## "可复制的商业模式"7 大原则 + 工程文化 ENGLISH · ORIGINAL **Our Repeatable Business Model** Our business model is built on a repeatable, engineering-driven framework that combines our unparalleled launch capabilities, extreme vertical integration, rapid iteration, and disciplined capital investment to create durable, large-scale businesses. We execute this framework through the following core principles: - Leverage our unparalleled launch capabilities to enable massive scale; - Identify and create new trillion-dollar market opportunities; - Design a solution with world-class engineering and first-principles thinking; - Apply "**The Algorithm**" (make less dumb, delete, optimize, accelerate, automate); - Vertically integrate all the way to the end customer; - Continuously drive cost down and throughput up; and - Generate significant cash flow and reinvest in the future. **Our Engineering-First Culture** We are able to achieve transformative technological breakthroughs because we accept only the laws of physics as the limiting factors to our work and mission. Our core approach is deeply rooted in first-principles thinking, which rejects any preconceived notions or experience-based norms. We have a track record of achieving what many have deemed impossible. 中文翻译 **我们"可复制"的商业模式** 我们的商业模式**建立在一套"可复制 + 工程驱动"的框架上**——把"**无可比拟的发射能力**"、"**极端的垂直整合**"、"**快速迭代**"、"**谨慎的资本投入**"组合起来，**打造"耐得住时间"的大规模业务**。我们执行这套框架靠以下**7 个核心原则**： - **用我们无可比拟的发射能力，把规模做起来**； - **找到并创造新的"万亿美元级"市场机会**； - **用世界级工程 + "第一性原理"思维来设计解决方案**； - **执行"算法"（The Algorithm）—— 让事情"少蠢一点"、删掉不必要的、优化、加速、自动化**； - **一直垂直整合到"最终客户"**——不让中间商赚差价； - **持续把成本压下去、把产能提上来**； - **赚到大量现金后，再投资到未来**。 **我们"工程优先"的文化** 我们之所以能做出**变革性的技术突破**，是因为**我们只接受"物理定律"是工作与使命的唯一限制**。我们的核心方法深深扎根于"**第一性原理思维**"——**拒绝任何"想当然"或"经验主义"的预设**。我们有一份"**别人觉得不可能、但我们做到了**"的记录。 #### 📝 翻译者注 - **"The Algorithm"（算法）**：Musk 公开讲过的"5 步工作法"—— - **Question every requirement**（质疑每一个需求，"它真的需要吗"） - **Delete any part or process you can**（能删就删） - **Simplify and optimize**（简化并优化） - **Accelerate cycle time**（加速循环） - **Automate**（自动化） 招股书里**写成 5 步**（Question 被隐含、Delete 排在前面），但 Musk 完整版是 5 步。这是 SpaceX/Tesla/xAI 等公司内部推动"**砍复杂度、降成本**"的通用法则。 原图来源：SEC EDGAR · 多行星生命

这个问题最近被问得特别多。我直接说结论：在法律框架下，如果公司对居家办公和正常上班执行同等的考勤、任务量和管理标准，那么工资原则上就应该一样。不少人可能觉得，在家办公没花交通费、没穿正装，凭什么拿一样的钱？但这其实是把劳动报酬和办公成本混为一谈了。 根据劳动法和相关司法解释，工资的核心是劳动者提供了正常劳动。你人在家里，但只要按时完成了公司布置的工作、接受了线上考勤、参与了会议，这就属于正常提供劳动。公司不能单方面因为办公地点变了就降薪。当然，这里有一个关键前提：公司有没有在居家办公期间明确调整过薪酬制度？如果有经过民主程序且协商一致的薪酬方案，比如写明了“居家办公期间按实际出勤天数核定绩效”，那就要看具体条款是否合理合法。但如果是公司拍脑袋说“你在家就该少拿钱”，那基本站不住脚。 实际操作中，最常出问题的是两类情况：一类是公司认为你在家效率低，就克扣绩效工资，这时候你要看绩效标准是否事先明确、考核是否客观；另一类是员工自己觉得在家轻松，工作没做完，那公司按制度扣钱也无可厚非。所以核心就一句话：工作质量不变，工资就不该变；工作标准打折了，工资才可能打折。如果遇到公司无理由降低居家办公工资，保留好考勤记录和工作产出证明，该维权就维权。

