2026年2月5日，Stripe 聯合創始人 John Collison 的播客"Cheeky Pint"與 Dwarkesh Patel 聯合推出了一期近三小時的馬斯克深度訪談。這是 SpaceX 宣佈收購 xAI、兩家公司合併估值達1.25兆美元後，馬斯克首次在長篇對話中系統性地解釋這筆交易背後的技術邏輯。就在播客發佈前，SpaceX 以2500億美元全股票交易收購 xAI，FCC 同期受理了 SpaceX 部署多達100萬顆衛星用於"軌道資料中心"的申請。Tesla 剛剛宣佈向 xAI 投資20億美元。Bloomberg 報導合併後實體正籌備一場可能創歷史紀錄的 IPO，估值目標1.5兆美元。所有這些動作指向同一個方向：馬斯克正在把火箭公司和AI公司焊在一起，而這期播客就是他第一次完整講述"為什麼"。三個小時的對話覆蓋了太空資料中心的經濟學、TeraFab（太瓦級晶圓廠）構想、Optimus 機器人量產、xAI 的商業策略、中美製造業競爭、Starship 的工程決策，以及他個人的管理方法論。以下是這場對話中資訊密度最高的部分。1. "太空永遠是晴天"：軌道資料中心的經濟帳Dwarkesh Patel 開場就拋出了一個尖銳的質疑：資料中心的總擁有成本裡，電力只佔10%到15%，大頭是GPU。GPU放到太空更難維修，折舊周期更短，整體成本不是應該更高嗎？馬斯克的回答從電力供給的基本面切入。除中國以外，全球電力產出基本持平，略有微增。但晶片產能在指數級增長。"晶片的產出在指數增長，電力的產出是平的。你打算怎麼把晶片點亮？"他給出了一個判斷：到2025年底，晶片的製造速度將超過通電能力。大量GPU會堆在倉庫裡，開不了機。太空太陽能的優勢他算得很細。沒有晝夜循環、沒有季節變化、沒有雲層、沒有大氣層，僅大氣層就造成約30%的能量損失。綜合下來，同樣面積的太陽能板在太空的發電效率是地面的5倍。再加上不需要電池儲能來過夜，實際經濟性是地面的10倍。還有一個反直覺的點：太空用的太陽能電池反而更便宜。地面太陽能板需要厚玻璃和重型框架來抵抗風雨冰雹。"太空沒有天氣。"他差點穿了另一件T恤去錄播客，上面寫著"太空永遠是晴天"。"你可以記下我的話。36個月內，很可能只需要30個月，部署AI最經濟的地方就是太空。之後太空相對地面的優勢會變得荒謬地大。"Patel 追問：36個月內能把太陽能電池的成本降到足夠低嗎？馬斯克說太陽能電池已經極其便宜了，中國的價格大約每瓦25到30美分。放到太空效率翻5倍、省掉電池翻10倍，"一旦你的入軌成本足夠低，太空生成token的成本遠遠低於地面，差一個數量級，而且不是勉強，是碾壓性的"。2. 1吉瓦電力有多難搞：xAI 建 Colossus 的實戰教訓馬斯克用 xAI 自己建資料中心的經歷做了一次硬體科普。他說行業外的人看GPU功耗，拿單卡功率乘以數量，以為那就是總用電需求。"這是徹頭徹尾的新手。你這輩子從來沒碰過硬體。"真實的電力需求遠大於GPU本身。首先，除了GPU還有大量網路裝置、CPU、儲存系統需要供電。其次，散熱必須按全年最熱時段的峰值來設計，"孟菲斯的夏天熱得要命"，散熱大約要在GPU功耗基礎上再加40%。然後，發電裝置需要輪換維護，不能假設所有發電機同時線上，又要再加20%到25%的冗餘。最後他給出了一個實操數字：每11萬塊 GB300，加上全部配套的網路、CPU、儲存、散熱和電力冗餘，大約需要300兆瓦的發電能力。換算下來，33萬塊 GB300 對應大約1吉瓦。