## AI 业务：算力基础设施 + COLOSSUS / Terafab ENGLISH · ORIGINAL Through our partnerships with approximately 30 MNOs on six continents, we enable consumers, businesses, and public-sector customers to use their existing phones in more places, support critical connectivity during disasters and power outages, and open new applications for low-bandwidth mobile and IoT devices. **AI.** We operate a highly vertically integrated AI platform. - **AI Compute Infrastructure.** xAI has established a leading position in building and scaling terrestrial AI compute infrastructure, becoming the first company to deploy a coherent gigawatt-scale AI training cluster. We own and operate what we believe to be the largest AI training data center clusters on Earth, including **COLOSSUS** and **COLOSSUS II**. The addition of **Terafab**, a chip manufacturing initiative with Tesla and Intel, aims to further extend our vertical integration to chip design and manufacturing to alleviate potential future chip shortages at SpaceX, optimize compute performance, and potentially reduce overall compute costs. In connection with such collaboration, we have agreed with Tesla on a general framework for the future development of Terafab. Any specific projects undertaken pursuant to this framework will be subject to separate negotiations and agreements (including any development timelines, milestones and capital expenditures) and have not yet been determined. 中文翻译 **• Starlink Mobile（续）** 我们的合作覆盖了**六大洲大约 30 家移动网络运营商（MNO）**。通过合作，消费者、企业、政府客户都能**在更多地方用上他们现有的手机**——包括在**灾难和停电时**的关键通信——并且为"**低带宽移动和物联网（IoT）设备**"打开了新应用。 **AI 业务** 我们运营一个**高度垂直整合的 AI 平台**。 **• AI 算力基础设施。** xAI 在"**建设和扩展地面 AI 算力基础设施**"上做到了行业领先，是**全球第一家**部署"**相干吉瓦级 AI 训练集群**"的公司。我们拥有并运营着**我们认为是地球上最大的 AI 训练数据中心集群**——包括 **COLOSSUS** 和 **COLOSSUS II**。 此外，我们与 **Tesla** 和 **Intel** 一起搞了一个叫 **Terafab** 的"**芯片制造项目**"——目的是把"**全程自己干**"再延伸一步，**自己设计和制造芯片**。这样做的好处是：未来 SpaceX 不会再"缺芯"、能进一步优化算力性能、可能还会进一步降低算力成本。 我们和 Tesla 已经就 Terafab 的未来发展**签了一个总体框架协议**。**任何具体项目**（包括开发时间表、里程碑、资本支出）**还要以后单独谈、单独签**，目前**还没有确定**。 #### 📝 翻译者注 - **"MNO"** = Mobile Network Operator，**移动网络运营商**（如中国移动、Verizon、T-Mobile）。 - **"COLOSSUS"** = xAI 位于田纳西州孟菲斯（Memphis）的**超级 AI 训练数据中心**，名字来自《光环》（Halo）游戏里的智能体"巨像"（Cortana 的对手）。I 代已建成，II 代规模更大、正在扩建。 - **"Terafab"** = "**万亿级（tera）fab（晶圆厂）**"的合成词。特斯拉、Intel、xAI/SpaceX 三方合作的芯片制造项目，目前处于"框架协议"阶段。 - **"相干（coherent）"** 集群：所有节点像一台计算机一样协同工作，效率远高于"拼凑"集群。 原图来源：SEC EDGAR · Falcon 9 发射

“老师，我每天加班到九点，可公司说底薪4000，加班费按4000算，这合法吗？”上周一个咨询电话让我发现，原来很多人对加班费的计算方式存在巨大误解。实际上，加班费的基数不是你想象的那么简单。 法律规定，加班费的计算基数应该是你正常工作时间的工资，但这里有个关键点：奖金、津贴、补贴等固定发放的款项，很可能也要算进去。如果你月薪固定1万，其中基本工资只有5000，另外5000是绩效和补贴，那公司按5000给你算加班费就是违法的。司法实践中，只要这些项目是定期、固定发放的，法官通常会认定为工资组成部分。 还有种常见陷阱叫“综合工时制”。有些公司先和员工签订综合工时制合同，然后偷偷把加班费门槛提高。比如你做销售，公司说“你不坐班，没加班费”，但只要你实际工作时间超过法定标准，哪怕没打卡记录，只要你有微信聊天记录、工作邮件、任务单等证据，照样可以主张加班费。 记住，标准工作制下，平时加班是1.5倍工资，周末2倍，法定假日3倍。但前提是，你得先搞清楚自己的“工资基数”到底是什么。别让公司拿最低工资或者基本工资糊弄你。下次签工资单时，多看一眼加班费计算那栏，用月实际收入除以21.75再除以8，这才是你小时工资的真实基准。