## "行业第一"成就清单 ENGLISH · ORIGINAL Some of our industry-defining achievements and historic milestones include: - The first private company to develop and launch a liquid-fuel rocket to reach orbit (2008); - The first private company to successfully dock a private spacecraft with the International Space Station (2012); - The first to successfully propulsively land (2015) and refly orbital-class rocket boosters (2017); - The first to begin deploying a large-scale LEO broadband satellite constellation (2019); - The first private company to transport astronauts to orbit, returning America's ability to fly astronauts to and from the International Space Station (2020); - The first to manufacture consumer-grade phased-array user terminals at scale (2022); - The first to deploy a large-scale LEO satellite-to-mobile constellation (2025); - The first to build a gigawatt-scale AI training cluster and largest coherent supercomputer (2026); - The first gigawatt-scale Megapack battery installation (2026); and - The only company capable of building orbital AI compute at scale. **Our AI Compute Infrastructure Advantage and Growth Strategy** **Why Compute Matters.** We believe AI leadership will be defined by the ability to rapidly scale compute capacity to support exponential usage growth and frontier intelligence. The training and inference demanded by advanced AI models require substantial computational resources. 中文翻译 **我们的"行业第一"成就和历史里程碑**包括： - **2008**：**全球第一家**研发并成功发射液体燃料火箭入轨的私人公司。 - **2012**：**全球第一家**让自家的飞船与国际空间站（ISS）成功对接的私人公司。 - **2015 / 2017**：**全球第一家**用发动机动力让火箭"软着陆"（2015），**然后又把它重新飞起来**（2017）。 - **2019**：**全球第一家**开始部署"大规模近地轨道宽带卫星星座"。 - **2020**：**全球第一家**把宇航员送上轨道的私人公司——**恢复了美国自己送人往返国际空间站的能力**。 - **2022**：**全球第一家**大规模生产"消费级"**相控阵用户终端**（就是 Starlink 用户家里那个"小锅"天线）。 - **2025**：**全球第一家**部署"大规模近地轨道手机直连卫星星座"。 - **2026**：**全球第一家**建成"**吉瓦级 AI 训练集群**"和"**最大规模的相干超级计算机**"。 - **2026**：**全球第一个**"**吉瓦级 Megapack 电池储能**"安装项目。 - **目前全球唯一**有能力"**大规模建造轨道 AI 算力**"的公司。 **我们的 AI 算力基础设施优势与增长战略** **为什么"算力"这么重要？** 我们认为，**未来 AI 的领导地位，将由"谁能快速把算力规模做大"来决定**——这是支撑 AI **使用量指数级增长**和**前沿智能**的关键。**训练和运行**先进 AI 模型都需要**巨大的计算资源**。 #### 📝 翻译者注 - **"相控阵用户终端（phased-array user terminal）"**：Starlink 用户家里那个"小锅"——技术上不是普通天线，而是用**电子方式控制波束方向**的"相控阵"，所以可以一边高速移动（飞机、火车、邮轮）一边保持稳定连接。 - **"Megapack"**：Tesla 的大型商用电池储能产品，单台容量约 3.9 MWh。SpaceX 在 AI 数据中心旁边装"**吉瓦级**"Megapack，用于"削峰填谷+应急供电"。 