埃隆·马斯克周一宣布,其太空公司SpaceX已收购旗下AI公司xAI,两家公司将共同合作,利用太阳能建设太空数据中心。
"这不仅标志着SpaceX和xAI使命的下一章节,更是全新的篇章:我们将扩大规模,打造一个有感知能力的太阳系统来理解宇宙,并将意识之光延伸至星辰,"马斯克在周一发布于SpaceX网站的博客文章中写道。
马斯克认为,地球资源无法满足AI的需求,因此必须在太空建设数据中心,因为只有无限的太阳能才能为人类所需的所有AI提供动力,而SpaceX的星舰火箭可以完成将设备送入轨道的任务。
"我估计在两到三年内,生成AI算力的最低成本方式将是在太空中进行,"马斯克在文章中断言。"从长远来看,基于太空的AI显然是唯一的扩展方式。"
尽管星舰火箭迄今只完成了测试飞行,马斯克仍然声称SpaceX有朝一日能够按每小时一次的频率发射火箭,每次飞行运载200吨有效载荷。
"基本计算是,每年发射100万吨卫星,每吨产生100千瓦的计算能力,每年将增加100吉瓦的AI算力容量,且无需持续的运营或维护需求。最终,有可能实现每年从地球发射1太瓦的算力,"他写道。
马斯克似乎没有注意到计算机会出现故障,需要人工监督。
但别担心,马斯克并没有忘记他让人类重返月球并最终登陆火星的承诺。如果不从月球发射,他还能从哪里向深空发射PB级的AI数据中心呢?
"月球上的工厂可以利用月球资源制造卫星,并将它们部署到更远的太空,"马斯克写道。"通过使用电磁质量驱动器和月球制造,有可能每年向深空投放500到1,000太瓦的AI卫星。"
虽然这完全符合马斯克的风格,但他并非第一个提出太空是AI摆脱地球化石燃料限制的唯一规模化场所的人。亚马逊创始人杰夫·贝索斯和谷歌都提出过类似主张。去年11月,谷歌启动了Project Suncatcher项目,同样旨在建立装载TPU的轨道AI数据中心网络。
马斯克的文章并未讨论其想法的伦理问题。值得注意的是,他旗下公司提供的AI服务曾表达过对纳粹主义的同情,并生成过深度伪造色情内容。天空中的巨型数据中心处于不确定的管辖范围内,可能会在地球上引发各种麻烦。
Q&A
Q1:马斯克为什么要在太空建设AI数据中心?
A:马斯克认为地球资源无法满足AI的需求,只有太空中无限的太阳能才能为人类所需的所有AI提供动力。他估计在两到三年内,在太空中生成AI算力将成为成本最低的方式,从长远来看,基于太空的AI是唯一的扩展方式。
Q2:SpaceX计划如何向太空运输AI数据中心设备?
A:马斯克表示将使用SpaceX的星舰火箭完成运输任务。他声称SpaceX有朝一日能够按每小时一次的频率发射火箭,每次飞行运载200吨有效载荷。基本计划是每年发射100万吨卫星,每吨产生100千瓦的计算能力,最终实现每年从地球发射1太瓦的算力。
Q3:除了SpaceX和马斯克,还有其他公司提出类似的太空AI计划吗?
A:是的,马斯克并非第一个提出太空AI构想的人。亚马逊创始人杰夫·贝索斯和谷歌都提出过类似主张。2024年11月,谷歌启动了Project Suncatcher项目,同样旨在建立装载TPU的轨道AI数据中心网络。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。