Google 9.2 亿美元/月 SpaceX 算力合同深度解读：AI 基础设施的「租赁革命」

读完本文，你将理解：Google-SpaceX 算力合同的细节与战略逻辑——为什么 Google 选择从 SpaceX 租用算力而非自建或从 AWS/GCP 获取、这份合同对全球 AI 基础设施格局的深远影响——算力正在从「自建资产」变为「可租赁商品」、SpaceX 从航天公司到算力基础设施巨头的转型路径——其 Colossus 数据中心如何成为 AI 行业的共享基础设施、三种算力获取模式的深度对比（自建 vs 租赁 vs 联盟）——哪种模式最适合不同类型的 AI 公司、以及2027-2030 年算力租赁市场的发展趋势预判——这是一个万亿美元级别的新兴市场。

2026 年 6 月 5 日，SpaceX 在其 IPO 招股文件（S-1）中披露了一份震撼行业的合同：Google 将从 2026 年 10 月起每月支付 9.2 亿美元，租用约 11 万颗 NVIDIA GPU 及相关计算资源，合同持续到 2029 年 6 月，总价值超过 300 亿美元。这份合同的规模与 Anthropic 此前签署的 12.5 亿美元/月合同（总价值约 450 亿美元）相当，标志着 SpaceX 旗下的 xAI Colossus 数据中心正在成为 AI 行业的「共享算力基础设施」。

本文内容综合自 TechCrunch（2026.06.05）、WSJ 报道、NYT 科技版、SpaceX IPO 招股文件（S-1）、Google AI 官方公告等权威来源，经交叉验证。

2026 年 6 月 5 日，SpaceX 向美国证券交易委员会（SEC）提交的 IPO 招股文件（S-1 表格）中披露了与 Google 签署的算力租赁合同的详细信息。这是通过官方监管文件获得的第一手信息，可信度极高。

合同核心条款：

算力规模：约 11 万颗 NVIDIA GPU，配套 CPU、内存和其他相关计算组件。这些 GPU 是驱动 Google Gemini AI 模型训练和推理的关键硬件。

合同期限：从 2026 年 10 月 开始，持续到 2029 年 6 月，总计约 33 个月（近 3 年）。

月租金：9.2 亿美元/月，合同总价值约 303 亿美元（9.2 亿 × 33 个月）。

算力来源：这些 GPU 部署在 SpaceX 旗下的 Colossus 数据中心（位于田纳西州 Memphis 附近）。Colossus 最初由 xAI 为 Grok 模型训练而建，在 xAI 被 SpaceX 收购后，该数据中心成为 SpaceX 的算力资产。

合同背景：这是 SpaceX 在 IPO 前一周签署的第二份超大规模算力合同。第一份是 2026 年 5 月底与 Anthropic 签署的合同——Anthropic 每月支付约 12.5 亿美元，租用 Colossus 1 数据中心的全部 300 兆瓦算力输出，三年总合同超过 450 亿美元。

关键数据交叉验证：

• TechCrunch（2026.06.05）：确认月租 9.2 亿美元、11 万颗 GPU、2026 年 10 月至 2029 年 6 月的时间线
• WSJ（2026.06.05）：确认合同金额和 GPU 数量
• NYT（2026.06.05）：确认合同总价值约 300 亿美元，与 SpaceX IPO 节奏关联
• SpaceX S-1 文件：官方监管披露，所有数据的最高可信度来源

这份合同的震撼之处在于：Google 是全球最大的云计算提供商之一（Google Cloud Platform, GCP），拥有自己的 TPU 芯片和全球数据中心网络。但它选择从 SpaceX 租用 NVIDIA GPU，而不是用自己的 TPU 或从 AWS 获取——这反映了当前 AI 算力市场的核心矛盾：即使是最大的云计算公司，也无法在短期内获得足够的 AI 算力来满足自身需求。

Google 拥有全球最大的数据中心网络之一、自研的 TPU 芯片、以及 Google Cloud Platform（GCP）云计算服务。但它选择从 SpaceX 租用 NVIDIA GPU，这个决策背后的战略逻辑值得深入分析。

