全部 · 2026-02-11

马斯克给了一个很硬的判断：太空会在 36 个月内成为部署 AI 最便宜的地方，理由是 AI 训练与推理会冲向太瓦级用电，而美国平均总负荷只有约 0.5 太瓦。这个判断里，前半句我认，后半句我很怀疑。电力会先卡住算力扩张，这件事过去一年已经被一堆 hyperscaler 的 capex、并网排队和变压器交期反复验证；但“因此太空更便宜”中间还差了至少三层工程闭环，正文没补上。 先说我认的部分。现在大模型竞争，早就不是单纯比参数和 benchmark 了，而是比谁能拿到连续电力、冷却、土地、变压器和并网许可。微软、谷歌、亚马逊、Meta 过去一年都在往电力上游延伸，这不是概念争论，是财务动作。我没法在这条短视频里核实 Musk 提到的所有口径，但“软件人要补硬件课”这句判断是对的。你真要堆到吉瓦级甚至更高，麻烦从来不只在 GPU，变压器、开关设备、配电、散热、施工队伍、并网审批全是长板瓶颈。过去两年美国数据中心最常见的抱怨之一，就是不是买不到芯片，而是电接不上。 问题出在他把“地面扩容很难”直接推到了“太空最便宜”。这一步我不太买账。便宜不是只看发电端。太空太阳能理论上接近连续、无云层、单位面积辐照稳定，这些都成立；但 AI 不是只吃电。你要把计算硬件送上去，要做辐射防护，要处理热管理，要做在轨维护或冗余容错，还要把结果高速回传。任何一个环节失手，所谓每 token 成本就会被运维和折旧打穿。正文只讲了 power plants 和 transformers，没讲 launch cadence、在轨更换 GPU、故障率、链路延迟、地面站成本，也没给一组每千瓦或每 token 的测算。这些不披露，“最便宜”只能算口号。 还有一个物理账得摊开。数据中心在地面最头疼的是供电和散热。放到太空，供电压力部分转成太阳能阵列面积，散热问题却不会消失，反而更麻烦。地面可以靠水冷、蒸发冷却、环境温差和成熟运维体系解决；真空环境没有对流，最后主要靠辐射散热。辐射散热能做，但设备体积、质量和结构复杂度都上来。AI 集群的功率密度越高，散热系统越不像一个可忽略的附属件。我自己没看到 Musk 在这段里回应这一层，所以这条判断听着猛，工程上还没闭环。 回到行业语境，这更像是 SpaceX 叙事和 xAI 叙事的一次拼接。过去一年，大家都在谈 AI datacenter 像“电厂附属建筑”，甚至核电重启、天然气直连、现场发电都被重新拿出来。Musk 只是把这个逻辑再往前推一步：既然地面电力难，干脆把算力搬到轨道上。想法不荒唐，但时间表过于激进。我印象里，哪怕按 Starship 成功把公斤入轨成本继续压低，距离“适合连续运行的大规模在轨算力平台”也不是发几次火箭就够。发射成本下降，只解决了门票，不解决长期维护、替换周期和网络体系。 我还想补一个文章外的对比。Nvidia、OpenAI、Anthropic 这类公司过去一年再怎么喊 AGI，落地扩张依旧优先选地面：靠园区、变电站、长期购电协议、气电和核电绑定。原因很现实，资本市场和客户都接受这套资产形态，保险、审计、SLA、备件体系也成熟。你要说太空会接管一部分极端高功率训练负载，我愿意听；你要说 30 到 36 个月内“最便宜”，那得先拿出单位瓦资本开支、在轨寿命、故障替换频率、回传带宽成本这几张表。现在都没有。 所以我对这条的判断是：方向上的提醒有价值，时间上的断言像 Musk 一贯的超前下注。AI 的约束正在从模型设计转向能源基础设施，这句我认；太空会比地面更便宜，至少按这段材料，我还没看到足够证据。

