年年底推理收入很可能远超 2000 亿美元，明年有望达到 4000~5000 亿美元，并在 2029 年突破 1 万亿美元。更关键的是，当前资本开支中仅有约 35% 用于训练（不直接产生收入），其余用于推理部署与基础设施扩展，这意味着收入增长能更快覆盖成本。正如 Dario 所言：“我很难想象 2030 年之前不会出现数万亿美元的收入。”

我觉得今年点燃导火索的事情是 Anthropic，用很大的方式拿出了收入，所以我们看到所有 AI 实验室加起来，明年的收入大概在三千亿美元左右……这个账你觉得算得过来吗？

我觉得三千亿美元这个数太低了，真的，我觉得太低了。我给你算法来看。

供需错配下的价格与 ROI 逻辑

尽管年初市场普遍预期 token 与算力价格将通缩，但现实恰恰相反：每吉瓦变现能力已从年初约 200 亿美元升至 300~400 亿美元。这背后是极强的供需错配——全球以 agentic 方式使用 AI 的人尚不足 0.2%，而单个 VM 实例就可消耗 500 CPU 核心与 5 块 GPU，24 小时持续运行。随着用户基数扩大，固定成本占比高、边际成本递减的基础设施将快速转化为利润。此外，CPU 与 GPU 的配比已达 100:1，而 GPU 与算力的转化效率仍在持续优化，说明当前支出并非浪费，而是理性投资。Chaitanya 所谓“token maxing”实为误判：数百万企业与消费者同步涌入 AI 生态，本身就是理性经济行为的集体选择。正如 Elon、Sundar、Sam、Dario 等人持续上调预期，Jensen 曾说的 1.5 万亿美元资本开支，如今看来仍属保守。当企业能以三倍回报兑现当初预期时，所谓“盈利不及预期”的叙事早已被打破。

Well Rock 的 Alex 有一个很好的说法：地球上真正以 agentic 方式使用 AI 的人不到百分之零点二。

为什么有几百万家独立企业、消费者都在选择做同样的事？他们不傻，这些都是理性的经济行为主体，他们都在同时说：“我想这么做，因为它让我的生活变好，让我的业务变好。”

行业协作与开放精神

在当前这个极其令人兴奋的时代，我们有幸与各位同行共同探索前沿领域。作者特别感谢Brad的邀请，并高度评价其在“Trump Counts”项目中的贡献，认为该项目对美国乃至全球都具有重要意义——它让人们在很小的时候就拥有股权，从而在一生中切实感受到复利的力量。这种长期视角与价值共享理念，也体现在行业内部的互动方式上：尽管外界可能以为科技从业者普遍乐于交流，但现实中真正愿意深度分享的人非常少。我们的立场是开源技术、开放思想，但只有极少数团队能真正达到我们所要求的投入深度——即几千小时的研究积累，并在其基础上持续创造新价值。正因如此，我们对Brad及其团队的真诚协作与专业精神深表感激，也特别提到Clark与Foxy之间自然的日常互动，印证了这种像同事一样的关系与友谊。

让人们在很小的时候就拥有股权，他们会在一生中看到复利的力量。

你们做到了，我们很感激。

价值创造的前提：深度投入

文中强调，真正的价值创造并非来自表面的开放或泛泛而谈，而是根植于超常规的专注与时间投入。许多团队可能宣称支持开源或开放协作，但能否在数年如一日的高强度研究中持续迭代、突破边界，才是区分普通参与者与真正推动者的分水岭。作者指出，真正会主动致电请教意见的同行极少，正因如此，当Brad团队展现出同等的投入强度与专业水准时，才格外值得敬佩与感谢。这种尊重不是客套，而是基于对彼此工作质量的共同认可——它超越了公司边界，成为一种基于价值的同行敬意。

你也是，我们也很感激。