Show Notes
SpaceX上市进入最后倒计时，在它那份长达280页的招股说明书里，月球基地、点对点地表旅行、在轨制造、火星货物……这些别的公司不敢写的科幻元素，它都写了。但更让人印象深刻的是SpaceX的AI叙事，它预测在28.5万亿美元总潜在市场中，有超过90%来自AI板块，而这部分将受到“地球无法快速扩展发电能力”的严重制约。 面对电力紧缺，SpaceX的答案是：把数据中心搬上太空。上周一，马斯克在一段关于AI1卫星设计草图的视频中称，AI卫星不需要多么神奇的技术，这些技术已经在星链V3卫星中做出来了。谈到时间表时，马斯克预估SpaceX将在2027年底前实现每年1GW的太空AI算力的年化部署率，并逐年扩大量级。 这个大胆的宣言，究竟是IPO前夜的氛围烘托，还是下一代算力基础设施的真正方向？太空数据中心，技术上能实现吗？即使能做成，它真的比建在地面上更划算吗？本期硅谷101播客，我们就来算算这笔经济账。
本期节目不构成投资建议
【主播】 泓君Jane，硅谷101创始人，播客主理人 【嘉宾】 Lewis Hong，Aris Fund合伙人，前SpaceX高管 刘冰雁，火箭爱好者
【你将听到】 SpaceX S-1解读 03:07 打卡指南：LA SpaceX总部&德州Boca Chica星舰发射中心 06:53 SpaceX招股书，1GW太空算力计划和“Elon Time” 09:40 1万颗卫星铺满一条晨昏线轨道是什么概念？ 11:02 打个赌吧：Starship 100次发射时间线预测
成本拆解 16:52 极度乐观：只算燃料成本，两个月回本，但现实并非如此 19:41 保守估算：每公斤200美元，两年回本只能打平 22:14 考虑到GPU损耗等因素，成本估算再加40%冗余度 26:05 星舰还有改进空间，每公斤10–20美元经济账才成立
技术挑战 28:48 反常识：太空真空环境，散热为什么这么难？ 31:02 两个思路：提升温度、增加散热面积 33:38 解决方案：热泵与半导体散热技术 38:24 太空芯片，谁来造？ 41:38 太空辐射会让GPU算错，加屏蔽和纠错即可 42:13 太空只适合做推理，不适合大模型训练 45:05 星链12000颗卫星，99.85%完好——辐射风险可控 46:06 凯斯勒效应（碎片连锁撞击）在低轨并不可怕 48:36 星链一年进行30万次卫星轨道规避机动，技术已成熟 51:09 太空数据中心综合评估：理论可行，经济账还算不过来 52:27 另一个角度：地球容纳数据中心散热的能力终将触顶
战略价值 53:51 太空算力的战略价值：速度、扩展性与数据主权 59:01 太空数据中心热潮：放上去不难，经济地放才是真挑战 01:01:53 未来10年发射市场将多元化，中国稳步追赶 01:02:48 初创公司的机会：上游关键零部件/技术供应商 01:07:34 月球派vs火星派：NASA为何重启登月？ 01:09:33 月球重力更适合发射，是人类开发宇宙的跳板 01:14:19 SpaceX的人都认为太空经济数倍于地球，但说出来没人信 01:15:40 财富到达一定程度，就开始寻求（或逃避）政治影响力 01:18:33 50多万人在问卷中愿意抛弃地球上的一切去火星 01:26:54 结尾彩蛋：一个太空火锅梦想，和一个在太空录播客的约定
【硅谷101正在招聘】 《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！