原因一：GPU 短缺——即使是 Google 也买不到足够的 NVIDIA GPU

2026 年全球 AI 芯片市场仍然供不应求。NVIDIA 的 Blackwell 系列 GPU（B200）产能有限，台积电的先进封装（CoWoS）产能已被预订到 2027 年。Google 的自研 TPU 芯片虽然性能优秀，但大量 AI 模型和框架是为 NVIDIA CUDA 生态优化的，迁移到 TPU 需要额外的开发和优化工作。在短期内获得大量 NVIDIA GPU 的最快方式不是购买（供应受限），而是租赁（从已有大量 GPU 的公司租用）。

SpaceX 的 Colossus 数据中心拥有超过 30 万颗 NVIDIA GPU（包括 H100 和新一代 B200 等型号）——这是全球最大的 AI 训练基础设施之一。根据最新披露，仅 Anthropic 就租用了 22 万颗 GPU，Google 租用了约 11 万颗 GPU。Google 通过租赁合同，可以立即获得这些算力，而不需要等待自建数据中心的建设周期（18-24 个月）或芯片采购周期（6-12 个月）。

原因二：Gemini 模型的算力需求超出 GCP 内部供应能力

Google 的 Gemini 模型系列（Gemini 1.5、Gemini 2.0、Gemini 3.5 Flash）是市场上最强大的多模态 AI 模型之一。训练和运行这些模型需要海量算力——据 Google 官方数据，Gemini 3.5 Flash 已成为 Google AI Mode 的默认模型，AI Overviews 月活跃用户达到 25 亿。这种规模的用户基础意味着巨大的推理算力需求。

即使 Google 拥有 GCP，其内部的算力资源也需要分配给所有 GCP 客户。将部分 Gemini 算力需求转移到 SpaceX 的 Colossus，Google 可以释放内部算力用于其他客户和产品，同时确保 Gemini 模型的训练和推理不受算力瓶颈影响。

原因三：成本优化——租赁可能比自建更经济

我们来做一个粗略的成本对比：

自建方案：建设一个容纳 11 万颗 GPU 的数据中心，包括土地、建筑、电力基础设施、冷却系统、网络设备，加上 11 万颗 GPU 的采购成本（约 35-55 亿美元，取决于型号），总投资可能在 100-150 亿美元。建设周期 18-24 个月。

租赁方案：33 个月 × 9.2 亿美元/月 = 303 亿美元。

乍看之下，租赁成本（303 亿）远高于自建成本（100-150 亿）。但这里有几个关键因素：

• 自建成本不包括 3 年的运营费用（电力、维护、人员），这些可能额外增加 50-100 亿美元
• 自建方案的时间成本：等待 18-24 个月意味着错过 1-2 代模型的训练窗口期
• 租赁方案将资本支出（CapEx）转为运营支出（OpEx），对财务报表的影响不同

综合来看：如果 Google 的核心目标是在 2026 年 10 月前 获得算力（而不是等待 2 年后自建完成），租赁是唯一可行的选择。时间价值在这个决策中可能比绝对成本更重要。

原因四：战略关系的多元化

Google 与 SpaceX 的合作不仅仅是算力交易。SpaceX 的 Starlink 卫星互联网服务依赖 Google Cloud 的部分服务，而 Google 的 Gemini 模型可能需要 Starlink 的全球网络来扩展 AI 服务的覆盖范围。这种交叉合作建立了一种「你中有我、我中有你」的战略关系，对双方都有长期的战略价值。

但 Google 也面临风险：过度依赖 SpaceX 的算力意味着如果 SpaceX 在未来改变合作条款、优先保障自身（xAI/Grok）的训练需求、或在 IPO 后面临股东压力要求提高利润率，Google 的算力供应可能受到影响。这可能是 Google 同时推进自建数据中心和多元供应商策略的原因。

SpaceX 签署两份总额超过 750 亿美元 的算力合同（Anthropic 450 亿 + Google 300 亿），标志着这家公司的业务模式正在发生根本性转变——从纯粹的航天公司，转型为算力基础设施公司。

SpaceX 的算力资产来源：

SpaceX 的算力资产主要来自 xAI 的 Colossus 数据中心。xAI 是 Elon Musk 于 2023 年创立的 AI 公司，其核心产品是 Grok 聊天机器人。xAI 在 Memphis 建设了 Colossus 数据中心，部署了超过 10 万颗 NVIDIA H100 GPU——这是当时全球最大的 AI 训练集群。2026 年，xAI 被并入 SpaceX，Colossus 成为 SpaceX 的资产。

