SemiAnalysis 在一份题为《SpaceX 10GW in 2027 – Why It’s Real, Will Drive $300B ARR for SpaceX, and Why Microsoft Will Be the Largest Offtaker》的报告中提出，到 2027 年底，SpaceX 总算力容量有机会接近 10GW。报告日期为 2026 年 8 月 7 日。Odaily 刊发的中文稿件由 DaiDai 编译及整理，Frank 编辑。
这份报告给出的核心判断是，AI 基础设施竞争的评价方式正在变化。过去两年，市场更习惯以 GPU 数量、训练集群规模，或 H100、GB200 等芯片储备来衡量竞争力；而 SemiAnalysis 认为，未来更关键的指标会逐步落到每 1 MW 电力最终能产出多少可销售的 Token，以及由此带来的收入。
评价标准从 GPU 数量转向 Revenue/MW
按照 SemiAnalysis 的 Tokenomics Model 与 Inference Simulator，在特定前沿模型、GB300 集群、真实 Agentic Coding 工作负载和 API 定价假设下，OpenAI 与 Anthropic 每 1GW 推理算力对应的潜在年收入可超过 1000 亿美元。作为对比，报告假设租用同等规模 GB300 集群的年度成本约为 120 亿美元。
报告同时指出，这组测算相当激进，而且高度依赖模型需求、Token 价格、利用率、延迟要求以及软硬件效率等变量。但在其框架下，一个越来越现实的问题被放大了：为什么大型科技公司开始集中争夺电力。
在 SemiAnalysis 的模型里，前沿模型 API 推理如果运行在 GB300 集群上，OpenAI 和 Anthropic 的潜在收入可以超过 1 亿美元/MW/年，也就是超过 1000 亿美元/GW/年。这个模型并不是按 GPU 理论 FLOPS 直接外推，而是纳入了模型架构、显存带宽、Serving Configuration、吞吐量、TTFT、Input Token、Cache Read、Cache Write、Output Token 等变量，并引入来自真实 Agentic Coding 工作负载的 AgentX Trace。
这也意味着，AI 基础设施的衡量口径正在迁移。最早市场比的是 GPU 数量，之后看 FLOPS 和训练集群规模；进入大规模推理阶段后，更受关注的指标可能会变成 tokens/sec、tokens/W、tokens/$、tokens/MW，最终落到 Revenue/MW。
在同一个 Fable 5 推理场景下，报告模型显示，GB200 NVL72 对应的潜在收入约为 7340 万美元/MW/年，GB300 NVL72 则提升至约 9970 万美元/MW/年。按照这一口径，新一代硬件的价值不只是在性能更快，而是在相同电力预算下，能够产出更多高价值 Token。
NVIDIA 也在采用类似表述。根据文中信息，NVIDIA 在今年 5 月发布的 DSX 平台已将「token performance per megawatt」列为 AI Factory 的核心指标之一，并将关注范围从芯片、网络、软件延伸到电力、冷却和数据中心运营。
报告认为，随着推理需求从普通聊天扩展到 Agentic Coding、AI Worker、多 Agent 协同和持续运行任务，这种变化会更明显。训练往往有明确阶段和周期，推理需求则更接近「用户数量 × Agent 数量 × 单任务 Token 消耗 × 运行时间」。当 Agent 从回答问题转向持续工作，Token 消耗上限也会被重新打开。
基于这一逻辑，下一阶段 AI 算力竞争中更值得观察的，不一定是训练集群还能做多大，而是这些算力最终可以生产多少用户愿意付费购买的 Token。
SpaceX 争夺的不是单纯 GPU，而是算力交付时间
报告接着把问题转向 SpaceX。假如前沿推理真的具备如此高的 Revenue/MW，为什么 OpenAI、Microsoft、Google 不自己把所有数据中心建出来？SemiAnalysis 给出的答案是，GPU 可以花钱购买，但电力和时间并不容易直接买到。
大型 AI 数据中心从拿地、电网接入，到变电站、输电设施、设备交付和最终上线，已经成为周期越来越长的基础设施工程。SemiAnalysis 认为，SpaceX 与 xAI 过去两年展现出的关键能力，并不是拥有别人没有的 GPU，而是把这些环节压缩到极限。
