🚀 SpaceX 深度解读播客内容（嘉宾 Gavin）
😀 本期带来关于 SpaceX 的精彩播客内容，嘉宾为 Gavin。
💡 一、SpaceX：机构投资者必买、必持的投资标的
🤔 格斯特纳表示：我们如今都普遍看好通用人工智能（AGI）的发展前景。如果认同 AGI 的发展趋势，就意味着人类需要搭建远超市场预期规模的算力，而各类 AI 模型的价值也会大幅超出大众想象。将这一趋势和 SpaceX 的核心业务结合来看，我找不到第二家企业或创业者，能像 SpaceX 一样精准押注未来。因此在多数机构投资者眼中，SpaceX 是必须买入、长期持有的标的，只需长期布局，就能同时把握太空产业与人工智能两大未来风口。
📊 谈及该企业 IPO 的多空双方观点，看空者主要参考其去年 1800 亿美元的营收数据，再结合投行预测的三年后 16000 亿美元营收，提出质疑：全球范围内，极少有企业能在三到四年内实现营收翻 8 倍。但以分析师的视角、依托第一性原理逐层拆解就能发现，星链（Starlink）的业务目标完全可以落地，地面 AI 算力布局也具备十足可行性。在完成对 Cursor 的收购之后，其商业模式还将迎来额外增长空间。三年之后，市场大概率会达成共识：当初看好这家企业的逻辑其实十分浅显。
💰 此前该企业估值是过往营收的 100 倍，在接连签署多项合作协议后，目前估值已降至过往营收的 39 倍。该企业仅一个月内就新增了 2900 亿美元相关收入，这样的发展速度前所未有。
☁️ 二、埃隆网络服务：30 天跻身全球第四大超大规模云服务商，变现能力行业顶尖
📈 贝克提到：克拉克的分析数据显示，XAI 与谷歌达成的云计算合作业务，每吉瓦算力创造的营业利润，超过 Anthropic、Meta、谷歌以及 OpenAI。弗雷达测算得出，Colossus 1 项目的内部收益率达到 55%。如果能以 6%、7% 或 8% 的利率融资，再投入到收益率 55% 的项目中，从商业逻辑来看是完全可行的。
🏆 目前该企业在全球超大规模云服务商中位列第四或第五，在和谷歌达成合作后，正式跃居全球第四。短短 30 天，它从原本并非 AI 超大规模云服务商的身份，完成跨越式赶超，一举超越甲骨文等众多同行。
💸 福克斯分析称，按照 16000 亿美元的营收目标推算，其人工智能业务每年每吉瓦算力的变现规模约为 1400 亿美元。该企业刚以 22 至 23 的合作价格与 Anthropic 签约，又以 50 的合作价格拿下谷歌，由此可见，其地面人工智能业务依然具备极高的投资价值。
⚡ 格斯特纳补充道，黄仁勋曾评价埃隆是独一无二的人物。这家企业创下的成绩也堪称行业特例：坐拥10 万块 GPU，打造出目前全球运算速度最快的超级计算机。常规情况下，一台超级计算机的规划周期需要三年，调试上线还需一年时间，而该企业仅用 19 天就完成了全部工作。
🏗️ 三、数据中心并非普通大宗商品：依托第一性原理完成创新设计
🧐 贝克表示，市场上有一种观点认为数据中心属于同质化的大宗商品，但我并不认同。埃隆此前依托第一性原理重新设计火箭，实现火箭可重复使用，也用同样的思路打造出全新电动汽车。如今他也以第一性原理重构数据中心设计，打造出了从底层逻辑上截然不同的产品。
⏱️ 我也曾提醒团队：对于那些在业内人士看来十分基础、却能给外界带来颠覆性启发的数据中心设计思路，不必过度对外公开。团队打造的产品差异化优势，或许比大家自身感知的还要突出。这也是该企业仅用 122 天就完成数据中心搭建的核心原因。在工程建设领域，时间成本等同于资金成本，项目拖延的每一天，都要持续支付施工人员的薪酬。
🔧 唐说道，目前全球仅有两到三家企业，能够稳定完成表后数据中心的建设工作。对于 GE Vernova 这类手握有限燃气内燃机产能的企业而言，产品优先供给 XAI 以及 NeoCloud 这类新兴云服务公司会是更优选择。GPU 通电启用、交付速度越快，整条产业链上的所有参与者都能获得更多收益，对于供应商而言，效率就代表收益。