🧠 AI 竞赛的胜负手

## 算力规模与"模型—算力"整合：AI 竞赛的胜负手 ENGLISH · ORIGINAL Reasoning models introduced in 2024 demonstrated that allocating more computational resources and giving models more time to process during inference directly leads to higher-quality intelligence. In addition, compute infrastructure with end-to-end, cluster-level coherence through tight integration across software and hardware systems enables more efficient, stable, and higher-fidelity training and inference at scale—ultimately enhancing model intelligence and performance. Within inference, we expect computationally-intensive reasoning, agentic, and multi-modal workloads will continue to grow as a portion of overall usage. We therefore believe operators with superior model-to-compute integration—the ability to efficiently support and allocate compute across both training and inference workloads—are best positioned to win the AI race. Self-Reinforcing Network Effects Among Lower Cost Per Token, Model Quality, and User Adoption. AI systems are ultimately constrained or differentiated by the cost, speed, and scale at which they can generate and process tokens. A "token" represents the fundamental unit of data consumed and produced by modern AI models. This is because lower cost per token enables more frequent model training, larger and more sophisticated models, longer chains of processing for reasoning and agentic workloads, and significantly higher inference volumes at economically viable prices. 中文翻译 **算力规模与"模型—算力"整合：AI 竞赛的胜负手** 2024 年出现的"**推理模型**"（reasoning models）证明了一件事：**给模型越多算力、让模型在"推理"时有更多时间思考，AI 输出的智能水平就越高**。同样重要的是——一套"**从软件到硬件深度整合、整个集群端到端协调**"的算力基础设施，能让大规模训练和推理都更高效、更稳定、更"忠于原意"（high-fidelity），最终让模型更聪明、表现更好。在推理这一端，我们预计**算力消耗巨大的推理任务、Agent 任务、多模态任务**占整体用量的比例会越来越大。所以我们认为：**谁能最有效地把"模型"和"算力"整合起来**——也就是既能把算力同时服务好训练和推理——**谁就最有可能赢得这场 AI 竞赛**。 **"单 token 成本越低、模型质量越好、用户越多"——这是一个自我强化的循环。** AI 系统到底强不强，最终由它"**生成和处理 token**"时的**成本、速度、规模**来决定。"**Token**"是现代 AI 模型"**吃进去、吐出来**"的最小数据单位。这个事很重要——因为**单 token 成本越低**，就能做到： - 训练更频繁； - 训练更大、更复杂的模型； - 让推理和 Agent 任务做更长的"思考链"； - 在**还能赚钱的价格水平**下，让推理量大幅放大。 💰 算力成本 = token 成本

说真的，当律师最怕的不是案子难，是那堆没完没了的重复劳动。合同比对、证据目录标号、文书格式调整——这些事干到凌晨三点，不光手疼脑子疼，关键客户也不领情。但自从团队里引进了OpenClaw，这种“无意义加班”的神奇场景还真少了不少。 举个例子。上个月我们接了个并购尽调，十几家标的公司的合同堆了一整面墙。以前，助理们得三五个人轮流人工比对条款差异，眼珠子都快瞪出来，光是找出“赔偿上限”是年费的3倍还是5倍就得花一下午。用OpenClaw后直接批量上传合同，几分钟它就高亮标出了所有责任豁免条款和违约金变动点，还顺手生成差异摘要表。合伙人看到报告时愣了一下，以为我熬夜做的，我说“它干的”，大家笑成一团。 还有发律师函。以前给对方写催告函，得从公司模板库里翻半天格式，再手动填入客户名字和案由。现在只要说句“给XX公司发一封关于XX合同逾期的催告函，关键词提示是逾期三十天”，OpenClaw直接调取最近生效的判例用语，把函件草稿丢出来，措辞准确到连跟了十年案子的老律师都挑不出毛病。 到整理案卷证据时更省劲。把扫描件扔进去，能自动把聊天记录、邮件、发票分好类，连时间线都给你排好。以前这些活至少耗一天，现在花半小时检查一下关联性就够了。说实话，少掉的那堆班，终于让我有时间在下班后去接孩子放学了。

## 算力成本 = 单 token 成本的主要决定因素 ENGLISH · ORIGINAL This dynamic directly impacts model quality, responsiveness, and accessibility, while also determining the ability to serve the rising global demand across consumer, enterprise, and mission-critical AI applications. This creates a self-reinforcing advantage in which lower token costs drive greater model quality and user adoption, reinforcing AI leadership. Cost