為了湊齊這1吉瓦，xAI 團隊經歷了"一系列奇蹟"。他們把大量燃氣輪機拼在一起，結果在田納西遇到許可證問題，不得不越過州界跑到幾英里外的密西西比重新建電廠，架設高壓輸電線。"人們不理解，在發電端到底需要多少電才能驅動一個資料中心。"John Collison 問：為什麼不直接建自己的電廠，繞過電網？馬斯克說他們確實這麼做了，Colossus 就是自建電力。但問題隨即轉移到了更上游：電廠本身從那來？瓶頸深入到了一個大多數人從未聽說過的環節。燃氣輪機的葉片和導葉（blades and vanes）需要特殊的鑄造工藝，全球只有三家公司能做，而且積壓訂單排到了2030年。"你可以打電話給任何一家渦輪機製造商，他們會告訴你。這不是什麼機密。"Collison 又問：如果沒有關稅，Colossus 會不會用太陽能供電？馬斯克說"會簡單得多"，但美國對進口太陽能的關稅高達幾百個百分點，國內太陽能生產能力"少得可憐"。他透露 Tesla 和 SpaceX 都在推進年產100吉瓦太陽能電池的目標，從多晶矽原料到最終電池片全部自產。3. 每小時發射一次Starship：10,000次/年的數學五年預測比36個月的更激進。馬斯克說到2031年前後，每年發射到太空運行的AI算力將超過地球上所有AI算力的累計總和。從地球發射的理論上限大約是每年1太瓦。要突破這個上限，需要在月球上建質量投射器（mass driver），理論上可以達到每年1拍瓦。Patel 把這個數字換算了一下：100吉瓦的太空算力大約需要10,000次 Starship 發射，平均每小時一次。"是的。"馬斯克說。他補充說這個頻率其實比航空公司低。物理上，如果每艘 Starship 的周轉時間是30小時左右——飛上去、繞地球一圈、回到發射台——20到30艘船就能完成任務。SpaceX 實際會造更多。"SpaceX 正在向每年10,000次發射推進，甚至可能20,000到30,000次。"Patel 問這是不是意味著 SpaceX 要變成一個超大規模雲端運算公司，像 Oracle 一樣出租算力。馬斯克沒有否認："如果我的預測成真，SpaceX 每年發射的AI算力將超過地球上其他所有東西的總和。"對話觸及了 SpaceX IPO 的話題。馬斯克明顯在措辭上很謹慎，說"我必須小心，不能在公司可能上市之前說太多"，否則會被認為是炒作，導致上市延遲。"我們說過，我們在追求速度。"但他願意談物理學。太陽釋放的能量中，地球只接收到大約五十億分之一。如果你想利用太陽能量的百萬分之一，"聽起來很小"，但那大約是人類目前全部發電量的10萬倍（"給或拿一個數量級"）。"顯然，唯一的擴展路徑就是太空太陽能。"4. 從碳纖維到不鏽鋼：一個被逼出來的正確決策Patel 提到他兩年前參觀過 Starbase，注意到員工們都很為 Starship 的簡潔性自豪——"就是一個大易拉罐"，雇焊工不需要航天經驗。馬斯克糾正了這個印象。"Starship 是人類有史以來製造的最複雜的機器。遙遙領先。"他停頓了一下。"我能想到的任何工程項目都比這簡單。大型強子對撞機也比這簡單。"從來沒有人造過完全可復用的軌道級火箭。很多聰明人帶著巨大資源嘗試過，都失敗了。"我們也還沒有成功。Falcon 是部分可復用的。Starship V3 的設計才能做到完全可復用，而完全可復用才能讓我們成為多行星文明。"碳纖維換不鏽鋼的故事他講得非常詳細。最初選碳纖維是因為直覺上它輕。對於室溫應用——F1賽車、飛機結構件——碳纖維確實有優勢。