【延伸阅读和相关术语】 晨昏轨道（Dawn-Dusk Orbit），一种特殊的太阳同步轨道，卫星始终飞行在地球明暗分界线（晨昏线）的上方。由于轨道面与阳光方向近乎垂直，卫星的太阳能板可以持续面向太阳。在理想情况下，卫星一整年几乎都处于光照中，地食时间趋近于零——而普通低轨卫星每圈约有30%~40%的时间处于地球阴影中。这一特性使其成为需要恒定高功率供电任务的理想选择。 斯特藩-玻尔兹曼定律（Stefan-Boltzmann Law），热力学基本定律之一，描述黑体辐射的总功率与其绝对温度的四次方成正比。本期播客中刘冰雁解释太空散热的核心难点，正是基于这一定律——低温下辐射散热效率极低，必须通过提高散热器温度来把热量辐射出去。 凯斯勒效应（Kessler Syndrome），由NASA科学家Donald Kessler于1978年提出。描述的是当近地轨道上的太空垃圾密度达到临界点后，碎片之间会发生连锁碰撞，每一次碰撞产生更多碎片，进而引发更多碰撞，最终形成碎片密集的"碎片带"，使某些轨道在数百年内无法使用。 卡门线（Kármán Line），地球大气层与外太空的分界线，以航空航天工程师西奥多·冯·卡门命名。国际航空联合会（FAI）将其定义为海拔100公里处。其物理本质是气动升力让位于离心力的临界高度——在此高度以上，飞行器实际上已成为轨道航天器而非飞机。卡门线主要用于法律和监管目的，区分受各国领空管辖的航空器和属于自由空间的航天器。当前国际法并未明确规定外太空的边界高度。
【硅谷101听友群】 终于终于终于，大家一直呼吁的硅谷101的社群要上线了！欢迎大家加入。
请用手机相机扫码；如已安装飞书/Lark，可直接在App内扫码进入申请表单。7天内审核，通过后邮件同步入群方式。期待和你在群里碰面！
【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 Idiosyncrasies STEMS INSTRUMENTS - Gavin Luke Swerve Space - Lama House Quarks in the Cosmos - Grant Newman My Halo Orbit - DEX 1200
More from 硅谷101|中国版
回顾9月，AI圈的重磅新闻一个接一个。 先是OpenAI发布GPT-6 Astra，总裁格雷格·布罗克曼在发布会上宣布：AGI已经到来。 这场发布对机器人行业的冲击，来得有些意外，一个发布会报告里只字未提机器人的通用模型，转身就空降了机器人评测榜首，甚至让很多机器人的Benchmark都失效了。有人开玩笑说：机器人领域等了这么多年的“GPT时刻”，居然是GPT自己。 同样在这个月里：Meta Muse冲上美国App Store榜首，它的竞争对手Instinct估值也涨到了100亿美元；xAI的Grok Bot也开放了企业部署；不生成文本、只给选项打概率的决策模型Jev以“系统1”走红，发布24天就融了8.7亿美元。 在AI for Science方面，Claude发现类CRISPR的新酶系统；扎克伯格夫妇资助成立的Biohub宣布将虚拟细胞计划扩大到18亿美元，这些进展又会为科学发现带来哪些改变？ 本期《硅谷101》，我们请来三位分别站在Agent、机器人和AI制药一线的研究者，聊清楚三件事：个人Agent商业化卡在哪？机器人怎么被Astra这样的底层模型冲击？AI制药真正的瓶颈是什么？ （本期节目录制于2026年9月29日）
模型在榜单上越来越强，为什么真正把工作交给AI，还是需要人反复解释、检查和兜底？ 半年前，我们与阿里国际站总裁张阔聊了Accio Work，以及Agent如何参与采购和日常经营。半年后，我们再次请到他，聊聊这半年来商家使用Accio Work的真实案例，试图回答这个问题：模型能力的提升，究竟有多少变成了商家工作里的进步？ 张阔分享，很多模型的通用评测成绩已经接近满分，但团队在真实经营中，并没有感受到同样幅度的提升。为此，他们从实际业务中整理了107个任务，包括比较供应商报价、识别钓鱼邮件、预订船期和处理交易纠纷。据他介绍，在这套特定评测中，最前沿模型在无人干预条件下的任务通过率约为61%。 这些任务没有数学竞赛那么耀眼，却直接关系到商家的成本、交期和利润。一个好用的Agent，既要能把工作做完，也要让人用得起；既要理解工具和流程，也要理解这盘生意究竟想追求什么。 这期节目，我们聊聊榜单成绩与实际交付之间的落差、通用模型与垂直产品的竞争，以及当AI接手越来越多的执行工作，人还需要保留哪些判断。