of Compute is the Main Driver of Cost Per Token. The total cost per token is determined by the efficiency, availability, and unit economics of the underlying compute and the cost of building and operating compute infrastructure. Improvement in the cost of building and operating this compute infrastructure—whether through lower data center construction cost, lower power infrastructure cost, shorter time to grid interconnection, or higher cluster-level throughput—translates directly into lower cost per token. Accordingly, for a given level of intelligence, we expect the long-term economics of AI companies to be driven by the ability to consistently deliver bleeding-edge compute at the lowest possible cost per token. Put simply, we view cost per token as a function of three primary inputs—the underlying AI model, the compute hardware, and energy, and we expect to have a competitive advantage in the latter two cost components. 中文翻译 **算力成本 = 单 token 成本的主要决定因素** 上面说的这个循环直接决定了**模型质量、响应速度、可及性**，也决定了能不能满足**消费、企业、关键任务**这些领域里**全球范围内**正在爆发的 AI 需求。它形成了一个**自我强化的优势**：token 成本越低，模型质量就越好，模型越好用户就越多，用户越多又反过来强化 AI 领导地位。 **算力成本 = 单 token 成本的主要决定因素。** 单 token 总成本由两个东西决定： - **底层算力本身的效率、可获得性、单 token 经济学**； - **建设和运营算力基础设施的成本**。 只要能把"建和运营算力基础设施"的成本降下来——不管是**数据中心建设成本更低、电源设施成本更低、接到电网的时间更短、还是集群级吞吐更高**——就直接等于**单 token 成本下降**。所以，**在"智能水平"相同的情况下，AI 公司的长期经济模型将由一件事决定：能不能持续以"全行业最低的单 token 成本"交付最顶尖的算力。** 简单讲，我们把"单 token 成本"拆成三个输入：**底层 AI 模型、算力硬件、能源**——而我们在**后两项**上有竞争优势。 ⚡ 地面 AI 算力的双优势

## 三大降本路径 + 地面 AI 算力的"双优势"（速度 + 成本） 122 天COLOSSUS 上线91 天COLOSSUS II 上线~2 年行业典型周期$0太空能源边际成本 ENGLISH · ORIGINAL We believe we have a pathway over time that will significantly reduce compute hardware costs through continued vertical integration and development of proprietary chips, building on our experience designing custom silicon for our Starlink satellites. We also expect that the marginal cost of energy for our AI compute satellites will be minimal because our satellites are powered by solar arrays in space. By driving the energy component to minimal levels and pursuing improvements in compute hardware cost, we believe we can achieve a meaningfully lower overall cost per token in the future. We Have a Dual Speed and Cost Advantage in Terrestrial AI Compute. We own and operate what we believe to be the largest AI training data center clusters on Earth. Our AI compute facilities, COLOSSUS and COLOSSUS II, collectively provide approximately 1.0 gigawatt of compute power, with additional power capacity available for data center operations. Our first-principles thinking enables us to build coherent compute at scale and at rapid speed with lower costs than most other companies in the industry. In order to bring compute clusters online as fast as possible, we employ a vertically integrated, nimble approach to construction. We brought the first cluster of COLOSSUS online in 122 days, repurposing the shell of an existing factory, and the first cluster of COLOSSUS II online even faster in 91 days. 