技术已经上天，现金流还在地上。一个新技术从实验室跑出来，所有人都开始讲故事，分析师开始画TAM，媒体开始用"革命"这个词。但真正让我们赚钱的，从来不是"会不会发生"。而是"什么时候发生，以及谁赚到钱"。SPACEX要上市了，太空算力这事儿，最近问的人特别多。
我的第一反应不是兴奋。
是警惕。
壹
、这事儿为什么现在冒出来
两个原因，都很实在。
第一个，AI把电吃疯了。
以前互联网公司抢的是流量。今天抢的是变电站。
一座GW级AI数据中心，用电量顶得上一个小城市。
我去年跟某云厂商的人聊，他说他们现在选址，第一句话不是"地多少钱"，是"变电站还有没有余量"。
美国有些州，数据中心排队接电的名单已经排到三五年以后。
限制AI扩张的，不是GPU缺货。
是电网没容量了。
第二个，SpaceX快上市了。
市场开始重新给太空资产定价。
如果轨道能承载通信——星链已经证明了——那能不能承载算力？
于是，太空算力这个老概念，突然有了新买家。
但到这里，问题才刚刚开始。
贰
、地面数据中心正在撞墙，我看过那些墙
我曾经是注册电气工程师和一级建造师，
亲手画过数据中心的配电图。
数据中心这东西，不神秘。
三件事：电进去，算力出来，热量扔掉。
现在，三个环节都在逼近极限。
第一堵墙：散热。
最新一代AI训练集群，单个机柜功率超过100千瓦。
什么概念？传统风冷根本压不住。必须上液冷。有些方案已经在试浸没式冷却——把服务器直接泡在特殊液体里。
在一个标准大型数据中心总造价里，散热系统占建筑机电投资的25%到35%。超过30千瓦的机柜密度，这个比例跳到40%以上。
一个10亿造价的数据中心，有3到4亿花在"把热量搬走"这件事上。
过去数据中心的核心是服务器。未来数据中心的核心是空调。
这本身就是个信号：成本结构在恶化。
第二堵墙：电。
美国北弗吉尼亚是全球最大的数据中心集群。当地电网已经开始限制新项目接入。
爱尔兰的数据中心用电量，已经超过全国居民用电总和。
不是没地。是没电。
能源从一个成本项，变成了战略资源。
第三堵墙：地和水的双重挤压。
大型数据中心需要同时满足四个条件：电便宜、地质稳定、水够多、电网够强。
同时满足这四个条件的地方，地球上本来就不多。现在越来越少。许可周期越来越长。成本越来越高。
关键点在这里：
地面算力的边际扩张成本在持续上升。
不是绝对成本在降——芯片效率还在提升。
而是每新增一单位算力，你要付出的电、水、地、冷却成本，都在往上走。
这才是太空算力出现的真正背景。
不是替代。
是溢出。
当地面太贵的时候，天上的溢价就变得可以忍受了。
叁
、太空到底解决了什么（以及没解决什么）
从物理层面看，太空方案有真优势。
但有一个最容易误判的物理事实，必须一开始就说清楚：
太空散热极难。
很多人以为太空冷，散热应该很容易。这是错的。
地面散热靠的是热传导和热对流——风冷、液冷，本质都是用介质把热量搬走。效率极高。
太空是真空。没有介质。
散热只能靠热辐射——把热量变成电磁波"发射"出去。
问题是：根据黑体辐射定律，辐射功率与温度的四次方成正比。芯片耐受温度通常不能超过80°C，在这个温度区间，要把一个10兆瓦集群的热量辐射出去，需要的散热帆板面积可能是几个足球场大。
太空解决的不是"散热更便宜"。
它解决的是"散热不再依赖地球资源"。
它让你彻底摆脱了对冷却水、对本地电网、对土地审批的刚性索取。
但代价是：你必须接受一种物理效率更低、工程复杂度更高的散热方式。
这是太空方案真正的物理代价。
能源：
太空太阳能板的效率远高于地面。没有大气衰减，不受天气影响，太阳能利用率显著高于地面。
对于一个以电力为核心投入的工厂——数据中心就是个电力工厂——这是天然的便宜。
空间：