🌌 四、轨道计算的经济优势：每吉瓦算力投入 500 亿美元，远低于地面的 2000 至 2500 亿美元
💵 福克斯测算得出，每一次星舰发射，大约可以提供 5 兆瓦的算力容量。以此推算，在太空部署算力设施，每吉瓦算力对应的资本支出约为 500 亿美元。反观地面算力设施，综合交换机、发电机、变压器、机房主体以及电力配套等所有成本，当前每吉瓦算力的投入高达 2000 至 2500 亿美元。太空方案能让近半数硬件物料的成本直接降低五倍。
🚀 星舰采用两级可重复使用设计，大幅压低了单位重量发射成本。猎鹰火箭的单位发射成本为每公斤 1500 美元，而星舰可以将这一成本降至每公斤 250 美元甚至更低。火箭重复使用的次数越多，单次发射的分摊成本就越低，最终成本会无限趋近于燃料本身的价格。
🏦 格斯特纳分析，现阶段在地面搭建 1 吉瓦算力设施，整体投入约 6000 亿美元，其中 3500 亿美元用于 GPU 及芯片等硬件，剩余 2500 亿美元用于土地、机房、供电与散热配套。土地、电力、散热这类资源的成本长期存在通胀压力。而在太空环境中，空间、电力、散热几乎无需额外成本。在太空部署 1 吉瓦算力，整体投入仅需 3000 亿美元，且后续运营成本更低。只要设备可靠性与维护成本不会出现大幅恶化，太空算力的商业逻辑就完全成立。
📌 福克斯认为，轨道计算业务并非支撑该企业 IPO 估值的核心，但它依旧是具备重要价值的业务板块。
🧩 五、收购 Cursor：最被市场低估的增长抓手
📚 贝克介绍，据了解，Cursor 与 Anthropic 手握的专有编码数据令牌总量，超过全球任何一家同行，甚至单独一家的存量，都超越了整个互联网公开领域的编码数据令牌总和。Cursor 基于 Kimi K2.5 模型，结合自身私有数据开展强化学习与有监督微调，打磨出性能优异的模型。之后团队在 Colossus 2 算力集群中完成三周训练，产出的新模型在综合性能上，全面超越了 Composer 2.5。这足以证明 Cursor 的编码数据价值极高，也意味着 XAI 与 SpaceX 有实力在代码大模型领域占据一席之地。
🤖 目前参数规模达 1.5 万亿的 Grok 4.3 模型正处于训练阶段。结合大模型缩放规律判断，这款模型会成为性能更强的基础模型。同时，团队将 Cursor 的优质数据融入模型预训练环节，而非仅用于后续强化学习，这一动作会成为影响模型发展的关键变量。当企业在模型综合性能维度建立多重优势后，只要算力供给充足，业务就能实现飞速扩张。
✨ 格斯特纳表示，市场普遍忽略了一个关键点：这家企业在前沿大模型研发领域的实力，已经实现跨越式提升。迈克尔带领的 Cursor 团队整体并入 SpaceX，这支团队实力出众。如果后续市场出现超预期利好，这一业务板块最有可能带来惊喜，也是目前关注度最低的潜力领域。
🔋 唐透露，结合多方沟通信息来看，该企业已经锁定了 Vera Rubin 芯片初期近 20% 的产能，而这类高端芯片在当下处于极度紧缺的状态。
🎭 六、Fable 5、Mythos 模型与诺姆・布朗的观点：我们尚未摸清大模型的真实能力
💭 贝克提出，目前还没有机构让 Mythos 模型持续稳定运行满一年。大模型迭代速度极快，下一代产品落地之前，业内根本没有充足时间去完整评估上一代模型的智能水平，我们或许永远无法精准定义每一代大模型的真实能力，这是一个值得深思的观点。
💡 我们可以做一个设想：假如爱因斯坦全天候钻研基础物理，无需休息、不会衰老、智力也不会衰退，持续思考一整年，如今很多难解的科学难题或许早已被攻克。基于这个逻辑，即便此前我十分看好算力赛道，当下的乐观程度还要再提升一个层级。