中文翻译 **三大降本路径 + 地面 AI 算力的"双优势"（速度 + 成本）** 我们认为自己有"**长期大幅降低算力硬件成本**"的路径：继续"**垂直整合**"、自己**自研芯片**——这套打法我们已经在 Starlink 卫星上设计**定制芯片**的过程中练过手了。我们还预期：**AI 算力卫星的"边际能源成本"会极低**——因为在太空中，卫星靠**太阳能板**发电。把"**能源**"这一项压到接近零、同时继续降"**算力硬件**"成本，我们相信未来能把**单 token 总成本**显著降下来。 **地面 AI 算力：我们有"速度 + 成本"的双重优势。** 我们自己拥有并运营地球上**最大的 AI 训练数据中心集群**。我们的 AI 算力设施——**COLOSSUS** 和 **COLOSSUS II**——**合计提供大约 1.0 吉瓦（GW）的算力电力**，**还有额外的电力容量**留给数据中心其他运营用。我们的"**第一性原理思维**"让我们能用更低的成本**又快又大规模**地搭建"**整体协调（coherent）**"的算力。为了让算力集群"**尽快上线**"，我们采用**垂直整合 + 灵活施工**的方法： - **COLOSSUS 第一个集群**上线用了 **122 天**——直接改造了一座现成工厂的壳； - **COLOSSUS II 第一个集群**上线更快，只用了 **91 天**。 ☀️ 2 年 vs 91 天

## 行业对比：2 年 vs 91 天 + 太空太阳能是 AI 算力终极解 🏗 行业典型: 730 天⚡ SpaceX COLOSSUS: 122 天⚡ COLOSSUS II: 91 天 ENGLISH · ORIGINAL As an illustrative comparison, an industry benchmark to bring online a 100 megawatt greenfield data center is approximately two years. We also demonstrated a significant improvement in cost efficiency, achieving data center construction costs for COLOSSUS II that are considerably lower than industry benchmarks on a per megawatt basis. 9 Table of Contents We Believe Orbital AI Can Accelerate Time to Power and Reduce Token Costs. The Sun contains approximately 99.8% of the solar system's energy and offers what we believe is the only truly scalable solution to the challenge of accelerating demand for compute relative to terrestrial energy constraints. The logical path forward is to move power-intensive AI workloads into orbit, where solar energy is near-constant and uninterrupted. With such accessible… 中文翻译 **行业对比：2 年 vs 91 天 + 太空太阳能是 AI 算力终极解** 做一个**对比参考**：行业里建一座全新的"**绿地（greenfield）100 兆瓦（MW）数据中心**"的**典型周期是大约 2 年**。我们还展示了**显著的成本效率提升**——**COLOSSUS II 的数据中心建设成本，按"每兆瓦"算，明显低于行业基准**。 **我们认为"轨道 AI"可以"加速上线时间"并降低 token 成本。** 太阳拥有**整个太阳系约 99.8% 的能量**。面对"AI 算力需求暴涨 vs 地面能源受限"这个矛盾，**太空太阳能是我们看到的唯一真正可扩展的解法**。逻辑很清楚：**把耗电的 AI 工作负载搬到轨道上去**——那里**太阳能近乎持续不断、不会中断**。靠着这种"**近在咫尺的能源**"…… #### 📝 翻译者注 - **"100 兆瓦（100 MW）"**：大约是 10 万户美国家庭的峰值用电量。SpaceX 用 91 天就建成了一个 100 MW 级 AI 训练集群，是行业典型周期（约 2 年）的 **1/8**。 - **"COLOSSUS / COLOSSUS II"**：SpaceX 在美国田纳西州孟菲斯（Memphis）的 AI 训练数据中心集群，分别于 **2024 / 2025 年**上线。合计 **1 GW** 是"一个核电机组的满发功率量级"。 - **"绿地（greenfield）"**：从空地开始新建（区别于"棕地 brownfield"，即改造现有建筑）。我们 91 天的"快"是**改造现成工厂壳**做到的——所以严格说不是绿地，但效率远超绿地。 - **"token 成本"**（再强调一次）：AI 处理一段文字/一张图/一段代码，**按"吃多少 token + 吐多少 token"收费**——所以"单 token 成本"是 AI 公司的"单位产品成本"，等同于制造业的"单件成本"。 