2026年6月23日，在软银年度股东大会上，孙正义直接给埃隆·马斯克的“百万卫星轨道数据中心”计划泼了一盆冷水。面对股东关于软银是否会效仿该计划的提问，孙正义明确予以否定。他指出，电力支出仅占数据中心运营成本极小部分，而搬迁至太空将带来高昂火箭运输费用、维护困难及通信延迟等现实障碍。他强调，未来几年的AI竞争格局远比十年后更为关键，AI的决战注定只能在陆地。
太空数据中心究竟是摆脱地球资源束缚的终极解法，还是违背工程常识的概念炒作，可以通过算力成本结构与物理铁律的三组硬核数据对比来验证。
71%折旧与9%电费：太空算力的成本倒挂
马斯克提出太空数据中心的核心前提之一，是利用太空中无限的太阳能，从而省下地球数据中心高昂的电费。但在真实的AI算力商业模型面前，这个逻辑建立在一个脆弱的错觉之上。
在AI大模型的算力时代，数据中心的总拥有成本（TCO）结构已经发生了根本性重塑。根据SemiAnalysis对Meta 2.4万卡H100集群的拆解分析，AI数据中心的TCO中，硬件折旧占据了绝对大头，比例高达约71%。这包括了GPU、InfiniBand网络交换机、光模块等核心IT硬件的资本支出。由于AI硬件迭代极快，通常3到5年就会面临淘汰，这部分折旧是算力基建最大的成本黑洞。
相比之下，被视作运营重头的电力成本，虽然在现金运营支出中占据较大份额，但在整体TCO中仅占约9%。
为了省下占总成本不到一成的电费，去承担每公斤数千美元的火箭发射费用，在商业上是彻头彻尾的倒挂。目前SpaceX猎鹰9号火箭至近地轨道的发射成本约为每公斤2720至4000美元。一个中型AI训练集群的硬件重量动辄数百吨，将其送入太空的发射成本将是数百亿美元的量级。
太空中充斥着高能宇宙射线和太阳粒子，会导致半导体发生单事件翻转，破坏数据完整性。为了抵抗辐射，要么采用极其昂贵且性能落后的抗辐射芯片，要么增加厚重的物理屏蔽层。无论哪种选择，都会导致硬件成本激增和性能下降，进一步加速那71%的折旧成本。
企业采购和产业投资者关心的不是十年后能否在太空建成乌托邦，而是当前每一分钱的投入产出比。用巨大的资本支出惩罚去换取微薄的运营成本节省，在商业上无法闭环。
100吨散热器与10吨硬件：真空环境的散热惩罚
地球上的AI基础设施确实面临严重的物理资源限制，尤其是散热和水资源短缺。将数据中心搬到零下270度的深冷太空，看似是解决散热的完美方案，但这恰恰违背了最基础的热力学常识。
太空环境的背景温度极低，但高真空状态意味着没有空气对流，也没有热传导介质。在这个环境中，废热只能通过红外辐射的方式散发，这是一个效率极低的传热过程。
根据世界经济论坛的工程测算，1兆瓦规模的轨道数据中心，需要配备约1600平方米的辐射散热板，面积相当于三个标准曲棍球场。参考国际空间站现有的散热系统架构，支撑1兆瓦算力的辐射散热器及其管路系统，重量可能高达100吨。而同等算力的计算硬件本身，重量仅为10吨左右。
散热系统的重量是计算硬件的10倍。如果按猎鹰9号的发射成本估算，仅将这100吨散热器送入轨道，就需要耗费约3亿美元。这还不包括巨大的太阳能电池板阵列和必须的储能电池重量。
在太空中，太阳能并非全天候供应。卫星在经过地球阴影区时会失去光照，轨道数据中心必须配备庞大的电池系统来维持算力运转，而这些沉重的电池同样需要昂贵的发射成本。
陆地数据中心面临的水冷限制是一个可以通过工程优化解决的“现实问题”。无论是冷板式液冷还是浸没式液冷，水的比热容和相变换热效率，在工程上远优于真空辐射散热。
1微秒与40毫秒：被网络延迟锁死的算力利用率
