算力部署全曝光

9 月 25 日，马斯克在社交平台 X 发文，详细披露了旗下人工智能业务的算力部署情况。相关算力业务现已并入 SpaceX，对外以 SpaceXAI 名义运营，其核心资产是位于美国田纳西州孟菲斯的两大超算集群 Colossus 1 与 Colossus 2。

根据披露数据，Colossus 1 目前由 15 万张英伟达 H100、5 万张 H200 以及 3 万张 GB200 组成；Colossus 2 则已部署 11 万张 GB200 与 44 万张 GB300。

马斯克给出的扩张时间表相当激进：下周将再有 22 万张 GB300 投运，2026 年 11 月计划再上线 22 万张，若进展顺利，2026 年 12 月底还将追加 22 万张。这意味着到今年年底，Colossus 2 集群的 GB300 规模将达到 110 万张。

为何要堆这么多 GPU

GB200 与 GB300 是英伟达推出的新一代 GPU，属于 Blackwell 架构的后续产品，专为人工智能训练与推理优化。相比上一代 H100、H200，GB 系列在能效与算力密度上都有显著提升，因此成为新建 AI 集群的主力芯片。

庞大的算力储备，直接支撑着 Grok 等人工智能产品的迭代。更强大的训练集群有望带来更精准的回答、更强的逻辑推理能力以及更自然的语音交互。据公开信息，Colossus 1 于 2024 年初步建成，最初用于训练 Grok；今年以来，该综合体已开始向 Anthropic 与谷歌（Alphabet）出租算力。

半年冲刺行业领先

在谈及行业竞争时，马斯克坦言，SpaceXAI 的人工智能研发仅有 3 年历史，而 Anthropic 与 OpenAI 等竞争对手已积累了 6 到 10 年。他提出，如果发展势头保持强劲，SpaceXAI 有望在约 6 个月内达到行业领先。

这一表态折射出当前大模型领域的算力军备竞赛正进入白热化阶段。在模型能力差距逐步收窄的背景下，谁拥有更稳定、更庞大的算力底座，谁就掌握了迭代速度的主动权。马斯克押注的，正是用规模换时间。

直线折旧模型在 AI 加速器市场失效

SiliconData 指出，英伟达更早的 A100 与 H100 GPU 当前残值也「远超按 3 年或 5 年直线折旧计划所应有的水平」。所谓直线折旧，是将设备原始成本平均分摊至预计使用年限的会计方法——例如 1000 美元设备按 5 年折旧，每年折旧 200 美元，第二年残值应为 600 美元。但在 AI 加速器市场，这一模型已明显失效。

推理效率是保值核心

B200 之所以能维持极高残值，核心在于其出色的推理效率。SemiAnalysis 基准测试显示，在运行 DeepSeek-R1 时，B200 在每用户 76 词元每秒的交互速度下，每百万词元推理成本仅为 0.20 美元，仍是当前效率最高的推理硬件之一。

租赁市场同样印证了这一趋势。SiliconData 提供的 GPU 租赁价格显示，B200 在 1 月的每小时租用价格略低于 5 美元，到 8 月已升至 5.50 至 5.80 美元区间，涨幅约 50% 至 80%；非超大规模云市场的 B200 时租价格约为 5.61 美元。

需求未随呼吁降温

值得注意的是，Anthropic 的达里奥·阿莫代伊（Dario Amodei）与 OpenAI 的萨姆·奥尔特曼（Sam Altman）近期均曾呼吁放缓 AI 模型开发速度。但从 GPU 残值与租赁价格走势来看，AI 算力需求仍在持续上行，供需缺口短期内恐难缓解。

“我认为我们可以实现 70% 的同比增长。我们有这个信心。”这句话他上个月发布财报时说过一次，这次是重申。

4000 亿到 6800 亿美元

分析师预计，英伟达本财年营收约 4000 亿美元。如果 70% 的指引兑现，意味着明年营收可能达到约 6800 亿美元。

支撑这一判断的是一组具体数字。黄仁勋提到，仅一款集成 36 个 Grace CPU 与 72 个 Blackwell GPU 的计算机系统，目前月度销售环比增长 27%。

“我们造的东西，得用飞机运”

面对”英伟达的好日子是否到头”的质疑，黄仁勋选择从产品形态讲起。

“大多数人以为英伟达就是造一块芯片。可我们造的东西，得用飞机运。”他打比方说，如今一颗 GPU 不再是 399 美元的消费级产品，而是价值 850 万美元的整体系统——通过 NVLink 互联，由 200 万个部件组成，功耗高达 25 万千瓦，而这样的系统英伟达出货数千个。

在他看来，竞争确实从四面涌来：亚马逊、微软、谷歌这些超大规模云厂商在自研芯片，Anthropic 和 OpenAI 也在自己做，刚上市的 Cerebras 以及 Etched 这类初创公司同样来势汹汹。但系统级的体量和软硬件绑定，正是英伟达难以被轻易替代的底气。

“我们能看见未来”

黄仁勋给出的理由是英伟达的触角足够长：从存储芯片制造商这类供应商，一直延伸到数据中心项目和初创公司。

“英伟达运行每一个模型。每个实验室都可以使用我们。”他提到，这既包括 Anthropic、OpenAI 和谷歌的模型，也包括开源权重模型。”我们是 AI 生态系统的基础平台，是 AI 行业的基础平台。”

他还透露，英伟达正在追踪全球每一吉瓦的土地、电力和厂房（shell）。这种覆盖让公司能在需求完全兑现之前，提前看到基础建设的走向。

循环交易的质疑

外界质疑英伟达投资那些最终会采购其产品的公司，属于自我循环的账面繁荣。黄仁勋回应称，这类投入大致是每投 1 美元收回 100 美元，并且在投资前会确保有真实合同作为支撑。

风险依然存在

黄仁勋也承认，AI 的扩张很大程度依赖那些烧钱运行大模型的资源密集型初创公司。随着模型数量激增，算力基础设施的效率压力会上升，企业终将寻找降低 token 用量、优化基础设施的办法——这与以往几轮技术扩张的路径类似。

换句话说，这份乐观建立在一个前提上：AI 基础设施的投入节奏不会放缓。一旦需求侧出现转向，或者竞争对手在软硬件整合上追平，6800 亿美元这个数字就会重新变得不确定。