报告援引的例子包括，Colossus 1 约 300MW 算力在 122 天内完成建设；Colossus 2 的约 200MW 用时约 6 个月。按照其对 Southaven 项目的跟踪，现场发电设备从 2026 年 2 月的 27 台涡轮、约 495MW，扩张到 7 月的 69 台、约 1.7GW。另一个更接近 Greenfield 模式的 MiniHard 项目，自 3 月进入垂直施工后，报告预计约 5 个月即可达到 450 至 500MW。
这组项目被报告用来说明 SpaceX 的扩张路径。Colossus 早期大量采用 Retrofit，把旧工业建筑快速改造成 AI 数据中心；MiniHard 则开始验证 Greenfield 新建模式；再叠加 On-site Generation，SpaceX 正在同时推进三条路径。
其中，现场天然气发电被认为尤其关键。报告判断，如果完全等待传统公用电网完成 transmission、interconnection 和 utility upgrade，数 GW 级项目很难按马斯克希望的速度上线。因此，SemiAnalysis 认为，SpaceX 若要在 2027 年实现数 GW 新增容量，必须大量依赖现场天然气发电，以降低对传统电网接入进度的依赖。
在这一框架下，SpaceX 出售的不只是 GPU，而是别人可能要等一两年、它可以在几个月内提供的算力。SemiAnalysis 预计，这种「大规模 + 短期可用」的稀缺性，可能让 SpaceX 对部分算力收取每年 3000 万至 5000 万美元/MW 的价格。
这也是报告区分 Value-Based Pricing 与传统 Cost Plus Pricing 的地方：客户购买的，不是一台服务器的静态成本，而是提前获得算力后可以创造的商业价值。由此，Time-to-Power 被放到了与 GPU 性能相近的竞争位置。
按 SemiAnalysis 预测，SpaceX 到 2026 年底算力规模约为 2GW，随后会在 2027 年明显提速，并在年底接近 10GW。报告将 2027 年的关键观察点归结为一点：SpaceX 能否把已经验证过一次的速度，复制成工业化能力。
xAI 并入后，SpaceX 的算力扩张被放到同一家公司框架下
文中还回顾了 SpaceX 与 xAI 的时间线。今年 2 月，SpaceX 正式收购 xAI，Grok、Colossus 与 SpaceX 的基础设施能力因此被放进同一家公司。半年后，马斯克在 SpaceX 首次财报电话会上表示，公司将在 2027 年新增建设并交付 6 至 8GW AI 算力，并称上行空间可能达到 10GW。
SemiAnalysis 的判断更进一步，到 2027 年底，SpaceX 的总算力容量有机会接近 10GW。如果这一预测成立，SpaceX 未来要做的就不只是造火箭、发卫星和销售 Starlink，也可能成为全球最大的 AI 算力供应商之一。
文章据此指出，随着提前数月甚至一年获得算力开始具备直接经济价值，AI 基础设施的稀缺性正在从芯片竞争，转向一场关于电力、工程和时间的工业竞争。而将复杂工程压缩到极限，正是马斯克过去反复展示的能力。
报告将 Microsoft 视为潜在最大承购方
如果 SpaceX 真能在短时间内拿出数 GW 算力，谁会买下这些容量，是报告讨论的下一步。SemiAnalysis 给出的答案很明确：Microsoft。
根据文中梳理，Microsoft 与 OpenAI 在 2025 年签署的新协议中，OpenAI 额外承诺购买 2500 亿美元 Azure 服务。进入 2026 年后，双方又调整合作关系。按照微软 4 月披露的新协议，Microsoft 不再向 OpenAI 支付 Revenue Share，但 OpenAI 向 Microsoft 支付的 Revenue Share 仍将按原有比例持续至 2030 年，并设有总额上限。与此同时，Microsoft 对 OpenAI 模型和产品 IP 的许可被延长至 2032 年。
在这组安排下，Microsoft 面临两种不同的算力使用方式：一是以基础设施模式把数据中心容量提供给 OpenAI；二是利用自己对 OpenAI 模型的访问权，把算力放进 Azure Foundry、Copilot、API 和 Agent 产品中。SemiAnalysis 估算，前一种模式的收入约为 1400 万美元/MW/年，后一种高价值推理场景理论上可接近 1 亿美元/MW/年，两者之间存在接近 7 倍的收入密度差距。
