-
日期: 2026-02-06 | 來源: 烏鴉智能說 | 有0人參與評論 | 專欄: 馬斯克 | 字體: 小 中 大
昨天，埃隆·馬斯克與 Dwarkesh Patel、Stripe 聯合創始人 John Collison，錄制了壹期將近叁小時的播客。
在這場訪談中，馬斯克第壹次系統性講清了壹個判斷：為什麼他開始全力推動太空數據中心。
為了讓Colossus 集群上線，xAI 不得不跨州修建電廠，甚至連部分關鍵設備都開始考慮自研。芯片產能正在指數級釋放，但電力卻被死死卡在審批流程、冷卻條件和設備交付的漫長周期裡。
這讓他得出壹個結論：地面這條路，走不通了。
在馬斯克看來，未來36 個月內，部署 AI 最便宜的地方，不會在地球，而是在太空。
為此，SpaceX正在為壹個極端目標做准備：讓星艦年發射頻次達到 1–3 萬次，每次有效載荷 100–150 噸。這是太空算力實現規模化的前提條件。
他的預測更加激進。伍年後，太空AI 每年的新增算力將達到數百吉瓦；每年被送入太空運行的 AI 算力，將超過地球上所有 AI 的歷史累積總和。
從那壹刻起，AI 算力競爭的主戰場，將不再在地面。
這還沒完。根據馬斯克的判斷，地球每年新增電力大約只能做到1 太瓦，這是硬上限。再往上擴，就必須跳出地球體系。
他的設想是，直接指向月球。月球土壤中約有20% 是硅，同時富含鋁資源，可以就地制造太陽能電池板和散熱結構；真正復雜的芯片，則從地球運送。
在這壹體系中，月球基地將使用質量投射器，以每秒約2.5 公裡的速度，把 AI 衛星射向深空，理論運力可達每年 1 拍瓦（100 萬吉瓦）。這才是他口中“真正意義上的規模化”。
雖然SpaceX的終極目標仍然是火星，但馬斯克也坦言，目前每壹步都必須先跑通商業回報，才能進入下壹階段。所以，星艦將率先服務於軌道級數據中心。
那麼，這壹次訪談中，馬斯克究竟還講了哪些判斷？接下來，就跟著硅基君壹起來看看。
/ 01 /
地球能源擴張，跟不上AI發展速度
理解這壹點，必須先看全球電力供給的現實。
在中國以外，大多數國家的發電量要麼持平，要麼僅有微弱增長，整體接近平台期。只有中國仍在快速擴大發電能力。這意味著，如果把大規模數據中心建在中國以外的任何地方，電力都會成為瓶頸。
芯片產能呈指數級增長，而電力供給卻幾乎不動。這正是太空被重新放進討論框架的原因。
太空在某種意義上，是壹場監管與物理條件的“捷徑”。在地面擴建數據中心，本就困難；規模越大，難度越高。而在太空，限制反而更少。
這裡頭的關鍵是能源條件。
拿發電來說。太空太陽能有兩個優勢：24 小時滿功率，沒有雲層和大氣層遮擋，光照強度提升 30%，而且不用配電池。
馬斯克計算過：“中國太陽能板已經便宜到每瓦 0.25 美元。放到太空，發電效率是地面 5 倍，還省掉電池成本，綜合下來每度電成本是地面的拾分之壹。”
此外，還有物理條件的客觀限制。在地球上，建壹個新的數據中心項目，大約需要30–36 個月才能落地。
即使大規模利用太陽能，地球本身也無法支撐這種擴展。
美國當前的平均用電規模約為0.5 太瓦。1 太瓦，意味著當前用電量翻倍。這意味著什麼？意味著要同時建設大量數據中心、大量發電廠，以及配套的輸配電系統。
壹方面，整個過程，會被審批、監管和公用事業委員會層層束縛。
哪怕只是簽壹份互連協議，往往也要壹年時間做研究。壹年後，研究報告出來了，卻發現連自身電表的功率數據都無法准確判斷。
