马斯克给了一个很硬的时间表：30 到 36 个月后，太空将成为部署 AI 算力最便宜的地方。他的逻辑链条是，地面发电增长太慢、审批太慢，而太空太阳能板发电量大约是地面的 5 倍，还不用配储能电池。这个推理跳过了最关键的一环：总拥有成本。他自己在访谈里也承认，能源只占数据中心总成本的 10% 到 15%。如果这个比例大致靠谱，那他是在最便宜的那块上省钱，却把最贵的那块——GPU 集群——搬到了维护成本最高、散热全靠辐射、连网都费劲的轨道上。
我会把他的论点拆成两层看。第一层，地面电力正成为前沿 AI 的瓶颈，这点我基本认同。过去一年，在美国拿兆瓦级电力越来越像个排队问题，变压器、互联研究、燃气轮机订单、地方许可都在拖慢部署。微软、谷歌、亚马逊都在往核电、天然气和自备电厂上靠，xAI 自己的 Colossus 集群也是先搞定发电再填加速卡。马斯克抱怨并网研究要等一年，跟建过大型园区的人聊过就知道这不夸张。
但第二层，“因此太空会比地面便宜”，这个跳跃我不买账。地面缺电不等于轨道计算自动胜出。至少还有四道坎：一是发射成本，整件事得靠星舰级别的经济性才能成立，但正文没给每公斤价格、年发射频次、在轨组装方案和硬件更换周期，没这些数字，“最便宜”就是个口号。二是散热，太空没有空气对流，全靠辐射散热，意味着要加散热板面积、质量和姿态控制，AI 集群本身就是发热大户，散热架构会吃掉一大块载荷预算。三是可靠性，马斯克说 GPU 熬过早期故障期就很可靠，这对地面部署说得通，但在轨道上，单粒子翻转、辐射损伤、电源不稳、连接器失效，故障模式完全不同，加冗余和屏蔽又会推高成本。四是网络，访谈没解释训练数据、检查点和推理流量怎么上下行，延迟和带宽对经济性有什么影响。如果是轨道上做批量训练、少回传，那得明说；如果是主流推理，网络问题就是核心。
这里还有个偷换概念：他把“太空太阳能板发电量是地面 5 倍”悄悄滑向“AI 在太空更便宜”，这是两回事。太阳能板产出只是能源条目下的一个子项，AI 的总成本远不止板子效率。过去一年我们实际看到的趋势是数据中心追着地面电力跑，而不是电力追着 GPU 上太空。CoreWeave、Crusoe、Oracle 和 xAI 都在找有现成电力、土地和散热条件的地方，哪怕地理位置别扭。瓶颈是许可和供应链，不是物理极限。
太空太阳能发电是个老概念，NASA、JAXA、欧空局都碰过几十年，卡点从来不是“能不能在太空发电”，而是“全系统成本能不能打过地面方案”。AI 确实加了个新变量：一个极度耗电、时间敏感、愿意为稀缺能源付高价的高价值负载。但这更可能先催生出极端的地面方案，比如自备电厂、模块化燃气、预购小型模块化反应堆、更激进的液冷和发电资产紧耦合部署，而不是在 36 个月内把“太空最便宜”变成现实。
说实话，这更像把三家公司的叙事叠成一句话。对 xAI，把问题重新框定为能源稀缺而非 GPU 稀缺；对 SpaceX，暗示一个比发射和通信卫星大得多的未来需求池；对特斯拉，给他提到的 AI6 芯片线留了位置。作为战略叙事，很漂亮。作为工程预测，缺了那张成本表。如果让我下注，我会赌太空在通信、感知和某些专用边缘推理上比人们预期更早落地，但不会赌轨道在 36 个月内成为大规模 AI 算力最便宜的场所。标题给了时间表，正文没给成本模型，这还是典型的马斯克风格：方向上有挑衅性，数字上论证不足。