很多人聊太空算力，第一反应都是“听起来很酷，但训练大模型的成本真的能降下来吗？”这个问题其实得拆开看——不是现在立刻就能省钱，而是随着部署规模扩大，成本曲线会和地面算力走出完全不同的轨迹。
先看2026年的现状，SemiAnalysis在6月3日发布的深度报告里算过一笔账：一个30.5kW的B300集群，地面部署总资本开支约140万美元，太空部署要410万美元；折算成月度总拥有成本，地面约2.77万美元/月，太空约10.09万美元/月。单看当下，太空算力确实比地面贵不少，发射成本、散热系统、设备折旧都是实打实的支出。
但太空算力的核心优势，恰恰在“规模效应”上。地面数据中心越建越多，会碰到电力、土地、水资源的硬约束，每新增一单位算力的边际成本反而可能上升；太空不一样，太空中太阳辐照强度可达约每平方米1361瓦，在合适的太阳同步轨道上几乎能全天候接收阳光，不受昼夜和天气影响，而且没有土地审批、电网扩容的额外成本。马斯克在播客里算过，太空太阳能发电效率约为地面的五倍，还省掉了电池储能和复杂冷却系统的投入，规模越大，单位算力的能源成本优势就越明显。
更关键的变量是发射成本。目前SpaceX正在推进星舰的可复用技术，目标是把年发射次数提升到1万至3万次，单次载荷100到150吨。一旦发射成本降到足够低，太空算力的平准化成本就会快速下探。SemiAnalysis的基准模型显示，常规情境下太空与地面算力的成本平价可能在2040年左右出现；如果地面数据中心扩张受限而芯片产能持续释放，这个时间点可能提前到2030年代初。
对大模型训练来说，成本下降的空间还来自算力供给的放开。现在很多大模型训练受限于地面算力供给的节奏，不得不拉长训练周期。如果太空算力能补上供给缺口，让训练任务并行度更高，间接节省的时间成本也相当可观。当然，现阶段太空算力更适合推理和部分数据处理任务，大规模训练的成本优势还需要时间释放，但长期来看，这条技术路径的成本下降空间值得持续关注。
以上仅为行业观察，不构成投资建议。
声明：本文由AI基于公开信息生成，不代表新浪财经立场或观点。
4001102288 欢迎批评指正
All Rights Reserved 新浪公司 版权所有