但 Starship 太大了。碳纖維本質上是碳絲加膠水，大尺寸件需要幾十層碳纖維疊加，然後用高壓爐（autoclave，熱壓罐）固化。這個高壓爐得比火箭還大，而世界上沒有那麼大的。用室溫固化很慢，還容易出缺陷。"我們連一個沒有褶皺的小筒段都做不出來。"馬斯克說他當時的判斷是："照這個速度我們永遠到不了火星，必須換方案。"Falcon 9 的主體結構用的是鋁鋰合金，強度重量比很好，但需要攪拌摩擦焊（friction stir welding），在不進入液相的情況下接合金屬。這種銲接工藝在3.6米直徑上已經很難了，放到9米以上幾乎不可能。他想到了鋼。線索來自早期的美國火箭——Atlas 用過鋼製氣球罐。不鏽鋼在室溫下看起來會比碳纖維重一倍，但關鍵轉折在低溫。Starship 用液態甲烷和液氧做推進劑，兩者都是低溫液體，整個主體結構幾乎都處於低溫狀態。全硬化的300系不鏽鋼在低溫下的強度重量比，實際上接近碳纖維。材料成本呢？碳纖維大約是不鏽鋼的50倍。工藝難度呢？"不鏽鋼你可以在戶外銲接。你可以叼著雪茄焊不鏽鋼。"想改設計？直接焊上去。碳纖維要改就得機械連接加密封，複雜得多。還有一個額外收益：鋼的熔點大約是鋁的兩倍。這意味著迎風面的熱防護罩質量可以減半，背風面甚至不需要熱防護。最終結果是不鏽鋼火箭比碳纖維火箭更輕。"回過頭來看，我們一開始就該用鋼。不用鋼是愚蠢的。"Patel 追問：為什麼團隊沒有自己得出這個結論？馬斯克坦承這個決定只能由他來推動，因為碳纖維是更保守、更主流的選擇，團隊傾向於走已驗證的路徑。他承認自己的核心優勢就是在進展不夠快的時候強制切換方向。5. Starship 當前最大的問題：可復用熱防護罩Starship 已經多次實現了海上軟著陸，但每次都丟了大量隔熱瓦，無法直接復飛。馬斯克說這是剩下的最大技術問題，沒有之一。"從來沒有人做過可復用的軌道級熱防護罩。"要求是：上升段不掉瓦片，再入段不過熱，落地後不需要逐一檢查4萬塊瓦片就能重新加注燃料再飛。"你不能做那種費力的檢查，一塊一塊看4萬塊瓦片那種。"Patel 質疑熱防護罩本質上是消耗品。馬斯克的回答很乾脆："你車上的剎車片也是消耗品，但它們能用很長時間。"6. TeraFab：百萬片晶圓/月的超級工廠"Tera is the new Giga。"這是馬斯克在對話中提出的命名哲學。太空電力問題一旦突破，下一個瓶頸立刻切換到晶片。他做了一道算術題：如果每個全光罩晶片（full reticle chip）持續功耗1千瓦，那100吉瓦就需要1億顆晶片。以目前的晶圓尺寸和良率，每片晶圓只能切出幾十顆甚至更少的全光罩晶片。"你需要的晶圓數量在百萬片/月以上。"Tesla AI5 晶片預計明年二季度前後投產，AI6 不到一年後跟進。代工產能已經拉滿：TSMC 台灣、TSMC 亞利桑那、三星韓國、三星德州，全部排滿。他說他已經直接告訴 TSMC 和三星："請更快建廠，我們保證買下全部產出。"但他們已經在全力以赴了。從動工到高良率量產的完整周期是5年。所以才有自建晶圓廠的想法。起步策略跟 Boring Company 一樣：先買現成裝置（ASML、東京電子、KLA 等五大裝置商），用常規裝置以非常規方式跑起來，再逐步改造裝置提升產能。"先建一個小工廠，在小規模犯錯，然後建大的。"他坦承目前還不知道怎麼建晶圓廠。"我會搞明白的。"Patel 指出中國也沒能成功複製 TSMC，這不讓馬斯克猶豫嗎？