從「月球是分心」到月球質量投射器:馬斯克的太空 AI 路線圖

從「月球是分心」到月球質量投射器:馬斯克的太空 AI 路線圖

2025 年 1 月,有人在 X 上建議 SpaceX 可以先在月球生產液態氧,為 Starship 的火星任務提供燃料,馬斯克的回覆只有一句話:「不,我們直接去火星,月球是分心。」

2026 年 2 月 8 日,馬斯克在 X 上宣布 SpaceX 已經將重心轉移到月球,要在月球上建造一座「自我成長的城市」,月球可以在十年內實現,火星需要二十年以上,「首要任務是確保文明的未來,月球更快。」

一年之內,從「月球是分心」變成「月球是首要任務」。

如果只看這則新聞,會以為馬斯克又在改主意,畢竟他改主意的頻率和 SpaceX 發射火箭的頻率差不多。但如果你把過去兩週發生的三件事放在一起看,這個轉向的邏輯就清楚了,而且答案不在 SpaceX,在他的另一家公司 xAI。

1.25 兆美元的合併

2026 年 2 月 2 日,也就是月球轉向宣布的六天前,SpaceX 正式收購 xAI,估值 1 兆美元的火箭公司加上估值 2500 億美元的 AI 公司,合併後 1.25 兆美元,史上最大的企業合併案,換股比例是 1 股 xAI 換 0.1433 股 SpaceX。

馬斯克在公告中說,合併是為了「加速人類理解宇宙的未來,將意識之光延伸到星際」。聽起來很馬斯克,但行動比口號更早:合併宣布的前兩天,SpaceX 就已經向美國聯邦通訊委員會(FCC)提交了一份申請,內容是發射最多 100 萬顆太陽能供電的軌道資料中心衛星。

100 萬顆衛星,不是通訊用的,是拿來跑 AI 的。

馬斯克的邏輯是這樣的:目前 AI 的進步完全依賴大型地面資料中心,這些設施需要巨量的電力和散熱,而「全球 AI 的用電需求根本不可能只靠地面方案滿足」,他認為太空 AI 是唯一能規模化的方式。

CNBC 的報導則看到另一面,xAI 更需要的可能是 SpaceX 的資金管道,因為 SpaceX 計畫今年進行 IPO,目標募資最高 500 億美元,估值可能高達 1.5 兆美元,把 xAI 併入 SpaceX 等於讓 xAI 搭上這班 IPO 列車。太空資料中心是願景還是估值故事?可能兩者都是,但馬斯克確實在全員大會上展示了一份比 FCC 申請更具體的路線圖。

全員大會的最後十分鐘

合併宣布幾天後,xAI 做了一件罕見的事:把大約 45 分鐘的內部全員大會影片完整公開在 X 平台上。這種會議通常是機密的,xAI 選擇公開,可能是因為《紐約時報》搶先報導了會議內容,也可能是刻意的透明化策略。

會議前面大部分在介紹團隊、展示技術進展、討論組織重組。但最後十分鐘,馬斯克描述了一幅從地面延伸到太陽系的太空 AI 圖景。

他從一個物理事實開始:人類文明目前只使用了地球潛在能源的大約 1%,而太陽佔太陽系總質量的 99.8%。如果我們想取用太陽能量的哪怕百萬分之一,需要的能源就是人類文明現在使用量的百萬倍,要取得這樣規模的能源,就必須走出地球,因為地球在宇宙中只是一粒「極微小的塵埃,漂浮在廣袤的黑暗中」。

他說這就是合併 SpaceX 和 xAI 的理由:「為了理解宇宙,你必須探索宇宙。」

接著他畫出三個階段:第一階段是地面的 Memphis 超級電腦,也就是起跑點;第二階段是軌道資料中心,以每年 100 到 200 百萬瓩的規模往太空發射太陽能 AI 衛星,是每年新增、不是累計,最終目標是從地球發射達到每年兆瓦級的運算規模。第三階段是月球,在月球建工廠、生產 AI 衛星、用電磁質量投射器把衛星射入深太空,讓規模再躍升好幾個數量級。

他說:「難以想像那個規模的智慧會思考什麼。」

第零步:Memphis

太空路線圖聽起來很遙遠,但馬斯克在地面上已經做了一件非常具體的事。

全員大會中有一段是從 Memphis 超級電腦現場直播的。工程師帶著觀眾看正在運作的資料大廳,背景噪音大到主持人要求把麥克風貼在嘴邊才聽得清楚。

Phase 1 叫「Macrohard」,建築屋頂上真的漆了這個字,裡面有超過 33 萬顆 NVIDIA Grace Blackwell GPU;Phase 2 叫「Macro Hotter」,再加 22 萬顆 GB300。全部完工後,Memphis 的總用電量將超過 1 百萬瓩,相當於一座中型城市的用電量。