🧪 唐分享了实际测试体验，团队近期一直在深度测试 Claude 系列模型。Fable 5 模型展现出的能力，是前一日使用 Opus 4.8 模型时无法实现的，它在多智能体协同调度方面表现尤为出色。我将七款不同模型的逻辑假设、台积电产能等信息整合输入，要求模型梳理观点并出具综合报告，模型自主梳理出各项假设之间的逻辑矛盾。我还导入了三年间的工作笔记，模型精准区分出笔记中前后一致的观点，以及和现实发展高度匹配的有效信息，而团队的使用额度也因此快速耗尽。
💻 格斯特纳举例，相关测试数据显示，Stripe 一套包含 5000 万行代码的 Ruby 代码库，借助大模型仅用一天就完成重构，传统模式下则需要多名工程师耗时数周。如果长期运行的智能体模型能够稳定落地，未来全球的令牌生产与消耗规模，将达到难以预估的水平。
📊 七、前沿模型攫取九成价值，开源模型承载八成令牌消耗
⚖️ 贝克认为两种现象可以同时存在：行业绝大部分商业价值，会持续流向前沿闭源大模型，目前市场格局也确实如此；而全球范围内八成以上的令牌消耗，都来自开源模型，这一现状大概率会长期延续。
🔧 Harvey 团队基于自身专属法律数据，在 Fireworks 平台上对开源模型开展强化学习与有监督微调，再搭配路由调度机制，最终以更低的成本，实现了超越 Opus 4.7、Opus 4.8 的效果，这也会成为行业未来的主流模式。这类企业虽然也会使用 Opus 系列模型，但大部分令牌消耗都来自自研开源模型。
📈 格斯特纳说道，今年年初市场普遍判断，开源模型与低价令牌服务会快速追平前沿模型性能，大模型能力会逐渐触顶，用户也不会再愿意为高端令牌付费。但半年以来的市场表现完全相反，前沿模型相关业务拿下了行业九成以上的营收，此前的市场判断被彻底推翻。以摩根大通为例，后台运营、客户服务等常规业务会选用开源模型，但编码等高价值工作，企业绝不会选择性能平庸的模型。日常出行订票、客户身份核验这类基础工作，自然不需要顶尖能力的大模型加持。
🔌 贝克补充了开源模型对产业链的影响，很多人认为开源模型的发展会对 AI 行业形成利空。实际上，开源或许会分流前沿模型的利润，但对于算力、硬件厂商而言却是重大利好。一旦前沿模型的利润空间被压缩，市场就会进一步加大算力采购投入。开源生态发展得越好，算力服务商的收益就越高。
🛠️ 八、英伟达：直面开源挑战，布局新赛道
😏 贝克调侃道，同行打造出专用集成电路（ASIC）产品，而英伟达也做出回应：开源领域是否愿意向前沿阵营靠拢？业内普遍认为，英伟达极有可能成为全球开源人工智能领域的主导服务商。现阶段开源模型整体性能，依旧比前沿模型落后大约六个月，但双方的差距正在逐步缩小。
🤝 如果所有客户都开始自研产品、和英伟达形成竞争，那么英伟达也可以反向入局，参与市场竞争。英伟达自研的多款模型性能出色，Nemotron 3.1 就在算力效率上表现亮眼。目前英伟达一直优先推出小型模型，避免直接和 Anthropic、OpenAI、谷歌形成正面冲突，但这只是现阶段的选择。一旦行业商业格局发生改变，英伟达有能力快速切入前沿大模型赛道，以远超市场预期的速度成长为全球头部云计算企业。
⚠️ 倘若开源模型持续缩小和前沿产品的差距，相关企业很可能会因为营收与利润不足，难以持续投入资金研发专用集成电路。
📈 唐分析行业竞争格局，此前市场都预判英伟达的市场份额会大幅下滑，但纵观近几年发展，英伟达始终稳固占据主流市场份额。再结合 Anthropic 此前极少采用英伟达芯片这一因素来看，在 2025 至 2026 年，英伟达的市场份额甚至有所提升。在专用集成电路赛道，行业趋势逐渐转向基于实际业务负载做定制化设计，联发科 V8T 与博通面向 TPU 的 V8i 芯片形成对标，行业格局不再是此前英伟达与博通二元对立的简单局面。
⚡ 业内如今重点关注各大企业在 OpenAI 千兆瓦级算力项目中的布局，英伟达布局 10 吉瓦、博通 10 吉瓦、AMD 凭借相关权证对应 6 吉瓦、Cerebras 拥有