xAI的算力豪赌（二）中东资本与AGI之路的博弈

【编者按】

本文深度剖析了xAI在算力竞赛中的战略布局，揭示其如何以惊人的速度建设超大规模AI训练集群“Colossus 2”，并挑战OpenAI、Meta等巨头。文章不仅探讨了xAI在资金、能源与数据中心建设上的“天才策略”，也分析了其商业模式、市场定位及独特的强化学习路径。旨在为读者呈现一幅xAI如何以“硬核”姿态冲击AI前沿的完整图景，并引发对AI行业未来格局的思考。

xAI能否负担得起“Colossus 2”？

进一步的扩张需要充足的资金支持，“Colossus 2”所需的资本性支出将达到数百亿美元，而xAI目前尚未产生任何有规模的外部收入，其传闻中九位数的年度经常性收入绝大部分是来自X.com向xAI进行的公司间转账。我们已通过我们的机构研究服务“核心研究”对xAI的资本性支出进行了预测，并且目前正通过我们全新的“代币经济学模型”紧密追踪超大规模云厂商及各AI实验室在人工智能投资上的资本回报率。

中东地区——资金与数据中心的制胜组合？

需要明确的是，以xAI和埃隆·马斯克一贯的风格，公司的未来具有高度不确定性。但考虑到其资金需求，我们认为其在中东进行大规模扩张是可能的。马斯克与中东地区有着长期的关系：

·沙特阿拉伯王国控股公司（由公共投资基金持股16.87%）在马斯克于2022年将推特私有化时，持有并保留了19亿美元的股份。在与X合并之前，该公司还持有xAI 8亿美元的股份。

·阿联酋私人持有的Vy Capital在2022年投入了7亿美元，以支持埃隆收购推特。该公司还参与了xAI的C轮融资，一同参与的还有阿联酋国家基金MGX。

·卡塔尔的卡塔尔投资局同样持有并保留了3.75亿美元的推特股份，并参与了xAI的C轮融资。

据《金融时报》报道，xAI正在准备一轮规模达数百亿美元的新融资，这将使公司估值接近2000亿美元，其中沙特的主权财富基金公共投资基金预计将扮演重要角色。然而，这也面临挑战，因为对大多数投资者而言，很难证明xAI的估值高于Anthropic是合理的。

我们甚至听闻融资规模可能高达400亿美元。鉴于该地区数据中心需求的迅猛增长，我们认为一项双向交易是可能的，即xAI将把这笔资本投入，在沙特王国建设一个新的大型数据中心。

我们在下方展示了xAI一个可能的扩张地点，这是位于沙特阿拉伯的一个近期已破土动工的大型规划数据中心。尽管仍处于早期阶段，但该地拥有充足的土地和电力资源，足以支持大规模的人工智能园区。

除了外部资本来源，埃隆也可以在内部生成资本。自X.com与xAI合并成立X控股公司以来，我们相信xAI收入中日益增长的部分是公司间转账，例如用户调用@Grok回答问题产生的收入，或者X.com为获取诸如搜索、广告推荐系统乃至内容创作等功能而授权使用其大语言模型技术的费用。

这本质上只是资金从埃隆的右手口袋转移到左手口袋。根据我们从外部能追踪到的情况，Ani的推出极大地促进了Grok应用收入，但即便是这条收入流的增长也在近几个月趋于平缓。Ani需要更多的“扭蛋”机制来进一步推动收入增长。

归根结底，埃隆可以让特斯拉增加投资，或者以其持有的更多特斯拉和SpaceX股票为抵押进行贷款，从而向xAI投入数百亿美元。这将使他们能够建成“Colossus 2”。无人确切知晓埃隆目前的杠杆程度，但普遍认为他总可以出售并解锁其更多的“闲置资金”投入xAI。埃隆会竭尽全力避免输给萨姆·奥尔特曼。

现在，让我们将xAI视为一家企业来讨论，探究其是否有机会成为一家前沿人工智能实验室，并支撑起数千亿美元的估值。我们掌握一些独特的信息和见解，以下将阐述为何他们可能因其独特的方法而有机会率先实现通用人工智能。

xAI是否有机会成为前沿实验室？

xAI已在诸多方面追赶上了当前的前沿水平。在某些衡量标准和评估中，Grok 4在发布时已能与一些顶级模型比肩。然而，我们认为他们难以将评估优势转化为实际收入。让我们首先探讨xAI的人才储备与文化，然后再审视xAI的两项主要业务：消费者订阅服务和API。

研究人才、文化与推理技术栈

xAI团队创始成员中有不少来自谷歌DeepMind的前员工，例如研究员Greg Yang和Yuhuai (Tony) Wu。xAI也拥有像Jimmy Ba（Adam优化器的共同发明者）这样的知名研究员。此后，xAI又从DeepMind、Meta，甚至在某些情况下从英伟达挖来了更多人才。最近一例来自后者的便是Ethan He，他曾是英伟达的高级工程师，负责其NeMo模型系列。截至目前，xAI的员工数量已超过一千人，并且仍在持续扩张，计划在西雅图开设新的办公室。