MIT Technology Review 只举了 1 名用户退订 ChatGPT Plus，正文也没披露 QuitGPT 参与人数。我的判断很直接：这条先别当成 OpenAI 订阅面临系统性流失的信号，更像一批重度用户开始公开表达“20 美元不值这个体验”。这两件事差很多。 文章给到的硬信息只有几项：ChatGPT Plus 价格还是每月 20 美元；案例用户是新加坡自由开发者 Alfred Stephen；他在 9 月订阅，后来因编程表现和回复冗长退订。别的信息基本都缺。没有退订率，没有地区分布，没有用户留存曲线，也没有说明 Reddit 帖子是集中抱怨 GPT-4o 下线、模型切换，还是单纯对最近产品体验不满。标题用了 “movement”，正文现在撑不起这个词。 我一直觉得，ChatGPT 的订阅风险从来不是“有人骂”，而是“抱怨开始集中到同一组体验缺陷”。这次提到的两点——写代码不稳、回答太油太长——都不是边角料。过去一年里，开发者社区对模型的抱怨很稳定：一类是代码 agent 化以后，模型更爱主动补全和解释，结果把可控性吃掉；另一类是对齐做重后，回复更安全，也更啰嗦。我自己没看到这篇文里有任何 A/B 数据，所以不能下结论说 OpenAI 真的把产品做坏了；但这类抱怨能持续跨模型出现，说明它不是单次 UI 失误。 回到定价。20 美元这个档位其实很微妙。它在 2023 年像“便宜试用专业能力”，到 2026 年更像“用户拿钱包给稳定性投票”。当竞品把免费层和低价层越做越厚，Plus 就不能只卖“更多额度”。Anthropic、Google、Perplexity 这两年都在把“稳定完成具体任务”讲得比“模型更强”更前。具体价格和权益我没逐项核过最新版本，但大方向很清楚：消费者订阅已经不是 OpenAI 一家说了算。 我对这篇稿子最大的不满，是它把注意力放在了抵制姿态，没有放在 churn 机制。用户为什么退？是 4o 下线后的情绪反弹，还是 GPT-5 系列把输出风格调得过满？是开发者转回 Cursor、Claude、Gemini，还是很多人干脆降到免费版？这些才是产品团队该盯的数据。正文都没给。 所以这条我会这样读：它不是“QuitGPT 已成气候”，而是“ChatGPT 已经从全民新奇工具，进入对价格、风格、可靠性都更苛刻的存量竞争阶段”。如果 OpenAI 接下来不能把代码质量和回复长度压回可预期区间，20 美元月费会先从重度用户那里开始松动。现在还看不到规模化退订证据，但我不会把这批抱怨当噪音。

马斯克把美国制造短板归因于中国约2倍精炼量和4倍人口，这个判断只对了一半。机器人能补工位，补不了精炼厂审批、化工配套和电力成本；短视频把这三件更慢的事全跳过去了。 我对这条叙事的保留很明确。稀土链条最卡的环节，从来不只是“缺人”，而是分离提纯、磁材烧结、环保许可、长周期资本开支。正文给了一个例子：美国挖矿，运到中国精炼、制磁、装电机，再运回美国。这个流程当然暴露依赖，但它说明的是产业链缺口，不是单一劳动力缺口。把它压缩成“美国要靠 Optimus”有点过，因为机器人解决的是厂内重复作业，不能替你把溶剂萃取线、废液处理和本地社区阻力一起搞定。 外部参照也很直接。过去一年美国讨论最多的，是 MP Materials、Lynas 在德州和加州补磁材与分离能力，不是先上人形机器人。我记得 2024 到 2025 年间，政策工具主要还是税收抵免、国防采购、关键矿产补贴，机器人大规模进矿冶环节的公开案例并不多；这个细节我没逐条核实，但大方向没错。特斯拉自己的人形机器人量产和单机成本，正文也没给。没有这些数字，拿 Optimus 当制造回流主解，很像先有产品叙事，再倒推国家需求。 我还对他把竞争归结为“工作 ethic”这句很警惕。人口4倍是硬约束，组织效率也是现实，但中美制造差距首先是供应链密度、熟练技工梯队、地方政府协同和上游材料集群。中国强在同城几十公里内把前驱体、烧结、机加工、电机厂串起来，不只是人更勤奋。美国真要补课，短期更像“自动化设备+工艺工程师+政策协调”组合，不是等一台通用人形机器人落地。标题给了情绪，正文没给成本、产能和时间表；没有这三项，我不会把它当可执行方案。