
SpaceX 又簽 AI 算力協議 — Musk 的 AI 版圖到底在佈什麼局?
SpaceX 把 AI 算力租出去,這才是 Musk 最聰明的一步棋
> Meta Shift
每個月 1.5 億美金,合約跑到 2029 年。
這是 Reflection AI 跟 SpaceX 剛簽下的算力協議規模。加上之前跟 Anthropic(每月 12.5 億)、Google(每月 9.2 億)的合約,SpaceX 的 Colossus 2 數據中心光靠租算力,一個月收進來的錢就超過 23 億美金(來源:TechCrunch)。
這三張合約加起來上限是多少?光 Reflection 這張就值 63 億美金,另外兩張還更大。SpaceX 已經不只是火箭公司,它現在是全球最貴的 AI 算力房東之一。
這件事值得仔細拆解的原因不只是錢的規模,而是策略時機。
Musk 在 xAI 方向上最近有點不順,Grok 系列的市場反應沒有當初想的那麼爆發,和 OpenAI、Anthropic 相比還是有段差距。但 xAI 的基礎設施 Colossus 數據中心,是在 Memphis 蓋起來的真實算力存在 — 裡面跑的是 Nvidia 最新的 GB300 晶片。
Musk 的選擇是:模型競爭暫時打不贏,那就先當基礎設施的受益者。
這讓我想到當年 AWS 的故事。Amazon 內部需要算力,就蓋了一套基礎設施,後來發現這個基礎設施本身就是生意。SpaceX 現在走的,有點像那條路 — 只是順序反過來,是先有 xAI 的算力需求,然後發現外租更划算。
商業模式拆解:算力租賃是目前 AI 圈最穩的生意
先看數字。
SpaceX 目前已知的三張算力合約:
- Anthropic:每月 12.5 億美金,到 2029 年 7 月
- Google:每月 9.2 億美金,到 2029 年 7 月
- Reflection AI:每月 1.5 億美金,從 2026 年 7 月到 2029 年,合約上限 63 億
三張合約加總,SpaceX 光從算力租賃這塊,每個月的收入上限約落在 23 億多美金。這個數字比大多數 AI 新創的 ARR 還高。
但有幾個細節要注意:
1. 合約都有退出條款
Musk 自己公開強調,這些合約在前三個月後隨時可以 90 天通知終止。這對 SpaceX 來說是雙面刃 — 客戶可以跑,但 SpaceX 也可以隨時重新談條件或收回算力自用。這個彈性設計,讓 Colossus 不會被單一客戶綁死,也暗示 SpaceX 對自己的算力有更大的盤算。
2. Colossus 的硬體是真正的稀缺資源
GB300 晶片現在就是一個字:搶。各家 AI lab 都在搶 Nvidia 的配額,SpaceX 能拿到這批晶片並且整合成可出租的數據中心,本身就是護城河。競爭者要複製這個,不是有錢就行,你還需要 Nvidia 願意賣給你、還要有地方蓋機房。
3. 定價策略呈現了客戶的算力需求層級
Anthropic 付 12.5 億、Google 付 9.2 億、Reflection 付 1.5 億 — 這個價差反映的不只是規模,也反映了每家公司對算力的依賴程度。Anthropic 的 Claude 系列是核心業務,算力就是命;Google 有自己的 TPU 但還是需要補充;Reflection 是新創,1.5 億對它來說已經是重大承諾。
從投資角度看,這個業務模式很吸引人:客戶是頂級 AI lab,付款能力不成問題;算力是剛需,短期不會消失;合約期三年,現金流相對穩定。唯一的風險是 xAI 自己如果突然需要大量算力,可能要跟外部客戶搶資源 — 這個內部衝突目前還沒看到公開的解法。
競爭格局:算力出租這條賽道,現在還沒人能正面硬剛 SpaceX
| 供應商 | 硬體規模 | 主要客戶類型 | 護城河 |
|---|---|---|---|
| SpaceX / Colossus | GB300,Memphis 大規模集中部署 | 頂級 AI lab(Anthropic、Google、Reflection) | 稀缺晶片 + 大規模整合能力 |
| AWS / Azure / GCP | 分散式雲端,自有晶片混用 | 企業、中小型 AI 開發者 | 生態系整合、全球節點 |
| CoreWeave | 純 GPU 雲,Nvidia 重押 | AI lab、中型模型訓練 | 專注 GPU 優化 |
| Lambda Labs | 較小規模 GPU 租賃 | 研究機構、小型 lab | 低門檻切入 |
SpaceX 的定位比較特殊 — 它不是要跟 AWS 搶企業雲的生意,它在搶的是「需要大量算力做前沿模型訓練」這個超高端市場。這個市場的客戶很少,但每一個都能付出瘋狂的費用。
CoreWeave 是目前最像的競爭者,同樣走 Nvidia 晶片專注路線,也拿到了一些大型 AI lab 的合約。但 CoreWeave 的規模和整合程度,目前還是比不上 Colossus 那種單點集中的瘋狂密度。
