SpaceX与xAI合并:马斯克的"算力闭环"野心,为什么这次不一样?

用户头像
P站PennStation
 · 中国台湾  

关注我,及时把握市场最热话题,每个交易日更新!

这次合并的本质是什么?

SpaceX与xAI合并了。

很多人的第一反应是:马斯克又在整合资源。

但如果你仔细看这次合并的逻辑,会发现一个关键变化:

SpaceX从"卖基础设施"变成了"卖算力服务"。

之前的SpaceX:我帮你发卫星、提供通信服务

合并后的SpaceX+xAI:我自己部署算力卫星、自己跑AI模型、自己服务用户

这是从"卖铲子"到"自己挖金矿"的战略转型。

一、为什么这次合并很重要?

1.1 "算力+模型+应用"的闭环

之前SpaceX做的是基础设施——火箭、卫星、星链。

xAI做的是AI模型——Grok。

合并之后:

这是一个完整的商业闭环,不再依赖外部客户。

1.2 马斯克的具体预测

马斯克给出了两个关键数字:

预测一:2-3年内,太空将成为生成AI算力成本最低的方式

为什么?地面数据中心的三大成本——电力、土地、散热,在太空都可以大幅降低。

预测二:每年发射百万吨卫星,新增100GW的AI计算能力

100GW是什么概念?

英伟达2024年全年GPU出货量对应的算力,大约在10-20GW量级

100GW意味着5-10倍于当前全球AI算力的增量

1.3 IPO估值的想象空间

如果太空算力计划能够落地,SpaceX的商业模式将从"发射服务商"变成"全球算力服务商"。

市场对SpaceX IPO估值的预期已经到了万亿美元级别

这个估值锚,不是基于火箭业务,而是基于太空算力的想象空间。

二、产业链的增量机会在哪里?

这次合并带来的产业链增量,主要集中在三个方向:

2.1 能源系统:100GWh储能+GW级光伏的确定性增量

这是整个产业链中增量最确定的环节。

为什么?因为不管太空算力的商业模式怎么演进,卫星都需要供电。

百万颗算力卫星的能源需求:

技术路线的关键变化:

为什么SpaceX倾向HJT而非TOPCon?

关键在于"薄片化"——太空发射成本按重量计算,电池片越薄越好。HJT的薄片化潜力优于TOPCon。

太空储能:固态电池的新战场

卫星在地影区运行需要储能,对电池要求极高:

固态电池在太空储能场景的优势是压倒性的。

2.2 通信系统:激光通信从"可选"到"必选"

百万颗卫星组网,激光通信是唯一解。

为什么?看一组对比:

SpaceX计划完全采用激光链路组网,这意味着:

星载激光通信终端的市场空间从百亿级跃升至数千亿级。

2.3 国内太空算力:从0到1的起步

这是一个容易被忽视的增量方向。

SpaceX+xAI的合并,会倒逼国内加速太空算力布局。

国内已有的太空算力项目:

逻辑: 如果美国在太空部署算力成为现实,中国不可能不跟进。这是国家战略层面的竞争。

三、与之前"百万颗卫星"计划的区别

核心变化:从"卖铲子"到"自己挖金矿"。

四、研究总结:三个增量方向

方向一:能源系统——确定性最高

增量逻辑: 100GWh储能+GW级光伏,不管商业模式怎么变,卫星都要供电

技术路线: HJT短期优选(薄片化),固态电池太空储能首选

代表企业: 迈为股份东方日升

方向二:激光通信——从百亿到数千亿

增量逻辑: 百万颗卫星组网,激光通信是唯一解

市场空间: 从百亿级跃升至数千亿级

代表企业: 烽火通信航天电子

方向三:国内太空算力——战略跟进

增量逻辑: 美国布局倒逼中国跟进,国家战略层面的竞争

早期布局: 轨道神光、国星宇航

代表企业: 顺灏股份(参股轨道神光)

五、三个关键风险

风险1:合并整合风险

SpaceX和xAI的整合需要时间,协同效应能否实现待验证。

风险2:技术可行性

太空算力的技术路线尚未完全验证,存在不确定性。

风险3:国内参与度

SpaceX产业链以海外为主,国内企业直接受益程度有限。

六、一个值得讨论的问题

SpaceX+xAI的合并,对国内AI产业意味着什么?

我的思考:

如果马斯克的太空算力计划成功,意味着:

AI算力成本可能出现"断崖式"下降

地面数据中心的竞争优势被削弱

中国需要在太空算力领域加速布局

这不只是一个商业竞争问题,而是国家战略问题。

你怎么看?欢迎在评论区讨论。

迈为股份(SZ300751)迈为股份(SZ300751) 迈为股份(SZ300751) 烽火通信(SH600498)烽火通信(SH600498) 烽火通信(SH600498) 顺灏股份(SZ002565)顺灏股份(SZ002565) 顺灏股份(SZ002565)

本文为产业研究分析,不构成投资建议。文中提及的公司仅为产业链梳理,不代表推荐。投资有风险,决策需谨慎。

— PennStation