## AI 业务的物理瓶颈 + Grok 模型迭代 ENGLISH · ORIGINAL We believe that the key constraints in the continued growth of AI are physical—chip manufacturing, data center infrastructure, and power generation; the future of AI will be determined by the control of the physical stack. **• Truth-Seeking Frontier Model.** Since launching Grok-1 in November 2023, we have released four major versions and notable variations thereof, achieving one of the fastest iteration cycles in the industry. Within two years of its initial model release, Grok achieved frontier-level performance in scientific reasoning, as measured by its GPQA Diamond score, an industry benchmark that evaluates AI models on a standardized set of questions written and validated by experts, on a faster timeline than reported by other leading model providers. Building on this trajectory, we expect to continue scaling Grok through subsequent generations. Ongoing training of next-generation models is expected to scale toward multiple trillions of parameters, which could represent a step change in reasoning in depth and overall intelligence. In this context, the number of parameters refers to the scale of the model, where parameters are the internal numerical values, such as "weights," that are adjusted during training to enable the model to recognize patterns and relationships in data. 中文翻译 我们认为，**继续把 AI 做大做强的关键瓶颈是"物理层面"的**——**芯片制造、数据中心基础设施、发电**。**未来 AI 的胜负手，将是看谁能掌控"物理层"**——也就是从芯片、到数据中心、到电力这些"硬资产"。 **• 追求真相的前沿模型。** 自从 2023 年 11 月推出 **Grok-1**，我们已经发布了**四个大版本**和若干小版本，**是全行业迭代速度最快的 AI 模型之一**。 上线后**不到两年**，Grok 在**科学推理**上达到了"**前沿水平**"——用业内公认的 **GPQA Diamond 评测**来衡量（让 AI 答专家写的高难度科学题），比其他主流大模型厂家公布的进度**更快**。 我们打算**继续把 Grok 做大做新**，下一代模型的训练规模预计**将达到数万亿参数（trillion-level parameters）**——这在**推理深度和整体智能**上会带来"**台阶式**"的飞跃。 顺便解释一下，**"参数"是 AI 模型里的"内部数字"（也叫"权重"）**——AI 在训练时会不断调整这些数字，让模型学会识别数据里的规律和关系。**参数越多，模型通常能捕捉的关系越复杂、知识容量越大、推理能力也越强**。 #### 📝 翻译者注 - **"物理层（physical stack）"**：相对"软件层"而言。SpaceX 在说 AI 的真正护城河是"**谁掌握芯片、谁掌握数据中心、谁掌握电力**"——而不是谁的算法更花哨。 - **"GPQA Diamond"** 评测：Google DeepMind 等机构推出的"研究生级 Google-Proof Q&A"基准，专门测试 AI 在物理、化学、生物等学科上答专家级问题的能力。"Diamond"是最高难度等级。 原图来源：SEC EDGAR · Grok 视觉

## Grok 集成 X + Macrohard 企业 AI ENGLISH · ORIGINAL A larger number of parameters generally allows the model to capture more complex relationships, store greater amounts of knowledge, and achieve higher levels of reasoning capability. This accelerated rate of innovation stems from our highly vertically integrated stack: full ownership of training infrastructure; access to the world's most powerful compute clusters; and relentless focus on truth seeking and real-world utility. A key competitive differentiator is Grok's deep integration with X, enabling proprietary access to a real-time information stream of approximately 350 million daily posts, which enhances freshness, relevance, and contextual awareness for Grok. This direct, real-time access to the information and human discourse on X enhances Grok's truth-seeking capabilities by grounding outputs in up-to-date knowledge and diverse viewpoints. - **Consumer and Enterprise Applications.** We leverage our leading frontier models and compute infrastructure to deliver consumer and enterprise applications. Together with Tesla, we are also developing **Macrohard**, an agentic AI platform designed to be capable of fully emulating digital workflows and augmenting human operation of computers using sophisticated autonomous agents. We believe Macrohard will have the potential to fundamentally transform how companies are structured and operate, thereby allowing dramatic increases in human productivity. 中文翻译 **参数越多，模型通常能捕捉的关系越复杂、知识容量越大、推理能力也越强**。我们之所以能做到这么快的创新速度，是因为我们有"**高度垂直整合的技术栈**"：训练基础设施**完全自有**、能用上**全球最强大的算力集群**、始终把"**追求真相**"和"**实际有用**"作为方向。 **Grok 一个特别强的差异化能力**是它和 X 深度打通——X 每天有**大约 3.5 亿条帖子**，这些是 Grok 独有的"**实时信息源**"，让 Grok 的回答**最新、最相关、最有上下文**。Grok 直接、实时地读 X 上发生的事和人们的真实讨论，这让它的"**追求真相**"变得更有抓手——它的回答**有最新的事实和多元的观点做支撑**。 **• 消费级和企业级应用。** 我们用业界最强的"前沿模型"和"算力基础设施"来做消费级和企业级应用。 我们还和 **Tesla** 一起在做 **Macrohard**——一个"**AI 智能体平台**"，目标是**完整模拟和接管"数字工作流"**、用复杂的"自主智能体"**辅助人操作电脑**。我们认为 Macrohard 有可能**从根本上改变公司组织方式**和**运作方式**——让**人类的生产力出现飞跃**。 #### 📝 翻译者注 - **"Macrohard"** 是 Musk 起的名字，戏仿"Microsoft"（微软）。它要"**用 AI 模拟一个软件公司能做的所有事**"——一个**全自动的 AI 智能体**。 - **"AI 智能体（agentic AI）"**：能"自己规划、自己执行多步任务"的 AI（区别于"一问一答"的聊天 AI）。 - **"token"** = 大模型处理数据的"基本单位"（一个字或一个词片段），会在后面 Seg 26 进一步解释。 原图来源：SEC EDGAR · Elon 与 xAI

## "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