这个夏天，来自全球各地的多个气象机构都拉响了同一个警报，一场史无前例的超级厄尔尼诺正在上演。 来自摩根大通的经济学家预计，全球的食品通胀将在2027年的上半年上升到5%，明显高于今年同期的2.8% 。这其中有来自霍尔木兹海峡封锁和黑海冲突的因素，也部分归因于我们正身处的这场、50年来颇为罕见的超级厄尔尼诺。 它究竟会通过什么方式影响到全球供给？它所带来的危害是否真的像媒体报道的那么大？在一次次与极端气候变化的对抗中，人们又为应对厄尔尼诺做了怎样的准备？
随着AI模型能力提升，训练需求更复杂，一批为模型公司提供训练数据的新公司正在快速增长：AfterQuery今年4月宣布A轮融资时，估值为3亿美元，到了9月，据媒体报道，新一轮融资已经将其估值推至32亿美元。另一家提供训练数据与智能体环境的公司Bespoke Labs，也在今年7月宣布，种子轮与A轮融资合计达到4000万美元。 虽然估值水涨船高，AI数据行业对外界来说却极其不透明。问题来了：这些公司究竟在卖什么？ 过去提到数据标注，我们容易想到给图片打标签、给模型回答打分。但随着AI从回答问题走向执行任务，数据公司的交付物也在变化：从专家写出的评分标准，到包含任务、工具和验证机制的强化学习环境。它们需要找到懂行的人，获得真实的行业资料，再把专业知识与工作经验转化成模型能够学习的训练信号。 与此同时，新的AI评测层出不穷。榜单分数提高了，究竟代表哪些能力变强了？针对评测生产数据，什么时候能改善真实用户体验，什么时候又会变成单纯的刷分？对于每天训练模型的研究员来说，他们最需要的数据，到底是什么？ 本期节目，我们邀请到在Scale AI负责后训练与评测研究的何允中，以及加州大学伯克利分校博士后、Agents’ Last Exam项目研究者孙一铀，从产业与研究两个视角，拆解这门透明度不高、又变化极快的生意。 我们聊了Scale、Mercor、Surge等数据公司的不同背景，也讨论了小团队在合成环境与垂直领域中的机会。从采购一份游戏源码，到验证专家提交的任务，再到设计让人愿意交出经验的激励机制，好数据的难点，往往藏在榜单之外。
【本期节目由Eight Sleep赞助播出】 在这个健康意识崛起的时代，我们越来越愿意花大价钱管理自己的身体。睡眠，就是其中最重要的方面之一。 与手表、戒指等可穿戴设备不同，Eight Sleep的产品是一张能够自动控温的智能床套。马斯克、扎克伯格、Bryan Johnson、Sam Altman，都是它的用户。多名职业运动员，也习惯带着它去比赛。这张售价约两万元的智能床套，究竟替我们做了什么？ 这期播客，我们邀请了Eight Sleep的两位创始人，Matteo Franceschetti和Alex Zatarain，聊聊睡眠科技和文化。 他们说，现代人已经熟悉了各项睡眠指标，例如深度睡眠、REM、HRV。但Eight Sleep想要更进一步：在人们熟睡时，根据身体的变化，自动调整床面温度、床体高度，让技术在你毫无知觉的时候工作。 这张床套背后，也是一家消费硬件公司十多年的摸索。从拆开电热毯做原型机，到众筹卖爆却发现卖一台亏一台；从搬到中国学习制造，到反复经历现金流危机，创始人踩了很多坑，才慢慢探索出令人满意的产品形态。 今年4月，Eight Sleep进入中国。消费竞争激烈的中国市场，反而是他们增长最快的一个。一张床套卖两万人民币，Eight Sleep如何解释自己的定价？进入全球35个国家，这家公司从上百万用户身上学到了什么？ 我们也聊到伴侣之间的温差、孕期与产后的睡眠变化，以及他们更远的野心：从改善睡眠，走向健康异常预警和预防医疗。最后，我们还是回到那个最朴素的问题：究竟怎么才算睡个好觉？