轨道不占土地。从长期看，轨道资源比土地资源大得多。
所以，从工程逻辑上，太空算力并不荒谬。
它解决的，恰恰是地面最头疼的资源约束问题。
但这里有一个必须立刻划出的边界：
太空算力在五年内，绝无可能承载万亿参数级大模型的底座训练。
AI训练最消耗的不是"算力总量"，而是GPU与GPU之间的东西向流量——All-Reduce同步、梯度聚合，要求每张卡之间保持超高速互联。在地面，这靠的是InfiniBand光纤和万兆交换机，带宽以Tbps计。
在太空，如果把算力拆成几百颗卫星，卫星之间只能靠空间激光互联。根据SpaceX目前公开披露的AI-1卫星方案，规划中提到了太比特级激光链路，这确实在缩小差距。但即便带宽按设计指标达标，卫星之间数百公里的物理距离带来的光速延迟，以及跨数百颗卫星组网时的集群效率衰减，仍然与地面同一机架内的光纤互联不在一个量级。
不同规模模型，可行性完全不同：
万亿参数级大模型底座训练 → 五年内不可能
百亿参数级分布式训练 → 如果太比特激光链路稳定，有可能在2-3年内验证
微调和推理 → 当前技术条件已可支撑
太空算力真正的切入点，不是替代地面数据中心。
而是：
高空间分辨数据的就地清洗（遥感卫星不用把原始数据传回地面再处理）
极端保密环境下的主权边缘推理（数据不出轨道，物理隔离）
对延迟极度不敏感、但对物理安全极度敏感的计算任务
太空算力的想象空间，在于"地面做不到的事"，而不是"地面做得到的事"。
工程上成立，不等于账本上成立。
肆
、账本上的问题，一个都没解决
这一节请慢读。这是全文最重要的一节。
太空方案最大的问题，不是技术。是钱。
把1公斤东西送进近地轨道，猎鹰9号的成本大约2000到3000美元。Starship即使按最乐观的预期，把成本压到300美元一公斤——一座10兆瓦的算力集群，光发射成本就超过2亿美元。
这还没算在轨组装、抗辐射加固、巨型辐射散热帆板。
而在地面建一座同等规模的AI数据中心，土建加机电总造价大约800到1200万美元每兆瓦，10兆瓦大概1亿美元上下。
太空方案的初始资本投入，目前是地面的5倍以上。
这个差距，不是任何架构优化能抹平的。
更重要的是：在轨维护比地面难得多。芯片上去就下不来了，坏了只能远程降级使用。太空辐射对芯片寿命的影响，长期数据几乎为零。轨道设备的折旧率，没有历史可以参考。
但这些还不是最要命的。
最要命的是折旧错配。
在地面，数据中心的"骨架"和"血肉"是分开折旧的。机房、变电站、冷却管网，寿命20年。GPU服务器，每3年迭代一次。地面可以通过"换芯不换壳"来摊薄资本开支——算力贬值，但不动产增值。
在太空，骨架和血肉是焊死的。太阳能翼板、卫星内核、推进系统，和这批GPU被锁在同一个轨道舱里。3年后，这批芯片在算力上被地面淘汰，但你的卫星本体还能再飞10年。
你无法在轨升级芯片。
你唯一的选择，是让整套空间基础设施跟着芯片一起提前报废。
太空算力不是买了一台服务器。
是买了一栋把服务器浇筑在水泥里的楼。
这种资产配置的不可逆性，才是资本最致命的绞肉机。
太空算力解决的，是运营成本中最难的那一部分。
但它放大的，是资本成本中最贵的那一部分。
而这些问题，都有一个共同特点：
没法用PPT解决。
只能靠时间。
靠一次次发射积累数据，靠硬件在轨道上真实运行，去试出答案。
技术已经从实验室跑出来了。
但商业时钟还没开始走动。
伍
、协和客机的鬼魂还在飞
协和客机从来不是失败的飞机。
它是成功得过头的飞机。
它把工程学推到了极致——比所有民航客机快一倍，从伦敦到纽约只需三个半小时。
也把经济学彻底抛在了身后——每飞一小时亏掉的钱，比普通航班一整趟赚的还多。
投资史上最昂贵的错误之一，就是把工程学胜利误认为商业模式胜利。