Reflection AI 為什麼選 SpaceX 而不選 CoreWeave 或直接上 AWS?答案很可能就是:GB300 晶片,而且是現在就能用。Reflection 公告說合約從 7 月 1 日就開始,這種「immediate access」在現在的晶片荒環境裡,本身就是稀缺能力。
Meta 判讀:這是一次 Meta Shift,不是 Patch Note
這件事的意義不只是一張新合約。
這是 SpaceX 正式確立「AI 算力基礎設施提供商」身份的訊號。
之前跟 Anthropic、Google 的合約可以解讀成「Musk 順手賺一筆」,但現在連 Reflection 這種相對小型的開源 lab 都進來了,表示 SpaceX 已經在主動做客戶開發,而不是被動等大客戶上門。
這讓我想到的歷史案例是:早期電信公司蓋好骨幹網路之後,開始賣頻寬給 ISP。那個時代,擁有實體基礎設施的人,不管上面的應用是誰在跑,都先賺到錢。
Reflection 這個案例還有一個有趣的角度:它是開源 AI lab,選擇跟 SpaceX 合作,其實帶有一點政治表態的意味。原始文章提到,美國政府已經禁用了 Anthropic 的 closed model(Fable 和 Mythos),這讓開源模型的戰略價值急速上升。Reflection 用這次合約的時機大聲說:「開源才是未來」,而 SpaceX 選擇跟開源 lab 合作,也間接表達了一種立場。
如果說 xAI 的模型競爭是 Musk 在 AI 圈的「正面攻城」,那算力出租這條線就是「側翼繞後」— 不管最後哪家模型贏,算力的錢 SpaceX 都先收著。
這盤棋老實說下得不錯。
工程師該怎麼看這件事
如果你是工程師,這個新聞最值得關注的其實不是 SpaceX,而是 Reflection AI 的崛起路徑。
Reflection AI 是 2024 年才成立的,創辦人是兩個從 Google DeepMind 出來的研究員,走開源路線。現在它簽了一張每月 1.5 億美金的算力合約,意思是它接下來幾年有足夠的算力去訓練真正的 frontier 模型。
開源 AI 生態現在的走向是:幾個資金充足的 lab(Meta、Mistral、Reflection)靠開源建立社群和信任,同時用這個信任換到更多融資和算力,形成飛輪。工程師如果在做 LLM 相關的應用開發,現在評估 base model 的時候,開源 frontier model 的選項正在快速增加 — 不只是 LLaMA 了。
從職涯角度,算力基礎設施這個方向的工程需求只會增加。不管是分散式訓練、GPU cluster 管理、還是 inference 最佳化,這些技能組合在接下來幾年都是硬需求。不需要去 SpaceX,任何在做大規模 AI 訓練的公司都在搶這方面的人才。
Reflection 這次進場,市場上多了一個有資源跑大模型的開源競爭者。對用 LLM 做產品的工程師來說,好事。
Waiting7777
WoW Arena 冠軍轉前端,用電競 meta 思維拆解技術趨勢。
相關文章
AIAI Agents+1AI 寫的 code 都是 slop?一個月 11,000 個 PR、revert 率 0.5% 的團隊怎麼做
Lauren Tan(poteto)在 AI Engineer 講她的團隊一個月發 11,000 個 PR、revert 率還維持在 0.5%,靠的不是更好的模型,是把規則寫成 lint、把 token 花在驗證上,聽完回頭看自己的 repo,發現踩過的坑只寫在註解裡,沒有任何檢查會擋。
2026年11月17日 · Waiting7777 · 9 分鐘閱讀
繼續閱讀 →
AIAI Agents+1換到新模型之後,寫給 AI 的規則檔要怎麼整理?拆解 Anthropic 的 prompt-audit
換了新模型之後,之前對著舊模型調出來的 CLAUDE.md 跟 skill 要不要跟著整理?把 Anthropic 公開的 prompt-audit 從頭讀了一遍,看它怎麼判斷哪句該刪、哪句不能刪,再拿自己的 code review skill 試一次,結果一行都沒少。
2026年11月16日 · Waiting7777 · 8 分鐘閱讀
繼續閱讀 →
AIAI Agents+1做 code review agent 之前,我先拆了阿里的 open-code-review
規劃 code review agent 時越做越發現什麼都能寫成 code,於是拆了阿里開源的 open-code-review,看它怎麼把不能錯的步驟交給程式、只把判斷留給模型,整理成七條設計原則,再回頭判斷這件事到底該不該做成 agent。
2026年10月27日 · Waiting7777 · 9 分鐘閱讀
繼續閱讀 →這篇文章對你有幫助嗎?
每週一篇 — 技術趨勢背後的商業邏輯
AI 產業在變什麼、工程師該注意什麼——拆清楚寄到你的信箱。