基礎設施的規模同樣驚人:12 個資料大廳,每個大廳配有 847 英里的光纖,大約等於台北到高雄來回五趟的距離,每個大廳容納約 27,000 顆 GPU 和超過 20 萬個連接點。為了穩定供電,xAI 部署了 558 個 Tesla Megapack 電池儲能系統,總容量 2.3 GWh,價值約 5.45 億美元,是全球最大的 Tesla Megapack 系統,比夏威夷和南澳洲的都大。

建設速度是最讓人印象深刻的部分。一位在現場的工程師 Zach 指著身後的資料大廳說:「你看到的這一切,全部在六週內完成,然後我們一次又一次地重複這個過程。」

馬斯克在會議中引用 NVIDIA 執行長黃仁勳的話:「沒有人比 xAI 更快把 AI 算力上線。」

但即使是這個規模,對馬斯克來說也只是起點。xAI 的目標是 2026 年底達到 100 萬顆 GPU,總用電量擴展到 2 百萬瓩,而 Memphis 在他的三階段路線圖裡只是「第零步」。

為什麼是太空

把 AI 搬到太空聽起來像科幻小說,但背後有一個很現實的物理邏輯。

AI 訓練和推理的兩大瓶頸是電力和散熱,地面資料中心需要大量電力驅動 GPU,同時需要幾乎同樣多的電力來冷卻它們,全球的資料中心用電量正在以每年兩位數的速度成長,土地、水資源和電網容量都在拉警報。太空提供了三個解決方案:太陽能在太空中沒有晝夜循環、沒有雲層遮蔽,效率比地面高出數倍;真空環境本身就是散熱機制,不需要水冷系統;而且不需要土地,不需要和居民爭搶電力。

馬斯克的計算是這樣的:Starship 可以每小時發射一次,每次載運 200 噸,一年就能把數百萬噸的設備送上軌道。每噸衛星可以產生 100 千瓦的運算力,100 萬噸就等於每年新增 100 百萬瓩的太空算力,而且一旦部署完成就不需要額外的營運和維護成本。

他寫道:「30 到 36 個月內,最經濟的 AI 部署地點就是太空,你可以記住我這句話。」

軌道資料中心不是馬斯克首創的概念,Google 在 2025 年 11 月就公布了「捕日者計畫」(Project Suncatcher),計畫用太陽能驅動的衛星搭載 TPU 晶片在軌道上運算,2027 年發射原型衛星;Jeff Bezos 也在 2024 年說過太空資料中心是未來趨勢,只是他的時間表是「10 到 20 年後」。三家公司、三種時間表、三種策略,但只有馬斯克同時擁有火箭公司、AI 公司、電池公司和全球最大的衛星網路,Starship 是他手上其他人都沒有的一張牌。

月球工廠與質量投射器

全員大會中最科幻的部分,是馬斯克描述月球計畫時展示的一張渲染圖:月球表面的電磁質量投射器,正在把 AI 衛星一顆接一顆地射入太空。

質量投射器是一種電磁彈射裝置,用電磁力把物體加速到極高速度後釋放。這個概念在科幻小說裡出現了半個世紀,但物理上完全可行,尤其在月球上:月球的重力只有地球的六分之一,而且沒有大氣層,不需要克服空氣阻力,發射所需的能量遠低於從地球起飛。

為什麼需要月球?因為從地球發射有物理上限。即使 Starship 每小時發射一次,每年能送上軌道的運算量最多就是兆瓦級,要超越這個極限,就需要一個不受地球重力和大氣層限制的製造基地,月球就是這個基地。

馬斯克描述的場景是:在月球上建造工廠,就地開採資源、製造 AI 衛星,然後用質量投射器把衛星射入深太空,這些衛星靠太陽能供電,在太空中自主運算。規模可以達到每年數千百萬瓩,最終利用太陽能量的百萬分之一、千分之一、甚至百分之幾。

他在台上說:「我最想看到的就是月球上的質量投射器把 AI 衛星射進深太空,一顆接一顆,我想不到有什麼比這更史詩級的了。」

然後是那句讓全場情緒到頂的話:「也許我們會遇到外星人,也許我們會看到存在了數百萬年的文明,找到古代外星文明的遺跡。」

現在回頭看月球轉向就合理了。馬斯克需要月球,不只是因為它比火星容易到達,每 10 天可以發射一次、2 天航程,相比火星每 26 個月才有一次窗口、6 個月航程,更關鍵的原因是月球是他太空 AI 路線圖的核心節點,是 AI 基礎設施的製造基地。