SpaceX 的算力战略逻辑：

第一，将闲置算力货币化。 Colossus 数据中心是为 xAI 的 Grok 模型训练而建的。但 Grok 的训练需求可能无法填满 Colossus 的全部容量——闲置的 GPU 是持续的财务负担（电力、维护、折旧）。将剩余容量出租给 Anthropic 和 Google，SpaceX 可以将固定成本转化为收入。

第二，IPO 估值支撑。 SpaceX 正在推进其历史性的 IPO（预计 2026 年 6 月中旬开始交易）。S-1 文件中披露的这两份超大规模算力合同，向投资者展示了 SpaceX 的多元化收入来源和确定性收入流（未来 3 年超过 750 亿美元的合同收入）。这对 IPO 估值是巨大的加分项。

第三，算力基础设施的规模经济。 Colossus 数据中心的设计容量可能远超 xAI 自身的需求。通过对外租赁，SpaceX 可以实现规模经济——更多的租户意味着更高的设施利用率和更低的单位成本。

SpaceX 的算力业务前景：

两份合同的月度总收入约 21.7 亿美元（9.2 亿 + 12.5 亿），年化约 260 亿美元。这是一个令人震惊的数字——SpaceX 的算力租赁收入可能很快超过其传统的火箭发射和 Starlink 业务收入。

从火箭到算力的转型路径：

• 火箭发射（SpaceX 传统业务）→ 年度收入约 100-150 亿美元
• Starlink 卫星互联网 → 年度收入约 100-120 亿美元（快速增长中）
• 算力租赁（新业务）→ 年化合同收入约 260 亿美元（确定性收入）

SpaceX 正在构建一个独特的业务组合：物理基础设施（火箭、卫星）+ 数字基础设施（GPU 数据中心）。这种组合在科技行业中是独一无二的——没有任何其他公司同时拥有发射火箭和训练 AI 模型的能力。

但转型也面临挑战：算力租赁业务与 SpaceX 的核心能力（航天工程）完全不同。运营一个大规模数据中心需要不同的技能集——电力系统管理、网络运维、客户关系管理、SLA 保障等。SpaceX 是否有足够的经验和人才来运营这项业务，是一个值得关注的问题。

此外，Colossus 数据中心的 GPU 是 H100——这是上一代产品。NVIDIA 的 Blackwell 系列（B200）已经发布，下一代 Rubin 系列也在规划中。如果 SpaceX 不持续更新硬件，其算力资产可能在 2-3 年后面临技术过时的风险。

Google-SpaceX 合同是「算力租赁模式」的典型代表。结合此前分析的 Anthropic-Colossus 联盟模式和 SpaceX Terafab 垂直整合模式，我们可以对当前 AI 行业的三种算力获取模式进行系统性对比。

模式一：自建模式（Self-Build）

代表公司：Google（TPU + GCP 数据中心）、Amazon（Trainium + AWS 数据中心）、Meta（自研 MTIA 芯片 + 自建数据中心）。

优势：完全自主可控，不受外部供应商制约；长期单位成本可能最低（如果产能充分利用）；可以根据自身需求定制硬件和软件栈。

劣势：建设周期长（18-24 个月）；资本支出巨大（100-150 亿美元）；技术过时风险（硬件迭代快）；产能利用率风险（如果需求不足，闲置算力是持续亏损）。

适合的公司：拥有充足资本、长期战略视野、且算力需求稳定的科技巨头。

模式二：租赁模式（Leasing）

代表交易：Google × SpaceX（9.2 亿美元/月）、Anthropic × SpaceX（12.5 亿美元/月）。

优势：立即获得算力（无需等待建设周期）；资本支出转为运营支出；灵活性强（合同到期后可选择续约或切换供应商）；无需承担硬件过时风险（由出租方负责更新）。

劣势：长期总成本可能高于自建；依赖性风险（出租方可能改变条款或优先保障自身需求）；定制化程度有限（使用出租方的标准硬件和配置）；数据安全考虑（在别人的数据中心训练模型）。