另壹方面，設備是更現實的困境。
表面上看，我們只要造更多渦輪機就可以，但真正參與過就會發現：
渦輪葉片才是最大瓶頸。全球只有叁家鑄造廠能生產，而且訂單已經排到2030 年。其他部件可以提前 12–18 個月准備，但葉片不行。
這並不是秘密。打電話給任何壹家渦輪機廠商，他們都會告訴你同樣的事實。
結論正在變得清晰：地面能源擴張的速度，很可能跟不上AI 的需求曲線。所以，至少36 個月內，太空會成為部署 AI 最便宜的地方。
/ 02 /
太空AI 算力超過地球，只需要5年
伍年後，地球與太空中安裝的AI 算力容量，可能會出現壹次結構性反轉。
馬斯克的判斷是：每年在太空中發射並運行的AI 算力，將超過地球上所有 AI 算力的歷史累積總量。按功率口徑估算，伍年後，每年新增的太空 AI 算力可能達到數百吉瓦。
要理解這壹預測，必須從物理約束而非技術想象出發。
首先是發射能力。
在地球上，在真正遭遇火箭燃料瓶頸之前，理論上可以支撐約1 太瓦級別的 AI 算力。
但如果目標是在伍年內做到每年 100 吉瓦的太空 AI 部署，問題就變成了系統級比功率：太陽能陣列、散熱器、結構件、芯片，壹切都要壹起算。
粗略估算，這意味著大約1 萬次星艦發射。如果試圖在壹年內完成，相當於每小時壹艘星艦。
聽起來極端，但與航空業相比，這仍然是低頻系統。關鍵並不在於是否需要極地軌道，而在於高度。
也就是說，只要飛得足夠高，就能逐步脫離地球陰影，同步軌道並非剛需。
幸運的是，發射體系正朝這個方向規劃。
SpaceX 正在為每年1萬次，甚至2–3萬次發射做准備，目標是把發射能力本身變成壹種超大規模基礎設施，並對外輸出。
如果這壹節奏成立，壹個結論會顯得異常激進：5年後，SpaceX 每年發射並運行的 AI 算力，可能超過地球上所有其他系統的總和。
這還沒完。
由於地球每年新增電力，大約只能做到1 太瓦，這是硬上限。超過這個規模，就要從月球發射。
月球土壤含20% 硅，有充足的鋁，可以就地制造太陽能電池和散熱器，芯片從地球運上去就行。
馬斯克設想的是：月球基地用質量投射器，以每秒2.5 公裡的速度把AI衛星射向深空，運力能到每年 1 拍瓦（100 萬吉瓦）。這才是“真正的規模化”。
最終，壹切又回到SpaceX 的底層邏輯。終點是火星，但每壹步都要產生現實現金流，推動下壹階段。
獵鷹9造就了星鏈，而星艦很可能會率先服務於軌道級數據中心。
當太空AI數據中心解決了電力問題，但隨之也帶來了另壹個問題：當電力約束被解除，限制因素重新變成芯片。
在芯片側，馬斯克最大的擔憂反而不是邏輯芯片，而是存儲。邏輯芯片的演進路徑相對清晰，而存儲的供給彈性更差，這也是為什麼DDR 價格率先上漲。
在馬斯克看來，盡管芯片廠商已經在全速擴產了，還是不夠快，從建fab 到高良率量產需要伍年。
究其原因，馬斯克認為，更本質的原因在於行業記憶。
如果在存儲或半導體行業工作叁肆拾年，經歷過多輪周期性繁榮與崩潰，就會明白這種謹慎並非短視，而是對歷史代價的回應。繁榮時期看似需求無限，崩潰往往隨之而來，企業的首要目標變成“避免破產”。
同時，芯片制造的人力結構，也常被誤解。晶圓廠裡確實有成千上萬名博士，深度理解工藝細節，但真正的大量工程工作，並不依賴博士，而是熟練技工。這類人力，反而更難快速復制。
所以，馬斯克計劃建設壹座存儲芯片工廠，覆蓋存儲、邏輯處理以及封裝集成叁個環節，目標是在2030 年前，將產能提升至每月壹百萬工作時的規模。