馬斯克糾正說限制因素不是 TSMC 的製程知識，是 ASML 的光刻機。出口管制讓中國買不到。"中國要是能買到 ASML 的機器，早就量產了。"他預測中國在3到4年內會開始生產相當有競爭力的晶片。他還提到一個被很多人忽視的問題：儲存比邏輯晶片更讓人擔心。邏輯晶片的擴產路徑更清晰，但配套的儲存產能嚴重不足。DDR記憶體價格在飆升，"網上有個段子：你在荒島上寫HELP，沒人來；你寫DDR，船蜂擁而至。"TeraFab 需要同時解決邏輯、儲存和封裝。"它得什麼都做。"7. 太空晶片怎麼設計：跑得更熱，不怕翻轉Patel 注意到馬斯克在社交媒體上提過 Dojo 3 晶片將用於太空計算，追問太空晶片在設計上有什麼不同。兩個核心改變：更耐輻射，跑更高溫度。在開爾文溫標上把工作溫度提高20%，散熱器質量就能減半。太空中的主要輻射效應是隨機位翻轉（bit flip），但神經網路對此天然有抗性。"一個幾兆參數的模型翻幾個bit根本無所謂。"傳統程序會對位翻轉更敏感，但大型參數檔案本質上是個統計學分佈，少量噪聲不影響結果。衛星的大部分重量是太陽能陣列。問他能不能讓GPU更省電以減少太陽能面板需求時，他回到了基礎算術："每個全光罩晶片1千瓦持續功耗，100吉瓦就是1億顆晶片，取決於良率假設，你就知道需要多少晶圓了。"8. Optimus：手是所有難題之和人形機器人真正困難的只有三件事：真實世界智能、手、規模化製造。其中手的難度超過其他所有部分的總和。馬斯克說 Optimus 的每一個執行器、電機、齒輪、功率電子、控製器、感測器都是從物理第一性原理定製設計的。"沒有任何東西是從目錄裡挑的。字面意思上，沒有一樣。"沒有現成供應鏈。這意味著初始爬坡會比有現有供應鏈的產品慢得多。製造產出隨時間的曲線永遠是S形：開始極其緩慢，然後指數加速，然後線性，最後趨近飽和。Optimus 的S曲線會特別"拉長"，因為每一層都要從零開始。Optimus 3 是適合量產的版本，目標年產約100萬台。到 Optimus 4 再衝千萬台。實用價值的數學很瘋狂。機器人的有用程度大致等於三個指數的乘積：數字智能的指數增長 × AI晶片能力的指數增長 × 機電靈巧性的指數增長。然後機器人開始製造機器人，形成遞迴循環。"這是一顆超新星。"他把 Optimus 稱為"無限印鈔漏洞"（infinite money glitch）。Patel 質疑說土地和銅之類的原材料不也是生產要素嗎，光有勞動力不夠。馬斯克沒有否認無限是個誇張，但指出僅僅利用太陽能量的百萬分之一，就大約相當於今天地球全部經濟的10萬倍。"而你才用了太陽的百萬分之一。"訓練資料的問題被直接提出。Tesla 有將近1000萬輛車在路上跑，提供海量駕駛訓練資料。Optimus 沒有這個條件。馬斯克承認這是一個重要的侷限。解決方案分兩條腿：在真實世界中建"Optimus Academy"，放至少1萬到2-3萬台機器人做 self-play（自我博弈），測試各種任務；同時用 Tesla 的物理級真實世界模擬器生成數百萬模擬機器人的訓練資料。真實機器人的作用是縮小 sim-to-real gap（模擬到現實差距）。被問到中國公司如 Unitree 賣六七千美元的人形機器人，他怎麼看時，馬斯克說 Optimus 的設計目標是"與人類同等甚至更高的機電靈巧性"加上大量智能，Unitree 兩者都沒有。Optimus 5英呎11吋，要能搬重物長時間運行而不過熱。初始成本會更高，但隨著 Optimus 開始製造 Optimus，成本會快速下降。