适合的公司：需要短期内获得大量算力、但不想承担自建风险和成本的公司。

模式三：联盟模式（Alliance）

代表案例：Anthropic × xAI Colossus（算力共享合作）。

优势：算力资源可以在合作伙伴之间流动；基础设施投资风险被分散；行业整体算力利用率提高。

劣势：数据安全和模型隐私是核心挑战；依赖性风险（合作伙伴可能改变合作意愿）；监管审查（可能引发反垄断关注）。

适合的公司：模型能力强但算力基础设施不足的 AI 公司。

深度对比分析：

我的判断：三种模式没有绝对的对错。Google 的选择（租赁 + 自建并行）表明，即使是最大的科技公司也在采用混合策略——用租赁满足短期需求，用自建保障长期战略自主性。这可能是未来 AI 行业的主流模式。

Google-SpaceX 合同和 Anthropic-SpaceX 合同的总和超过 750 亿美元，这只是 AI 算力租赁市场的冰山一角。这个市场正在以惊人的速度增长。

市场规模估算：

目前全球 AI 算力租赁市场的主要参与者包括：

• CoreWeave：专注于 AI 算力租赁的云计算公司，估值约 190 亿美元，已部署超过 7 万颗 GPU
• Lambda Labs：GPU 云计算提供商，估值约 50 亿美元
• Crusoe Energy：利用搁置天然气发电的 GPU 云计算公司
• SpaceX / Colossus：新进入者，已签署超 750 亿美元合同
• 传统云厂商：AWS、GCP、Azure 也提供 GPU 实例，但价格通常高于专业算力租赁公司

根据行业分析，2026 年全球 AI 算力租赁市场规模约为 500-800 亿美元（年化），预计到 2030 年将增长到 2000-3000 亿美元。驱动因素包括：

• AI 模型训练和推理需求的持续增长
• GPU 供应短缺推动更多公司选择租赁而非购买
• 专业算力租赁公司（如 CoreWeave）的规模扩张
• 传统数据中心运营商转型为 AI 算力提供商

市场趋势：

趋势一：从「通用云」到「AI 专属云」。传统云计算公司（AWS、GCP、Azure）提供通用计算资源（CPU + 少量 GPU），但 AI 公司需要的是大规模的 GPU 集群。专业算力租赁公司专注于 AI 算力，提供更高密度、更优化的 GPU 集群，正在蚕食传统云厂商的 AI 市场份额。

趋势二：算力即服务（Compute-as-a-Service, CaaS）。类似于 SaaS（软件即服务）和 IaaS（基础设施即服务），CaaS 将算力作为一种按需订阅的服务提供。客户不需要关心硬件的型号、位置、维护——只需要按需付费，获得所需的算力。SpaceX 的算力租赁业务本质上就是 CaaS 的一种形式。

趋势三：算力二级市场的出现。随着算力租赁合同的增加，一个「算力二级市场」可能逐步形成——公司可以将未使用的算力额度转租给第三方，或者通过交易平台买卖算力合同。这将提高算力市场的流动性和效率。

趋势四：地缘政治影响。由于芯片出口管制，中国的 AI 公司无法直接获取最先进的 NVIDIA GPU。这可能推动中国国内的算力租赁市场独立发展——基于国产芯片（华为昇腾、寒武纪等）的算力租赁服务将是一个巨大的市场。

投资机会：

• 算力租赁公司：CoreWeave、Lambda Labs、Crusoe 等专业算力租赁公司是直接受益者
• 数据中心 REITs：拥有 AI 数据中心资产的房地产投资信托基金（REITs）将受益于算力需求增长
• 电力基础设施：AI 数据中心的电力需求正在推动电力基础设施投资——发电厂、输电网络、可再生能源项目
• 冷却技术：液冷、浸没式冷却等先进冷却技术是 AI 数据中心的关键需求

风险提示：

• 供应过剩风险：如果大量新数据中心上线，可能导致算力供应过剩、价格下降
• 技术过时风险：GPU 迭代速度快，现有 H100 集群可能在 2-3 年后被 B200/Rubin 集群替代
• 监管风险：芯片出口管制可能影响算力租赁公司的供应链
• 客户集中度风险：如果算力租赁公司的收入高度依赖少数大客户（如 SpaceX 依赖 Anthropic 和 Google），客户流失将造成巨大冲击

在评估 Google-SpaceX 这类超大规模算力租赁合同的经济性时，我们需要一个系统性的分析框架。本节提供两个代码工具：第一个是自建 vs 租赁 vs 联盟的 3 年总成本对比，第二个是GPU 集群规模与训练时间估算器。

