SpaceX 迈向 10GW：AI 算力竞争进入马斯克的“舒适区”

正文：

原报告：SemiAnalysis《SpaceX 10GW in 2027 – 这一目标的真实可行性、如何推动 SpaceX 达成 3000 亿美元年收入，以及微软为何将成为最大的客户》，2026 年 8 月 7 日

当面对同样的 1GW AI 算力，两种商业模式的年收入差距可能会达到天文数字，一种模式可能仅能实现数十亿美元的收入，而另一种则可能超越千亿美元，这将引发什么样的变化？

答案或许在于，它将重塑整个 AI 基础设施行业的规则。

在过去两年里，市场普遍通过 GPU 的数量和训练集群的规模来评估 AI 军备竞赛，手握更多 H100、GB200 的企业和拥有更大训练集群的公司被视为 AI 基础设施的佼佼者。

然而，SemiAnalysis 在其最新报告中提出了一个更为激进的视角，指出未来的关键不再是 GPU 的数量，而是每兆瓦电力能够创造的可出售 Token 数量及其带来的收入。

根据其 Tokenomics 模型与推理模拟器的计算，围绕特定前沿模型、GB300 集群、真实 Agentic Coding 工作负载以及 API 定价假设，OpenAI 和 Anthropic 每 1GW 推理算力的潜在年收入可达超过 1000 亿美元，相对而言，报告中假设同样规模的 GB300 集群年度租赁成本大约为 120 亿美元。

这一组数据极为激进，并且高度依赖于模型需求、Token 价格、利用率、延迟要求以及软硬件效率，但它揭示了一个日益显著的问题：为何各大巨头突然开始如此疯狂地争夺电力资源？

如果这一预测成真，SpaceX 接下来可能不仅仅是制造火箭、发射卫星和销售 Starlink，它的目标还可能是成为全球最大的 AI 算力供应商之一。

这意味着，随着提前几个月甚至一年的算力开始显现出巨大的经济价值，AI 基础设施的稀缺性正从芯片竞争转向一场围绕电力、工程和时间的工业战争。

而将复杂工程压缩至极限，正是马斯克最擅长的领域。

SemiAnalysis 报告的关键在于重新评估了每兆瓦的收入。

同一套 GB300 集群，如果仅是以传统的 NeoCloud 模式进行 GPU 租赁，其经济价值主要受设备成本、折旧及租赁价格的影响。

但如果这些 GPU 承载的是前沿模型，并通过 API、Coding Agent、Copilot 等产品直接出售推理 Token，那么每兆瓦的收入潜力将会显著提升。

SemiAnalysis 的测算显示，在 GB300 集群上运行前沿模型的 API 推理时，OpenAI 和 Anthropic 的潜在收入可以超过 1 亿美元/兆瓦/年，换算过来即超过 1000 亿美元/GW/年。

这一测算并非单纯依据 GPU 理论的 FLOPS 外推，SemiAnalysis 将模型架构、显存带宽、服务配置、吞吐量、TTFT、输入 Token、缓存读取、缓存写入、输出 Token 等多个变量纳入模型，同时使用来自真实 Agentic Coding 工作负载的 AgentX Trace 数据。

这表明 AI 基础设施的评估标准正在经历显著的转变。

最早，市场的竞争集中于 GPU 数量，随后转向 FLOPS 和训练集群规模；而进入大规模推理时代后，更重要的指标可能逐渐变为 tokens/sec、tokens/W、tokens/$、tokens/MW，最终落脚于 Revenue/MW。

这也是为什么 GB300 的价值不仅仅在于“比 GB200 更快”。

根据报告模型，在相同的 Fable 5 推理场景中，GB200 NVL72 的潜在收入约为 7340 万美元/兆瓦/年，而 GB300 NVL72 则能提升至约 9970 万美元，这意味着新一代硬件所创造的真正价值在于在相同的电力预算下生产更多高价值 Token。

NVIDIA 也在用类似的语言重新定义 AI 基础设施。

今年 5 月发布的 DSX 平台已将“每兆瓦 Token 性能”作为 AI 工厂的核心指标之一，试图从芯片、网络、软件延伸到电力、冷却及数据中心运营。

随着推理需求从一般聊天扩展到 Agentic Coding、AI Worker、多 Agent 协同与持续运行任务，这一变化将愈加明显。

训练通常具有明确的阶段与周期，而推理需求更接近于“用户数量 × Agent 数量 × 单任务 Token 消耗 × 运行时间”，一旦 Agent 的角色从“回答问题”转向“持续工作”，Token 消耗的上限将被重新定义。

从这个角度来看，AI 算力竞争的下一阶段最值得关注的变量，或许不再是训练集群的规模，而是这些算力最终能产生多少可供用户购买的 Token。

随之而来的问题是，若前沿推理的 Revenue/MW 真有如此之高，为什么 OpenAI、Microsoft 和 Google 不自己建设所有数据中心？

因为 GPU 可以通过资金获取，但电力和时间却并非易如反掌。

大型 AI 数据中心建设从土地获取、电网接入，到变电站、输电设施、设备交付及最终上线，正变得越来越漫长。

而 SpaceX/xAI 在过去两年中展现出的真正能力，恰恰在于将这些环节压缩至极致——例如，SemiAnalysis 统计显示，Colossus 1 的约 300MW 算力在 122 天内完成建设；而 Colossus 2 的约 200MW 用时也仅约六个月。

更为夸张的是电力方面的提升。根据 SemiAnalysis 对 Southaven 项目的跟踪，现场发电设备从 2026 年 2 月的 27 台涡轮、约 495MW，在 7 月扩展至 69 台、约 1.7GW。另一个更接近 Greenfield 模式的 MiniHard 项目，自 3 月开始垂直施工，预计约五个月内即可实现 450-500MW 的产能。

这也是 SpaceX 此轮扩展真正值得关注的焦点。