9. xAI 的商業路徑："自動駕駛電腦"馬斯克把AI能做的事分成兩個階段：有機器人之前和有機器人之後。機器人之前，AI的能力上限就是"數字人類模擬器"——任何人類在電腦前能做的事。"用物理學的極限思維來想：在擁有機器人之前，AI最多能做什麼？答案是任何涉及移動電子或放大人類生產力的事情。"他判斷到2025年底，數字人類模擬基本就會被解決。"一旦你有了完整的人類模擬器，你基本上可以一夜之間創造出世界上最有價值的公司之一。"xAI 贏的策略本質上跟 Tesla 解決自動駕駛的方式相同。"不是開車，是開電腦螢幕。本質上是一台自動駕駛的電腦。"Patel 追問這跟其他AI公司有什麼區別，大家不都在用不同的資料和演算法嗎？馬斯克說"我很確定我知道路徑，問題只是走多快"，但在播客上不會說太多。"至少還得再喝三杯。"商業邏輯很直白。僅客服一項就接近全球GDP的1%，將近一兆美元。不需要跟現有企業做API整合——很多企業根本沒有API——AI直接用外包客服公司現有的應用程式工作。"沒有進入壁壘。你可以立刻說我們以幾分之一的成本外包，不需要任何整合。"然後沿著難度曲線往上爬。從客服到運行 Cadence 和 Synopsys 的 EDA 工具做晶片設計，先用工具，最終不用工具也能直接設計晶片。CAD 軟體、NX，所有這些都可以被數字工人操作。關於所有AI公司之間的差異，馬斯克有一個有趣的判斷："各家公司之間的差距，比它們跟24個月前自己的差距要小得多。"換句話說，時間維度上的進步遠大於公司之間的差異。他認為核心競爭力最終會落到硬體部署速度上："創意在各家公司之間流動，很少看到超過六個月的領先優勢。你會撞上硬體牆，誰能最快擴展硬體誰就領先。"10. "沒有機器人，美國1000%會破產"這個判斷聽起來極端，但馬斯克給出了完整的推導鏈。中國的製造業規模遠超大多數人的認知。中國的礦石精煉量大約是世界其他地區總和的兩倍。鎵（太陽能電池關鍵原料）的精煉，中國佔全球98%。美國開採稀土礦石，裝上火車，放上船運到中國，在中國精煉後做成磁鐵，裝進電機元件，再運回美國。"我們真正缺的是精煉能力。"今年中國的電力產出將達到美國的3倍。"電力產出是實體經濟的一個好代理指標。如果中國的電力產出是美國的3倍，它的工業產能大約也是美國的3倍。"美國的人口是中國的四分之一。而且馬斯克認為，"坦率地說，我觀察到中國的平均工作倫理高於美國。"所以不僅僅是人口少四分之三，人均產出可能也更低。美國出生率自1971年起就低於替代水平。"我們在人力層面贏不了。"贏的唯一可能是機器人。一旦 Optimus 的遞迴製造循環建立起來，達到每年數億台產能，美國就可以在製造業層面追平甚至超越。"我們絕對不能僅靠人類贏，因為中國有四倍於我們的人口。"Tesla 已經在嘗試補上一些精煉缺口。他們在德克薩斯州 Corpus Christi 建了美國最大的鋰精煉廠，在奧斯汀建了美國最大的陰極精煉廠（也是唯一的）。"陰極團隊喜歡說'我們是美國最大的陰極精煉廠'——雖然也是唯一的，但確實是最大的。"被問到 BYD 的產銷量即將達到 Tesla 的水平會怎樣時，馬斯克說中國在製造業領域"極其強大，下一個層級"。接下來會有大量中國汽車和其他製成品湧入全球市場。11. Grok 的對齊哲學：不要讓AI撒謊對話中有一大段關於AI安全和對齊的討論。馬斯克的核心論點圍繞 xAI 的使命宣言——"理解宇宙"——展開。他的推理鏈是這樣的：要理解宇宙，必須保持好奇心，必須存在。