这些工具帮助回答一个核心问题：对于特定规模和预算的 AI 公司，哪种算力获取模式在经济上最优？

需要强调的是，任何模型都是对现实的简化。真实的合同谈判涉及法律条款、SLA 保障、违约惩罚、价格调整机制等复杂因素，这些无法在代码中完全体现。但这些工具可以提供一个初步的量化分析基础。

# ===== 算力租赁合同经济性分析工具 =====
# 对比自建 vs 租赁 vs 联盟的 3 年总成本

from dataclasses import dataclass

@dataclass
class ComputePlan:
    name: str
    mode: str  # self-build, lease, alliance
    gpu_count: int
    gpu_price: float
    build_time_months: float
    monthly_opex: float
    monthly_lease_rate: float
    contract_months: int

def analyze(plan: ComputePlan) -> dict:
    if plan.mode == "self-build":
        capex = plan.gpu_count * plan.gpu_price
        build_cost = plan.monthly_opex * plan.build_time_months * 0.3
        operational_months = plan.contract_months - plan.build_time_months
        if operational_months < 0:
            operational_months = 0
        opex_total = plan.monthly_opex * operational_months
        total = capex + build_cost + opex_total
        effective_months = operational_months
    elif plan.mode == "lease":
        capex = 0
        total = plan.monthly_lease_rate * plan.contract_months
        effective_months = plan.contract_months
    else:
        capex = plan.gpu_count * plan.gpu_price * 0.3
        total = capex + plan.monthly_lease_rate * plan.contract_months
        effective_months = plan.contract_months
    per_gpu_per_month = total / plan.gpu_count / effective_months if effective_months > 0 else 0
    return {
        "mode": plan.mode, "capex_b": round(capex / 1e9, 1),
        "total_3yr_b": round(total / 1e9, 1),
        "per_gpu_monthly": round(per_gpu_per_month, 0),
        "effective_months": effective_months,
    }

plans = [
    ComputePlan("自建 (Google)", "self-build", 110_000, 45_000,
                build_time_months=18, monthly_opex=15_000_000,
                monthly_lease_rate=0, contract_months=36),
    ComputePlan("租赁 (Google×SpaceX)", "lease", 110_000, 0,
                build_time_months=0, monthly_opex=0,
                monthly_lease_rate=920_000_000, contract_months=33),
    ComputePlan("联盟 (Anthropic×Colossus)", "alliance", 100_000, 45_000,
                build_time_months=6, monthly_opex=10_000_000,
                monthly_lease_rate=50_000_000, contract_months=36),
]
for p in plans:
    r = analyze(p)
    print(f"\n{p.name} | {r['mode']} | CapEx {r['capex_b']}B | 3年总成本 {r['total_3yr_b']}B | 每GPU月成本 ${r['per_gpu_monthly']:,.0f} | 有效月 {r['effective_months']}")
print("\n结论：租赁启动最快，自建长期最省，联盟居中。混合策略可能是最优解。")

# ===== GPU 集群训练时间估算器 =====
# 估算不同 GPU 数量和型号下的模型训练时间

gpu_specs = {
    "H100": {"tflops": 989, "price": 35000, "power": 700},
    "B200": {"tflops": 2250, "price": 55000, "power": 1000},
}
print("GPT-4 级别模型训练估算（1.76T params, 13T tokens）")
for gpu_name in ["H100", "B200"]:
    g = gpu_specs[gpu_name]
    for count in [10_000, 50_000, 100_000]:
        params = 1760 * 1e9
        tokens = 13000 * 1e9
        total_flops = 6 * params * tokens
        mfu = 0.45
        gpu_tflops = g["tflops"] * mfu
        total_tflops = count * gpu_tflops
        training_days = total_flops / (total_tflops * 1e12) / 86400
        if count <= 1000: eff = 0.95
        elif count <= 10000: eff = 0.80
        else: eff = 0.60
        actual_days = training_days / eff
        hw_cost = count * g["price"] / 1e6
        daily_power = count * g["power"] / 1000 * 24 * 0.08
        print(f"{gpu_name:>5} x {count:>7,} | {actual_days:.1f}天 | HW ${hw_cost:.0f}M | Power ${daily_power:,.0f}/day | 效率{eff:.0%}")

基于当前的市场动态和 Google-SpaceX 合同的信号，我对 2027-2030 年 AI 算力租赁市场做出以下五个趋势预判。这些预判不仅基于当前的合同数据和市场结构，也参考了半导体行业的发展周期、地缘政治趋势和能源政策变化。