通信延迟问题直接判处了太空数据中心在当前AI技术架构下的死刑。
AI大模型的训练不是简单的网页托管或数据存储，它是数万张GPU之间的微秒级同步战争。在万卡规模的集群中，前向传播和反向传播分布在不同的节点上，模型参数的梯度更新需要通过All-Reduce操作进行全局同步。
这种同步操作对网络延迟和带宽的要求极其严苛。依赖RDMA（远程直接内存访问，一种允许不同计算机的内存直接交换数据而无需CPU介入的技术）和InfiniBand（一种高带宽、低延迟的专用网络协议）的现代AI集群，端到端延迟通常要求在1到5微秒之间。只有在这个延迟级别下，GPU才能在计算间隙迅速完成参数交换，保持极高的算力利用率。
近地轨道卫星通信的物理延迟，通常在20到40毫秒之间。1毫秒等于1000微秒，卫星链路的延迟比数据中心内部网络高出近万倍。
光速的物理极限决定了这一鸿沟无法跨越。近地轨道卫星距离地面约500至2000公里，即使卫星之间使用激光通信互联，星间链路的物理距离和路由跳数，也决定了延迟不可能逼近微秒级。
在这种延迟条件下进行分布式训练，昂贵的GPU集群将在等待网络传输时处于长期闲置状态。算力利用率会从陆地集群的60%以上，暴跌至个位数。企业花费数亿美元购买的算力，绝大部分时间都在等待数据包从一颗卫星传到另一颗卫星。
PUE 1.09：陆地算力基建的工程极限与解法
孙正义在股东大会上强调，软银将聚焦于陆地数据中心建设。这不仅是软银的判断，也是整个超大规模计算行业的共识。
陆地数据中心确实面临选址困难、社区抗议和电网排队等问题，但这些问题都有明确的工程解法。通过不断优化的冷却技术和能源管理，陆地超大规模数据中心的PUE（电能利用效率，数据中心总能耗与IT设备能耗的比值，越接近1代表效率越高）已经被压缩到极低水平。
谷歌报告其大型数据中心的年均PUE已达到1.09。这意味着在总电力消耗中，只有不到10%用于冷却和照明等非IT设备，绝大部分电力都直接转化为计算算力。这通过引入人工智能驱动的冷却控制系统、高效的热回收技术以及大规模液冷部署得以实现。
在选址逻辑上，算力基建正在向高纬度寒冷地区和清洁能源富集区转移。通过签订长期购电协议（PPA）结合设施级电池储能系统，数据中心可以摆脱对单一电网的依赖，构建起微电网模式。水资源的消耗也在向闭环系统演进，浸没式液冷几乎可以消除蒸发耗水。
陆地基建的进化路径清晰可见，成本曲线可预测。投资与产业观察者能够准确计算未来三年内每FLOP算力的边际成本，这种确定性是AI竞赛中不可或缺的基础。
未来三年的决胜期：算力基建的时间窗口
马斯克的支持者常常寄希望于星舰量产后，发射成本能够降至每公斤100美元以下，从而从根本上改变太空数据中心的商业逻辑。这种长期视角的乐观，忽略了AI产业最残酷的现实：时间窗口。
孙正义指出，未来几年的AI竞争格局远比十年后更为关键。当前的AI正处于从大语言模型向多模态和推理模型演进的爆发期，算力缺口巨大。谁能更快、更省地在陆地上部署超大规模算力集群，谁就能在模型能力和商业化落地上占据先机。
大模型公司的资本支出周期以季度计算，硬件折旧以两三年为限。等待星舰成熟、等待轨道散热技术突破、等待抗辐射AI芯片研发，这些动辄以十年为单位的前沿探索，无法解决今天的算力饥渴。企业采购需要的是明天就能上线的800G InfiniBand网络和液冷H100集群，而不是十年后可能实现的轨道星座。
太空数据中心违背了AI算力TCO的成本结构，触犯了真空环境的热力学限制，并且被光速限制下的通信延迟锁死了效率。在可见的工程未来内，AI算力的物理选址终局必然在陆地。