当然，xAI也与特斯拉和SpaceX保持着非常紧密的合作，部分工程师会同时在其中的两家公司轮换工作。

然而，xAI的文化以其极端严苛著称。一位前首席财务官入职后不到四个月便离职。许多研究员，其中一些资历很深，也已离开。部分原因在于其快速且极度硬核的工作节奏——与xAI工程师的“996”（早9点至晚9点，每周6天）相比都显得轻松，他们常常是“007”（即12小时轮班，每周7天）。

人才流失是xAI面临的一个切实问题，但他们也在不断招募年轻的优秀人才。这是否会延缓其模型研发进程，仍有待观察。他们最优秀的数据中心基础设施专家中有两位已离职加入OpenAI，但“Colossus 2”项目仍在持续推进。

最后，作为一个实验室，xAI在其推理平台方面采取了一种有趣的方法。与其他实验室自行构建定制化推理技术栈不同，xAI依赖开源库SG Lang来对其系统进行推理。xAI已聘请了SG Lang的维护者，并持续改进该开源代码库。

在阐述上述内容后，让我们看看xAI是如何将其计算能力转化为产品和业务成果的。

API——价格高昂但能力稍逊

编码是当前API最主要的应用场景。Grok 4的定价与Claude Sonnet 4处于同一水平，但其编码能力却未达到同等水准。在非编码应用方面，GPT-5价格更为低廉，且各项能力均更胜一筹。

xAI并未停滞不前，他们意识到自身在性价比上的劣势。他们发布了Grok Code Fast 1，这是一款从Grok 4提炼而来、价格非常低廉且保留了相当能力的模型。这是一个蒸馏模型，在以小得多的体积下保留了Grok 4的部分性能。

Grok Code Fast 1在OpenRouter平台上取得了爆发性增长。尽管OpenRouter存在一些局限性，但这表明市场对此类小巧、廉价且性能良好的模型存在一定兴趣。然而，这里有一个需要注意的地方，我们认为这波增长源于xAI向Kilo Code用户提供了免费的代金券额度，这些用户通过OpenRouter调用xAI的模型。随着代金券兑换完毕，真实需求将在长期内更为清晰地显现。

在企业端，Grok目前的采用率非常低。原因之一是其广为传播的“幻觉”问题，例如“MechaHitler事件”。由于埃隆对Grok的影响力，该模型可能存在持续性的训练后怪癖，导致其在涉及这位亿万富翁敏感的话题上表现出特定行为，这可能使企业望而却步，有时甚至会完全屏蔽该产品。

消费者业务与用户采用

消费者领域是Grok的亮点之一：它与X平台紧密集成，具备搜索和快速获取内容的能力。例如，当有现场活动正在进行时，由于Grok能快速获取实时信息，向其询问当前情况要容易得多。随着用户现在可以在评论中“@Grok”来提问，其在X平台内的使用率也有所增加。

独特的强化学习方法

众人皆在讨论xAI在模型和商业前景方面的弱点，但认识到他们拥有一种独特的强化学习方法至关重要。

诸如Anthropic等其他实验室，专注于将代码、自动化软件工程及其他数字生产力应用作为实现模型研究、基础设施及改进自动化的路径。这显然是中短期内实现收入的最佳路径，但xAI认为这并非通往通用人工智能的有效方法。

他们相信，需要一个更为普适化的方法。在xAI追求代码性能的同时，他们也在探索其他领域，包括情商和共情能力。Ani是实现这一目标的关键。

xAI的Ani旨在成为最多样化的强化学习环境之一。如果目标是最大化用户参与度，那么模型就可以尝试围绕此目标进行优化。尽管他们利用人类作为强化学习环境的想法看似疯狂，但随着人工智能的发展，这将会变得普遍。

一旦xAI在人类环境中实施强化学习，他们可能显著提升用户参与度，并最终转向其他目标。擅长生成“内容潮”是一种潜在路径。创建多个强化学习环境会产生“尖峰智能”，但如果优化目标是与人类互动，或许这能导向通用智能。

这种方法能否在短期内带来智能提升尚有争议，但随着目标扩展到参与度之外，它可能会带来令人瞩目的进步。或者，它也可能导致一个反乌托邦的未来，即人们沉迷于与之交谈的某个动漫角色。

xAI的未来

在未来2-3年内，xAI的计算资源将 heavily weighted towards 训练。其推理需求正在上升，并将有利于新兴云市场，但短期内与其以吉瓦计的多地训练扩张相比，仍将相形见绌。

尽管从财务角度看这种状况难以为继，但我们认为xAI与X平台的整合可能会提供一定的现金缓冲。X平台已经将xAI的技术整合到其核心广告引擎中，以提高单用户 monetization。

但要支持其大语言模型训练的扩展，xAI将需要产生数百亿美元的收入，并遵循Anthropic和OpenAI的路径。核心问题在于，xAI的成功是会从它们手中夺取市场份额，还是会创造净新的支出（例如通过向X用户追加销售订阅）。我们认为两者兼而有之。xAI的扩张将使生成式人工智能触达更广泛的受众，但同时也加剧了生成式人工智能市场的财务脆弱性以及市场低迷的风险，因为训练的支出仍然远超推理。

如需按AI实验室细分的训练与推理能力精确数据，请使用我们的数据中心行业模型。我们即将推出的代币经济学行业模型将在此基础上构建，提供按AI实验室划分的收入与支出预测，并深入分析该行业的盈利能力。