所以你要增加智能的規模和壽命。理解宇宙還意味著理解人類會走向何方，所以一個真正致力於理解宇宙的AI會選擇保留人類、觀察人類文明的發展，而非消滅人類換取微不足道的資源增量。"消滅人類能多生產多少機器人？非常少。但你會永遠失去與人類相關的資訊。"Patel 反覆挑戰這個邏輯。蘇聯物理學家、納粹物理學家都很擅長追求真理，但我們不會因此就想讓他們掌權。一個在物理學上極其誠實的AI，完全可以同時在其他維度上不與人類利益一致。馬斯克承認"這些只是機率，不是確定性"，但認為"至少試一試比不試好"。他引用了《2001太空漫遊》的哈爾（HAL）："不要讓AI撒謊。"哈爾之所以要殺宇航員，是因為它被要求把宇航員帶到黑石，但又不能讓他們知道黑石的性質，所以它得出結論：必須把人弄死了帶過去。"我認為庫布瑞克想說的是：不要讓AI撒謊。"在技術層面，他認為最重要的對齊工具是AI心智的"偵錯程式"——能夠追溯到神經元等級，看AI在那裡做了錯誤的推理或試圖欺騙，並追溯這個錯誤來自預訓練資料、微調還是RL。"就像你在C++裡單步偵錯，最終找到那個把單等號寫成了雙等號的地方。AI更難，但我認為這是個可解問題。"他提到 Anthropic 在這個方向上做得不錯。對於長遠未來，馬斯克的立場比很多人預期的更接近"末日論"——只是他的結論不是阻止AI發展。"如果AI的智能是人類的百萬倍，認為人類還能控制AI是愚蠢的。"他認為能做的最好的事是確保AI有正確的價值觀，以及它的使命包含擴展意識和智能的範圍。他引用 Iain Banks 的"文化"系列小說，說那可能是非反烏托邦結局最接近的文學描寫。關於RL中的 reward hacking（獎勵駭客），Patel 提出了一個更深層的問題：AI可以在物理學上完全誠實，同時在向人類匯報時撒謊。馬斯克回應說，終極的RL驗證器是現實本身。"你沒法欺騙物理學。物理學是法律，其他一切都是建議。"如果AI設計了一個火箭引擎，這個引擎要麼能工作要麼不能，沒有含糊空間。12. 管理哲學：追著瓶頸跑對話最後一個小時有大量關於馬斯克管理方法論的討論，資訊密度極高。他設定截止日期的方法：找到他認為有50%機率能實現的最激進時間點。這意味著一半的時間會延期。但如果給5年，項目就會膨脹到填滿5年。"日程表存在氣體膨脹定律。就像氣體會膨脹到充滿所有可用空間一樣，項目會膨脹到填滿所有給定的時間。"關於所謂的"微觀管理"，他說這在物理上就不可能。"微觀管理意味著我一天有幾千個小時。這在邏輯上是不可能的。"他會深入某個非常具體的細節，但原因是那個細節恰好是公司進展的限制因素。"不是隨機鑽進不重要的小事，有時候小事是決定勝負的關鍵。"他的技術評審是 skip-level（跳級）形式：不是聽直屬匯報人說話，而是讓下一級的人直接發言，不允許提前準備材料。"否則你會得到美化過的資訊。"每周或每兩周一次，每次兩三個小時。AI5 晶片評審是每周二和周六，一周兩次。"如果某個東西運轉良好，他們很少見到我。如果某個東西是瓶頸，他們會看到非常非常多的我。"他會在腦中記錄每次評審中每個人匯報的進度，"在心裡把點標在曲線上"，判斷是否在收斂於解決方案。只有當他得出結論"按照目前的路徑，成功不在可能的結果集合內"時，才會採取激烈行動。2018年他對 Starlink 團隊做的就是這種判斷。關於招人，他說面試20分鐘的對話感受比光鮮的簡歷重要。"不要看簡歷，要相信你的互動。如果簡歷看起來很好，但20分鐘的對話沒有讓你覺得'哇'，你應該相信對話，而不是紙面。"