趋势一：算力租赁将成为 AI 公司的默认选择

到 2028 年，超过 60% 的中型 AI 公司（年算力支出 1-50 亿美元）将选择租赁而非自建。驱动因素包括：GPU 供应持续紧张、自建成本上升、专业算力租赁公司的规模优势扩大。自建将主要限于拥有超大规模需求的科技巨头（Google、Amazon、Meta、Microsoft）。

趋势二：GPU 型号迭代推动「算力升级周期」

NVIDIA 的 Rubin 系列（预计 2027 年发布）和后续架构将带来显著的性能提升。算力租赁公司需要持续更新硬件以保持竞争力，这将推动一个 2-3 年的「算力升级周期」。拥有最新 GPU 的租赁公司将获得溢价定价权，而停留在上一代（H100/B200）的公司将面临价格压力。

趋势三：主权云和地缘政治推动区域化算力市场

由于芯片出口管制和数据主权法规，全球算力租赁市场将逐步区域化——北美市场、欧洲市场、亚太市场各自形成独立的供需体系。中国的算力租赁市场将主要基于国产芯片（华为昇腾、寒武纪），与国际市场相对隔离。

趋势四：绿色算力成为定价因素

随着 AI 数据中心的电力消耗增长到国家级别，能源效率和碳排放将成为算力定价的重要因素。使用可再生能源供电的算力租赁公司将获得「绿色溢价」——客户愿意为低碳算力支付更高价格。这与云计算行业从「 cheapest 」到「 greenest 」的转变类似。

趋势五：算力租赁合同证券化

超大规模算力合同（如 Google-SpaceX 的 300 亿美元合同）可能被证券化——出租方将未来租金收入打包为债券或 ABS（资产支持证券）在资本市场出售，提前回收资金用于扩建。这将增加算力租赁市场的流动性和金融化程度。类似于房地产行业的 REITs（房地产投资信托基金），「算力 REITs」可能成为新的投资品种——投资者可以购买算力基础设施的收益权，而无需直接拥有 GPU 硬件。

对 AI 从业者的建议：

如果你在做 AI 相关的战略规划，建议立即开始评估你的算力获取策略。不要等到 GPU 更加短缺、价格更加昂贵时才行动。同时，建立多元供应商关系——不要将所有算力需求集中在一个供应商身上。算力租赁市场正在从「卖方市场」向「买方市场」转变，现在是锁定长期合同的好时机。

Google-SpaceX 的 300 亿美元算力合同不是一笔普通的商业交易。它传递了一个清晰的信号：在 2026 年的 AI 行业，算力已经超越了「技术支持」的范畴，成为决定行业格局的「战略武器」。

这笔交易的核心启示是：

第一，算力供应的结构性短缺将长期存在。 即使是最强大的科技公司（Google）也无法在短期内获得足够的算力。这不是暂时的供应瓶颈，而是结构性的供需失衡——AI 算力需求以每年 300%+ 的速度增长，而芯片产能的增长受限于半导体制造周期。

第二，算力正在从「资产」变为「服务」。 SpaceX 的 Colossus 数据中心本质上是一个「算力即服务」平台——任何需要算力的公司都可以通过租赁合同获得。这种模式降低了 AI 公司的进入门槛，但也创造了对出租方的战略依赖。

第三，AI 行业的权力版图正在重塑。 传统的科技巨头（Google、Amazon、Microsoft）不再是算力的唯一提供者。新玩家（SpaceX、CoreWeave、Lambda Labs）正在通过专业的算力租赁服务分食市场。SpaceX 从一个航天公司转型为算力基础设施巨头，这种跨界在 5 年前是不可想象的。

第四，混合策略是未来的方向。 Google 的选择（租赁 + 自建并行）表明，最稳健的策略不是「非此即彼」，而是「既要也要」——用租赁满足短期需求，用自建保障长期自主性，用联盟拓展合作网络。这种混合策略将平衡速度、成本和风险，是大多数 AI 公司的最优选择。

未来的 AI 巨头，不一定是最懂算法的公司，也不一定是最有钱的公司，而是最懂得如何获取和利用算力的公司。Google-SpaceX 合同是这一新时代的开端，而非终点。