这也是 SemiAnalysis 认为 Microsoft 会重新激烈争夺算力的原因。按照其 Datacenter Model 对租赁、自建、NeoCloud 合同、PPA 与 ESA 等项目的追踪，Microsoft 在 2026 年迄今已锁定超过 10GW 新容量，对应超过 3000 亿美元 binding commitments。不过文中也明确提醒，这一数字来自 SemiAnalysis 的模型估算，并非 Microsoft 官方披露。
在报告看来，更关键的问题是，这些容量中的很多要到 2027 年末甚至 2028 年才能真正投入使用。换句话说，Microsoft 缺的不是长期规划，而是现在就能上线的大规模算力。
为展示新增算力的收入弹性，SemiAnalysis 进一步给出一个情景演算：如果 Microsoft 从 SpaceX 获得 3GW 算力，并能按接近 1 亿美元/MW/年的效率货币化，理论上可以对应约 3000 亿美元 Exit ARR，并推动 Azure 增速进入三位数区间。
报告同时强调，这不是 Microsoft 的正式业绩指引，也不是已经签署的 SpaceX 合同，只是用于说明新增算力收入弹性的情景模型。文中引用的微软最新披露 FY2026 Q4 数据显示，Azure 及其他云服务收入目前同比增长 43%，Azure 全年收入首次突破 1000 亿美元。
因此，报告真正抛出的问题是，未来市场在评估 Microsoft 的 AI 资本开支时，可能不能只看「花了多少钱」，还要追问每 1MW 上线后究竟能创造多少收入。
NVIDIA 的角色从 GPU 延伸到融资平台
在 SemiAnalysis 的框架里，NVIDIA 代表另一条变化路线。报告判断，NVIDIA 可能通过 vendor financing 帮助 SpaceX 缓解巨额资本开支带来的前期现金压力。文中也明确写到，目前没有公开信息证明 NVIDIA 已针对 SpaceX 落地这类融资，因此更适合将其视为报告的一项推演。
不过，报告发布后的 8 月 10 日，NVIDIA 宣布与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR 建立 AI Compute Infrastructure Financing Platforms，计划长期撬动超过 5000 亿美元第三方资本，并为 NVIDIA 客户建立专项融资池。
至少从这个动作看，NVIDIA 正在把自身能力从 GPU、CUDA、Networking 和 Rack-scale System，继续向 AI Factory 的设计、建设乃至资本层延伸。对于动辄需要数百亿美元资本开支的 AI 数据中心而言，未来左右客户采用哪条技术路线的因素，可能不只是谁的 GPU 更快，还包括谁能同时提供芯片、网络、系统、软件、建设方案，以及更便宜、更充足的资本。
在这一意义上，AI 算力竞争已经越来越像工业竞争。竞争边界从 GPU 向外扩散到网络和存储，再到冷却、电力、天然气、涡轮、土地和资本，最终仍然指向同一个指标：谁能以更低的时间成本，把 1MW 电力转化为可以持续产生收入的 Token。
报告结论激进，但指出竞争范式正在变化
SemiAnalysis 对 SpaceX 的判断本身非常激进。无论是 10GW、3000 亿美元级 ARR、Microsoft 3GW 承购，还是超过 1 亿美元/MW/年的推理收入，都建立在一系列高增长假设之上。文中提到，Agent 需求、API 定价、GPU 利用率、建设速度、电力供应以及融资条件，只要其中任一项低于预期，最终结果都可能与模型出现较大偏差。
但这份报告试图强调的重点，不只是 SpaceX 到 2027 年底究竟会落在 8GW、10GW 还是其他数字，而是 AI 基础设施竞争的范式正在迁移：市场最初争夺的是 GPU，随后是电力，而当大型公司都开始建电站、签 PPA、采购天然气和涡轮机之后，最难买到的资源可能会变成时间。
在传统数据中心时代，提前一年拿到 1GW 电力，与一年后再拿到同样的 1GW，也许只是建设进度不同；但在报告描述的框架下，如果 1GW 前沿推理算力理论上可能对应千亿美元级年收入，这两者代表的经济价值就会截然不同。
这也是文章最终落点所在：如果这一逻辑成立，SpaceX 的「10GW 豪赌」真正押注的并不是 10GW 这个数字本身，而是把工程速度转化为商业定价权。