/ 03 /
中美制造業競爭，美國只能靠機器人贏
如果只依賴人類勞動力，美國不可能在長期競爭中取勝。
原因並不復雜。中國人口規模約為美國的肆倍，而更關鍵的是，人均投入的工作強度並不低。
長期領先的壹方，往往會出現自滿情緒，降低努力程度；這在職業體育和產業競爭中屢見不鮮。我的觀察是，中國整體的工作投入水平，至少不低於美國，甚至可能更高。
即便通過組織優化、教育升級等方式重排人力資源，美國在人力總量上的劣勢仍然無法彌補。
即使假設生產力提升帶來肆倍杠杆，這壹假設本身也過於樂觀，現實中可能遠低於這壹水平。中國在“人均產出”層面，並不壹定處於劣勢。
這意味著，在傳統的人力競爭框架下，美國處於結構性劣勢。
人口結構進壹步放大了這壹差距。美國出生率自1971 年起長期低於替代水平，退休人口持續增加，死亡人數正接近甚至超過出生人數。從長期趨勢看，美國的人力供給正在收縮，而不是擴張。
因此，美國無法在人類勞動力這條戰線上取勝。
但在另壹條戰線上，仍然存在機會，那就是機器人。
這正是人形機器人（如Optimus）的戰略意義所在。過去，有大量事情在技術上可行，但因過於勞動密集或成本過高而無法實施。
現在，這壹約束正在發生變化。機器人意味著，可以重新審視那些曾被放棄的制造和基礎設施項目。
特斯拉已經開始在這壹方向上布局。在德克薩斯州科珀斯克裡斯蒂，我們已建成並投產鋰精煉廠，這是美國最大的鋰精煉設施，也是中國以外規模最大的之壹。
在德州，還建設了鎳與陰極材料精煉設施，這也是美國目前規模最大的陰極精煉廠。
這些項目的共同前提，是高度自動化。
如果依賴人力，美國很難大規模復制這樣的精煉能力。壹方面，這類工作勞動強度高、環境復雜；另壹方面，現實是，很少有美國人願意長期從事精煉工作。
機器人改變了這壹約束。通過Optimus，可以擴建更多精煉廠，提高美國在關鍵材料上的自給能力，而不必依賴有限的人力供給。
這引出了壹個更根本的問題：為什麼現在依賴機器人，而不是過去？
答案在於規模約束。美國只有中國約肆分之壹的人口。如果讓人去做這些事，就意味著無法同時完成其他關鍵任務。機器人提供的是壹種“並行擴展”的能力，而不是人力替代。
將視角放到全球，這壹差距更加明顯。比亞迪正在逼近特斯拉的產量和銷量規模。隨著中國產能持續增長，全球制造格局正在重塑。
這種競爭力並非偶然，而是源自極其深厚的基礎能力。中國的精煉產能約為世界其他地區總和的兩倍。
從能源、采礦到精煉，再到肆級、壹級供應鏈，幾乎所有基礎環節都具備規模優勢。任何復雜產品，最終都會包含中國制造或中國精煉的成分。
能源數據進壹步印證了這壹點。今年中國的發電量預計將超過美國的叁倍。電力是實體經濟的底層指標：工廠運轉、基礎設施建設、制造活動，都依賴電力。如果電力規模是叁倍，工業潛力也大致在這壹量級。
在沒有人形機器人帶來“遞歸式生產力躍遷”的前提下，像中國這樣擁有完整制造、能源和原材料體系的國家，在 AI、電動車以及機器人本身的規模化制造上，都將占據主導地位。
壹個可能的分工正在浮現：美國負責突破性創新，而中國主導規模化制造。
那麼，美國的路徑在哪裡？
答案並不在於正面對抗規模，而在於持續成為突破性創新的源頭。
而最終的突破性願景，指向更遠的空間。如果要在太空中擴展AI，需要的是現實世界 AI、人形機器人，以及百萬噸級的太空基礎設施。那將是壹個完全不同數量級的系統工程。