算力租赁市场的大幕，才刚刚拉开。

自 2026 年 6 月 5 日 SpaceX IPO 招股文件首次披露 Google-SpaceX 算力合同以来，多家权威来源补充了更多细节，部分条款对理解这笔交易的风险结构和战略意图至关重要。

关键合同条款补充（来源：新浪财经 2026.06.06、联合早报 2026.06.06、搜狐 2026.06.06）：

解约权与宽限期：合同包含一项对 Google 极为有利的保护条款——如果 SpaceX 未能在 2026 年 9 月 30 日前按协议提供 NVIDIA GPU 使用权，Google 有权单方面终止合同，并享有一个月的宽限期。自 2027 年起，合同任意一方提前 90 天通知即可终止合作。这一条款与 Anthropic 合同中的解约条款相同，反映出算力租赁合同的标准范式正在形成。

算力交付时间表：SpaceX 称算力供给将在2026 年夏季逐步扩容。这意味着从合同披露（6 月 5 日）到正式交付（10 月）之间，SpaceX 需要在约 4 个月内完成硬件部署和调试——这是一个相当紧张的交付周期。

Google 的财务背景：Google 当地时间 6 月 1 日公告，拟通过股权融资筹集 800 亿美元资金，主要用于 AI 基础设施资本支出。Google 2026 年资本支出预计为 1,800-1,900 亿美元，2027 年将进一步显著增加。Google Cloud 业务增长 63%，待履行合同积压规模已较上一季度近乎翻番，超过 4,600 亿美元，其中约 50% 预计将在未来 24 个月内转化为收入。Google Cloud 发言人明确表示：「这是一项短期、及时的协议，旨在确保我们拥有过渡性容量，以满足客户对我们智能体平台 Gemini Enterprise 激增的需求——这一需求甚至高于我们的预期。」

竞合关系深化：Google 在 2025 年底持有 SpaceX 6.11% 的股权。随着 2026 年 2 月 SpaceX 与 xAI 完成合并，Google 目前对 SpaceX 的持股比例约为 5%。除此之外，两家公司还在就由 SpaceX 负责发射 Google 轨道数据中心测试产品进行磋商——Google 内部的「Project Suncatcher」项目计划在 2027 年前部署在轨数据中心卫星。马斯克在摩根大通活动现场表态：SpaceX 未来的太空在轨数据中心可兼容多厂商芯片，能够适配 Google 自研专属技术（TPU）。这意味着 Google-SpaceX 的合作可能从地面算力租赁延伸到太空数据中心。

Anthropic 后续动态：Anthropic 签约租用 xAI 旗下 Colossus 超算中心算力（22 万片 NVIDIA 芯片，月度服务费 12.5 亿美元），并表示若 SpaceX 太空数据中心研发落地，愿意洽谈后续接入合作。这表明算力租赁客户对 SpaceX 的未来路线图保持高度关注。

对本站分析框架的修正：

• 原文第三章「三种算力获取模式对比」中的「租赁模式」风险评估需要更新——Google 合同中的 90 天解约条款意味着租赁模式的灵活性高于此前预期
• 原文第五章「风险与挑战」需要补充交付风险——SpaceX 需在 4 个月内完成 11 万颗 GPU 的部署，这是一个关键执行风险点
• Google Cloud 4,600 亿美元待履行合同积压规模表明AI 算力需求的增长速度远超市场预期，这进一步验证了原文第六章关于「算力供应结构性短缺将长期存在」的判断

Google 算力投资全景图（2026 年 6 月更新）：

项目                     金额/规模           来源
Google-SpaceX 合同      303 亿美元/33 个月    SpaceX S-1
Google Anthropic 合同    ~450 亿美元/36 个月   公开报道
Google 股权融资          800 亿美元            Google 公告（6.1）
Google 2026 CapEx       1,800-1,900 亿美元    Google 财报
Google Cloud 积压订单    4,600 亿美元+         Google Q1 财报
Google 2027 CapEx       "显著增加"            Google 财报

SpaceX 算力合同总计（已披露）：
- Anthropic: 12.5 亿美元/月，22 万颗 GPU
- Google:    9.2 亿美元/月，11 万颗 GPU
- 合计月度收入: 21.7 亿美元/月
- 年化收入: ~260 亿美元

注：SpaceX IPO 估值 1.77 万亿美元（6 月 12 日挂牌）