这个鬼魂，至今还挂在航空航天投资的上空。
陆
、一个投资老兵犯过最多的错误
每当一个未来趋势出现，投资者总想找到"最纯的标的"。
互联网时代，大家找最纯的门户。
新能源时代，找最纯的电池厂。
AI时代，找最纯的大模型公司。
但历史反复打脸：最纯的往往活不下来。
能活下来的，是那些有现金流兜底的人、有平台生态的人、有资本耐力的人、有关键基础设施的人。
如果太空算力真成了，最大的受益者未必是那些轨道算力创业公司。
今天最讽刺的地方在于：
如果你看好太空算力，最直接的受益者——拥有轨道定价权的那家公司——你的券商账户暂时还买不到。
而你在二级市场能买到的，却是那些重仓了数千亿美元地面数据中心资产的科技巨头。它们短期内反而可能因为"旧资产被新方案挑战"而面临估值压力。
这意味着，对于大多数公开市场投资者而言，真正有效的下注方式，只有两种：
第一种，继续持有QQQ或QQQM。
逻辑不是"它们会赢"，而是"当神仙打架结束之后，终究是公开市场上的生态巨头来收割战场"。历史上，输掉第一局的人，往往赢下整场比赛。
第二种，等待。
等待那个真正拥有轨道定价权的公司进入公开市场。在那之前，所有让你重仓"太空算力初创公司PPT"的建议，都值得你再读一遍协和客机的故事。
柒
、中国：同一个问题，不同的约束条件
以上讨论的框架完全基于美国逻辑。但如果你是一个中国投资者，需要额外理解几件事。
1. 三堵墙在中国
，存在但被结构性推迟了
散热墙： 中国最新AIDC机柜功率密度普遍还在8-15kW区间，离海外40-100kW有明显差距。液冷在技术上已突破，但规模部署尚在早期。散热占总造价的比例，目前还没到令人皱眉的程度。
土地墙： 在中国根本不是问题。西部可建设用地充裕程度远超北弗吉尼亚或都柏林，审批也比欧美快。
关键推论： SpaceX做轨道算力，是真实的商业驱动力——地面真贵到受不了了。中国要跟进轨道算力，驱动力在可见将来更多来自战略安全，而不是来自电费账单。这是两条完全不同的启动逻辑。
2. 轨道算力在中国的真实排序
第一优先级：主权算力安全。
如果未来中美进入高对抗环境，海底光缆被切断，或者海外GPU被远程锁卡，在轨算力节点就是最后的物理独立计算空间。这不是商业问题，是国防需求。它会像北斗一样走独立立项、国家拨款、不计商业回报的路径。
第二优先级：遥感数据就地处理。
中国拥有全球规模最大的遥感卫星星座（吉林一号、高分系列等）。目前大量原始数据需要回传地面再处理。如果在轨处理，将传输需求压缩为处理后信息，效率提升是指数级的。这有真实的工程价值，且不需要大规模跨节点通信——正符合第三节对应用场景的判断。
第三优先级：商业溢出。
当发射成本下降到一定阈值，中国云厂商可能租用轨道算力作为弹性扩容。但这项排最后，前两项才是真正的买单方。
3. 发射能力是真正的瓶颈
SpaceX的解法是Starship——可回收、超重型、百万吨级年入轨能力。
中国的现实是：长征九号仍在研制，可回收火箭方面民营公司进展快于国家队，但离Starship的量级差距是代际级别的。目前没有百吨级可回收重型运载。
这意味着，即使中国想跟进轨道算力，在当前发射成本结构下，每部署1公斤算力硬件的代价是SpaceX方案的数倍。轨道算力在中美之间，不是"做不做"的差别，而是"谁有能力把发射成本压到商业阈值以下"的差别。目前，有且只有SpaceX一家在逼近这条线。
4. 但中国的答案不是向上走
，而是向西走
马斯克选择"向上走"，是解决地面解不了的长期约束。
中国选择"在地面重新分布"，是用国土纵深换时间。
具体路径包括：浸没式液冷和相变冷却把PUE压到1.1以下、西部风光水电持续供给、小型模块化核反应堆远期部署、海底数据中心商用化、以及"东数西算"的宏观空间重构。