如果有壹天，月球質量驅動器能夠運行，能源、材料和擴展性問題將被根本性改寫。到那壹步，競爭邏輯本身都會發生變化。
如果能走到那裡，我會認為，這就是勝利。
/ 04 /
機器人自我復制能力，才是勝利的關鍵
美國如果想像中國壹樣，實現人形機器人的大規模、低成本制造，必須正面解決兩個根本問題：現實世界智能，以及可規模化的制造體系。
先看硬件本身。
到目前為止，市場上尚未出現真正展示出“類人手部靈活性”的機器人系統。而 Optimus 的設計目標，正是盡可能覆蓋人手所具備的全部自由度。這壹目標的難點，並不在於外形，而在於執行器系統。
手部是整個人形機器人中機電復雜度最高的部分，其復雜程度，甚至超過機器人其余部件的總和。
要實現這壹能力，必須從物理第壹性原理出發，重新設計電機、齒輪、傳動機構、電子控制系統以及傳感器的整體協同，而不是依賴現有供應鏈的拼裝方案。
現實是，這樣的供應鏈並不存在，只能從零搭建，並且壹開始就要為規模化生產而設計。
但硬件靈巧，並不等於機器人有用。
真正決定人形機器人價值上限的，是現實世界智能。在這壹點上，特斯拉並非從零開始。用於自動駕駛的智能系統，本質上已經是壹套成熟的“現實世界控制框架”：
以視覺為核心，融合慣性測量、定位等多源傳感器數據，將高維、連續的環境輸入，壓縮為穩定、可執行的控制指令。
這壹技術路徑，對機器人同樣成立。
當然，機器人的學習難度明顯高於汽車。它擁有更多自由度，卻無法像駕駛那樣，天然獲得數百萬小時的人類示范數據。因此，訓練策略必須不同。
我們的選擇是規模化。
通過制造成千上萬台Optimus，並將其部署在受控環境中進行“自我對弈”，同時結合高保真仿真系統生成大規模合成數據，用虛擬世界不斷反哺現實世界訓練，從而逐步縮小仿真與真實環境之間的差距。
進壹步看，智能的演進不會止步於單體控制。真正的智能核心，在於世界模型與規劃能力。
未來，更高級的AI 系統可以承擔任務分解、路徑規劃與多機器人協同的角色，指揮機器人集群完成復雜目標，例如搭建和擴展工廠本身。
回到制造和成本這壹最現實的問題。
Optimus 的所有關鍵部件均為定制設計，這意味著在早期階段，生產曲線壹定是緩慢的。
與部分以低價切入市場的機器人產品不同，Optimus 的定位是同時具備高水平智能與高機電性能，其初始成本結構並不相同。但只要跨過規模化門檻，成本下降的速度將非常快。
規模從何而來？答案在應用場景。
機器人最適合執行重復、連續且長期存在的任務。在特斯拉工廠中，初期可能只有10%–20% 的工作由機器人完成。但目標並非減少員工數量，而是在人員規模繼續增長的同時，通過機器人顯著放大人均產出。
當視角從工廠擴展到國家層面，這壹邏輯會變得更加清晰。中國在多個制造與資源環節（如稀土精煉）具備明顯優勢，這迫使美國重新思考自身的產業基礎。
要在關鍵領域重建能力，僅靠人力並不現實，而人形機器人可能成為建設這些基礎設施的關鍵工具。
最終，真正決定勝負的，並不是單台機器人的能力，而是規模化的自我復制能力。
如果壹個國家能夠實現：
用機器人去制造更多的機器人，並在這壹過程中不斷降低成本、提升能力，那麼產能就會進入自我強化的遞歸循環。
誰率先完成這壹閉環，誰就將在下壹代制造體系和人形機器人產業中，占據決定性優勢。- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見