火星沒有被放棄,馬斯克在 X 上說「SpaceX 會同步進行火星計畫,但月球城市的關鍵路徑更快」。他的終極願景是:月球城市、月球質量投射器,然後超越月球到火星,走遍太陽系,最終走向星際。

現實檢驗

到這裡,故事聽起來很壯觀。但壯觀的願景需要現實的檢驗。

Deutsche Bank 在 2026 年 2 月的研究報告中估計,軌道資料中心要到 2030 年代中期才可能達到與地面設施的成本平價,2027 到 2028 年會有首批小規模測試部署,更大規模的星座要到 2030 年代才會出現,前提是早期測試成功。好消息是 Deutsche Bank 的分析師認為「這是工程問題,不是物理問題」,物理定律不會擋住這件事。

成本障礙很具體。目前把東西送上軌道的成本大約是每公斤 1,500 美元,要讓太空資料中心在經濟上可行,這個數字需要降到每公斤 200 美元左右,是目前的約七至八分之一,而這個成本水準預計要到 2030 年代才能達到。

SpaceX 的 FCC 申請也留下很多空白,申請中沒有提供衛星的尺寸、質量或具體技術規格,「100 萬顆衛星」目前更接近數字目標而非工程藍圖。Starship 的太空推進劑轉移技術,也就是在軌道上為太空船加油的能力,至今還沒有成功驗證,而這是登月和建月球工廠的必要前提。

馬斯克的時間預測紀錄也需要打折,他在 2019 年說 Tesla 會在 2020 年實現全自動駕駛,到 2026 年可能算是已經做到。他說的「30 到 36 個月內軌道資料中心比地面便宜」,大多數分析師認為這個時間至少要翻倍。

但反過來看,Starlink 從概念到全球覆蓋只花了幾年,Memphis 從動工到 33 萬顆 GPU 上線不到一年。TechCrunch 的一篇分析標題說得好:「軌道 AI 的經濟學很殘酷」,殘酷歸殘酷,沒有人說不可能。

路線圖的意義不在準時

回顧過去兩週的三件事:收購 xAI、公開太空路線圖、火星轉向月球,三個看似獨立的新聞串成一條完整的戰略線。

無論軌道資料中心能不能在 36 個月內達到成本平價,Memphis 本身已經是地球上最大的 AI 算力工廠。無論月球質量投射器要多久才能建成,SpaceX 收購 xAI 這件事已經讓合併後的公司在 IPO 市場上多了一個極具說服力的故事。

如果你看馬斯克過去二十年的模式,他很擅長把終極目標設在看似不可能的地方,然後讓中間成果本身就有巨大價值。SpaceX 的終極目標是火星殖民,但中間產物 Starlink 已經是全球最大的衛星網路;Tesla 的終極目標是全自動駕駛計程車隊,但過程中長出來的電動車已經改變了汽車產業。

太空 AI 路線圖也是同樣的邏輯。終極目標是月球質量投射器和太陽系規模的 AI 網路,但 Memphis 已經在訓練下一代 Grok 模型,軌道資料中心的第一批原型可能在兩年內發射,而月球願景本身就讓 1.25 兆美元的估值有了引人注目的敘事框架。

馬斯克在全員大會最後說:「月球上的質量投射器、月球上的自給自足城市,然後超越月球到火星,走遍太陽系,最終走向星際,我想不到有什麼比這更史詩級的了。」

36 個月會不會太樂觀?大概會。但如果有人能讓「把 AI 搬到太空」從科幻概念變成工程問題,大概也只有同時擁有火箭、AI 模型、電池儲能和衛星網路的老馬了。


相關資料:

xAI 全員大會完整影片(YouTube):
https://www.youtube.com/watch?v=HD_SiJDWPcQ

CNBC:SpaceX-xAI 合併報導
https://www.cnbc.com/2026/02/03/musk-xai-spacex-biggest-merger-ever.html

SpaceNews:FCC 軌道資料中心衛星申請
https://spacenews.com/spacex-acquires-xai-in-bid-to-develop-orbital-data-centers/

TechCrunch:xAI 星際野心報導
https://techcrunch.com/2026/02/11/xai-lays-out-interplanetary-ambitions-in-public-all-hands/

TechCrunch:軌道 AI 經濟分析
https://techcrunch.com/2026/02/11/why-the-economics-of-orbital-ai-are-so-brutal/

Scientific American:馬斯克月球轉向報導
https://www.scientificamerican.com/article/elon-musk-says-spacex-to-prioritize-landing-on-the-moon-instead-of-mars-city/

SpaceNews:馬斯克月球轉向
https://spacenews.com/musk-says-spacex-focus-is-on-the-moon-rather-than-mars/