这两条路线的成本曲线迟早会交叉——但交叉的时间点，可能远比多数人想象的要晚。
5. 中国投资者该看什么
轨道算力本身： 航天科技、科工集团体系内，如果未来将商业航天资产证券化，那才是真正对标SpaceX逻辑的标的。目前A股"商业航天"概念股绝大部分是供应链上的零部件和配套商——能赚到订单，但赚不到轨道资产的长期定价权。
地面解法更值得当下关注： 液冷、温控、电力设备、光模块——这些服务于"地面解法"的公司，有真实的当期现金流。它们不依赖未来技术突破，只是在消化AI算力扩张带来的确定性需求。
核心跟踪指标： 不是技术PPT，是发射账单。当中国重型可回收火箭首次实现百吨级入轨、且每公斤成本降到商业化阈值以下，这一天才是中国轨道算力商业化的真正起点。在此之前，所有概念股讨论，本质上都是在交易"马斯克做的事我们也能做"的叙事，而不是交易真实的经济性。
收束到正文框架： 对中国而言，太空算力的问题同样不是"对不对"，而是"早不早"。但中国的"早不早"，主要不取决于技术验证或资本意愿，而是取决于Starship在中国这边什么时候出现。在那之前，把精力放在地面解法的收账上，比仰望轨道更实际。
捌
、四个信号，按时间排好了
未来几年，我会盯着四个东西。它们的时间节奏完全不同。
近期可观察（1-2年）：
① Starship把发射成本压到300美元一公斤以下。
这是四个里最快可能实现的。SpaceX的迭代速度，让这个答案不会太远。SpaceX近期公开的AI-1卫星概念方案，让这个信号有了更具体的观测锚点——但需注意，AI-1目前仍处于概念验证阶段，最终规格可能发生变化。
如果连这个都做不到，后面全是空谈。
中期验证（3-5年）：
② 在轨GPU连续稳定运行超过三年。
这个时间是硬约束。芯片在太空的真实寿命，只能靠时间换。加速老化测试解决不了全部问题。
③ 轨道数据中心长期PUE稳定在1.05以下。
需要一个完整运行周期来验证，覆盖所有工况。如果AI-1按照当前公开的70米翼展设计推进，这本质上就是在用面积换散热——验证的不是"散热多容易"，而是"用多大代价换来散热"。
远期印证（5年以上）：
④ 出现第一家能产生正自由现金流的轨道算力运营商。
这是前三项的汇总结果。发射成本降下来、硬件可靠性被验证、运营效率有数据支撑——这三条都跑通了，商业闭环才可能合上。
在四个信号同时出现之前：
太空算力更适合做观察对象，不是投资对象。
玖
、最后一句话
我入行的时候，一个老前辈跟我说过一句话：
"别为技术买单，为技术带来的现金流买单。"
这些年看下来，这是最值钱的一句教训。
技术已经证明自己能够离开地球。
经济学还没有。
而投资者最大的错误，往往不是低估未来。
而是高估未来到来的速度。
太空算力也许终将成为现实。
但资本市场最昂贵的学费，从来不是看错方向。
而是买得太早。
本备忘录仅为个人研究记录，不构成任何形式的投资建议。投资有风险，决策需独立。
JDV Research · 价道研究
《价道研究备忘录》系列
用二十多年实战经验，拆解市场里真正重要、但不常被讨论的问题。
往期内容：
SpaceX上市：人类第一次把未来摆上货架 / #27 资产系列11
当比亚迪来到加拿大，人们到底在担心什么？ / #26 资产系列10
比亚迪真正的风险：它有没有一个不被自己绑架的操作系统 / #25 资产系列9
比亚迪到底是什么物种——股东大会后我们没谈拢 / #24 资产系列8
无常之常：易经和投资1 / #22 知行系列5
市场为什么曾经相信韦尔奇——当时代被误认为天才？ / #21 人物系列10
黄仁勋五万亿，苏姿丰八千亿：市场究竟在给什么定价？ / #20 人物系列9
市场为什么信黄仁勋 / #19 人物系列8