🚀 上天做 AI：发射 + 卫星

## 为什么只有 SpaceX 能"上天做 AI"：发射能力 + 卫星技术 ENGLISH · ORIGINAL We believe orbital AI compute is an incredibly difficult technical challenge that only we can solve at scale in the near term. We are the only company that has already accomplished the key technical challenges associated with evolving connectivity satellites into AI compute satellites. In our view, we are well-positioned to deliver a full-scale AI compute satellite constellation. Significant work remains, but we are confident in our singular leadership position. • We have unmatched satellite launch capabilities to enable deployment at scale. Deployment of 100 gigawatts per year via satellites carrying over 100 kilowatts of compute power per metric ton will require thousands of launches per year and the transport of approximately one million metric tons to orbit annually. The fully reusable nature of Starship positions us to be capable of launching this level of mass. Starlink Broadband V1 and V2 Mini satellites have already demonstrated launch survivability and high reliability under vibration, shock, g-loads, acoustic stress, and vacuum exposure, achieving 99.9% average uptime. • We have already solved many of the significant technical hurdles to evolving connectivity satellites into AI compute satellites. Through our leading expertise of connectivity satellites—including mass production, deployment, network operations, and inter-satellite lasers and mesh connectivity—we have already solved the hardest part in the development of AI compute satellites. 中文翻译 **为什么只有 SpaceX 能"上天做 AI"：发射能力 + 卫星技术** 我们认为，**轨道 AI 算力是一个极其困难的技术挑战**——在近期内，**只有我们**有能力**上规模**地解决它。我们是**唯一一家**已经在"**把通信卫星升级成 AI 算力卫星**"这条路上**跑通了关键技术挑战**的公司。**我们认为，自己完全有能力交付一整套"满血版 AI 算力卫星星座"**。要做的事还很多，**但我们对自己"独一无二的领先位置"很有信心**。 - **我们有"无与伦比"的卫星发射能力，能支撑"上规模"部署。** 要做到**每年部署 100 GW（吉瓦）**的算力——也就是造出**每吨能承载 100 千瓦（kW）算力**的卫星——需要**每年发射几千次**、把**大约 100 万吨物质**送上轨道。**Starship 的"完全可重复使用"**让我们**唯一具备**这种运力。**Starlink 宽带 V1 和 V2 Mini 卫星**已经在发射过程中证明了**扛得住振动、冲击、过载、声学应力、真空环境**——达到了 **99.9% 的平均在线率（uptime）**。 - **我们已经解决了"把通信卫星升级成 AI 算力卫星"的多个关键技术难点。** 在通信卫星这件事上——**大规模生产、部署、网络运营、星间激光链路和网状互联**——我们已经是**全球最懂**的玩家。**这些"最难的部分"，正好也是开发 AI 算力卫星最难的部分**——所以我们其实已经"顺手"解决了。 🛰️ 9,600 颗 Starlink 经验

最近碰到好几个客户来问，自己用AI生成的图或者文章，被别人直接拿去商用，到底能不能告？这块确实是个新问题，但法律上不是空白。我按常见的几种情况，把适用思路理一理。 首先要判断AI生成的内容有没有“独创性”。如果只是输入简单指令，让AI自动生成，比如“画一朵红色玫瑰花”，法院可能不认定这是作品，因为体现不出人的智力创造。但如果你多次调整提示词、精心筛选、后期还有合成修改，这种投入可能构成著作权法保护的作品。这时候权利人就可能保护你的“独创性表达”。 其次，侵权认定要看“接触+实质性相似”。比如你发在小红书上的AI插画，别人直接截图拿去印在T恤上卖。只要你能证明对方有机会看到你的作品，且画面核心元素高度重合，就可以主张侵权。另外要注意，平台是否有“通知-删除”义务，及时发函下架也很关键。 最后，证据固定很重要。建议第一时间用可信时间戳或公证方式保存原图和发布记录。而且如果你的AI生成内容不是纯机器自动产出，最好保留创作过程的截图、提示词修改记录等，用来证明你投入了智力劳动。 总之，AI生成内容的维权不是不能打，关键是你能不能拿出“人”的创作痕迹。法院现阶段更倾向保护有实际智力投入的那一方。