Musk X 貼文(月球轉向):
https://x.com/elonmusk/status/2020640004628742577

Read more

AI 大神 Karpathy 的 AI 筆記流,一般人也能做到八成

AI 大神 Karpathy 的 AI 筆記流,一般人也能做到八成

我自己是幾乎不用筆記軟體的,身為一個不聰明的人,最常用的是 Apple 的備忘錄,但我覺得這篇大神的筆記流讓覺得蠻值得一試的,因為其實已經跟我現在用的 AI 工作流有點像,介於有筆記跟沒筆記中間惹 (?) 一般而言,大多數人用 ChatGPT 的方式,像是去便利商店買東西:有問題,問一下,拿到答案,關掉視窗,下次再從零開始。Karpathy 和 Lex Fridman 做的事情完全不同,他們讓 AI 幫自己蓋了一座圖書館,而且這座圖書館會自己長大。這篇文章會拆解這兩位 AI 領域最頂尖的人怎麼用 AI 做筆記,然後告訴你:不用寫程式,你也能做到八成。 先搞懂一件事:你用 AI 的方式可能一直在浪費 想像你手邊有兩個實習生,做事方式完全不同。實習生 A,你每次丟一個問題給他,他回答完就失憶了,下次問類似的問題,他又從頭查一遍。實習生

By Fox Hsiao
公司即智能體:Block 提出管理史上最激進的組織架構

公司即智能體:Block 提出管理史上最激進的組織架構

2026 年 3 月 31 日,Sequoia Capital 合夥人 Roelof Botha 和 Block 創辦人 Jack Dorsey 聯名發表了一篇萬字長文,標題是「From Hierarchy to Intelligence」。這篇文章引用了羅馬軍團、普魯士參謀制度、曼哈頓計畫,論述的核心只有一件事:AI 可以取代兩千年來人類唯一的大規模協調機制,也就是層級管理。 Sequoia 的合夥人通常發布的是市場趨勢報告或投資備忘錄,不是組織管理論文。Botha 這次親自下場,把自己的名字和 Dorsey 並列,代表 Sequoia 認為這件事的重要性超越了單一公司的內部改造。 但時間點很微妙,Block 在 2026 年 2 月剛裁掉了約 40% 的員工,大約四千人,

By Fox Hsiao
Anthropic 設計主管 Jenny:每週一早上十點,AI 已經幫我準備好三個產品方向

Anthropic 設計主管 Jenny:每週一早上十點,AI 已經幫我準備好三個產品方向

上個月寫了一篇 Anthropic 設計主管 Jenny Wen 的訪談分析,她在柏林對著滿場設計師說「設計流程已死」,三個月後回頭看那場演講,覺得內容已經過時了。那篇文章談的是哲學:AI 時代你的專業還值不值錢。 這篇談的是實作,Jenny 最近上了 Peter Yang 的 Podcast,這次她沒有講設計流程死不死的問題,而是直接打開螢幕示範:在流程死掉之後,她每天到底怎麼工作。 每週一早上十點,她的電腦會自動跑出一份簡報,裡面有三個經過驗證的產品方向,附帶線框稿和優先級建議。她不需要開任何會議,不需要手動整理任何資料,這些全部是 Claude Cowork 的排程任務在背景完成的。 Jenny Wen 目前是 Anthropic 的 Cowork 設計負責人,之前在 Figma 帶過 FigJam 和 Slides 的設計團隊。這集 40

By Fox Hsiao
500 個零日漏洞、22 年老 Bug、30 行 Prompt:AI 資安軍備競賽已經開始

500 個零日漏洞、22 年老 Bug、30 行 Prompt:AI 資安軍備競賽已經開始

Anthropic 的安全研究員 Nicholas Carlini 在今年三月做了一場演講,開場就說:語言模型對資安的重要性,大約等同於網際網路的發明。 這句話如果從一個 AI 公司的行銷部門說出來,大概會直接被無視。但 Carlini 是學術界出身的漏洞研究員,他在 Google Scholar 上的被引用次數超過五萬次,而且他帶了具體的案例、數字和現場示範,同一個月也上了資安圈知名的 Podcast「Security Cryptography Whatever」,用將近一小時的對談展開技術細節。 綜合這兩個來源,他描述的現實是這樣的:Claude 在幾個月內自主發現了超過 500 個零日漏洞(zero-day,指軟體開發者尚未知曉、因此沒有任何修補的安全漏洞,「零日」意味著開發者從發現到被攻擊之間有零天的反應時間),涵蓋 Linux 核心、Firefox 瀏覽器、Ghost CMS 等重要開源專案。其中部分漏洞已經存在超過 20 年,傳統的模糊測試工具從來沒有找到過。

By Fox Hsiao