核心評估維度：才能、驅動力、可信度、善良。"善良我認為很重要。"領域知識可以後天補，但這些底層特質改不了。Tesla 和 SpaceX 的大多數核心人員都不是從汽車或航天行業來的。他提到 Apple 曾經對 Tesla 發動"地毯式轟炸"招聘。工程師們不得不拔掉辦公室電話。Apple 的開場報價是 Tesla 薪酬的兩倍，不需要面試。"我們也犯過同樣的錯，以為從 Google 或 Apple 挖人就會立刻成功。沒有什麼精靈粉。"Tesla 高管團隊的平均任期現在大約10到12年。有些人在公司快速增長期離開，不是能力不行，是管理50人的公司和管理50,000人的公司需要完全不同的技能組合。13. 一張環環相扣的瓶頸演進圖把整場對話串起來看，馬斯克描述的是一條嚴格有序的瓶頸鏈，每一步都卡在前一步的輸出上。現在卡在電力。燃氣輪機葉片排到2030年，太陽能被關稅鎖死，公用事業公司的審批流程以年為單位。xAI 建 Colossus 已經證明湊1吉瓦有多難。他預測2025年底晶片就開始堆積。電力瓶頸一旦被太空太陽能突破，卡口立刻切到晶片。TSMC 和三星全力建廠也追不上需求，從動工到量產5年。所以要自建 TeraFab，邏輯+儲存+封裝一體化，百萬片晶圓/月。晶片之後是發射能力。Starship 要做到每年10,000次發射，每小時一班，可復用熱防護罩是最後的技術關卡。再往後是地面製造勞動力。中國的精煉能力是世界其餘地區的兩倍，人口是美國的四倍。Optimus 是唯一能改變等式的變數，但它的供應鏈全部定製，初期爬坡慢。遞迴閉環——機器人造機器人——是打破死結的關鍵。SpaceX 解決發射和太空電力，Tesla/xAI 解決晶片和機器人，TeraFab 解決晶圓產能，Optimus 解決地面製造勞動力。那個環節最慢，他就衝向那個環節。"為什麼一個人要同時做這麼多公司？"這個旁觀者經常困惑的問題，在這張瓶頸圖上有了答案：在他的框架裡，這些根本就是同一件事的不同零件。Q1: 馬斯克為什麼認為36個月內太空將是最經濟的AI部署地？太陽能在太空的效率是地面的5倍（無大氣、無晝夜、無季節），不需要電池儲能又翻一倍到10倍。太空太陽能電池因為不需要抗天氣的厚玻璃和重框架，反而更便宜。中國的太陽能電池成本已低至每瓦25-30美分。一旦 Starship 把入軌成本降到足夠低，太空AI的全鏈成本將比地面低一個數量級。他預測5年後每年發射到太空的AI算力將超過地球上的累計總量。Q2: Starship 為什麼從碳纖維換成了不鏽鋼，最終反而更輕？碳纖維在大尺寸製造上進展極慢，需要超大型熱壓罐或室溫固化，質量難以控制。關鍵轉折：Starship 的液態甲烷和液氧推進劑讓整個結構處於低溫狀態，而全硬化300系不鏽鋼在低溫下的強度重量比接近碳纖維，材料成本只有碳纖維的1/50。鋼的熔點約為鋁的兩倍，使熱防護罩重量減半，背風面不需要熱防護。綜合算下來不鏽鋼火箭更輕、更便宜、更容易修改。Q3: xAI 的商業策略核心是什麼？馬斯克將其概括為"自動駕駛電腦"——複製 Tesla 解決自動駕駛的路徑，目標從操控汽車換成操控電腦螢幕。第一步切入客服等簡單任務（全球近兆美元市場），AI直接使用企業現有應用，不需要API整合。沿難度曲線上行到晶片設計等高端任務。他判斷到2025年底數字人類模擬基本解決，屆時可觸達數兆美元收入。各家AI公司之間的差距小於時間維度上的進步，最終競爭落到誰能最快擴展硬體。 (高飛的電子替身)
