从选品到火箭：一个跨境电商运营看SpaceX的AI服务器订单

520亿美元，1.3万个机柜，单机柜400万美元。这三个数字放在一起，我第一次觉得“算力”这个词不再抽象，而是像我在后台看到的库存周转率一样，有具体的定价和规模。

新闻说鸿海（富士康）拿下了SpaceX的AI服务器代工订单，要为马斯克那个“超级算力池”供货。我做跨境电商运营，每天和AI工具打交道，选品、写文案、调投放策略，都靠几台云服务器和API。看到这条消息，脑子里蹦出来的第一个念头是：原来我们这些小卖家在用的AI，背后是这样一个级别的“工厂”。

一个新赛道：AI服务器的代工生意，为什么是鸿海

先看这笔订单的体量。520亿美元，相当于鸿海集团2024年全年营收的六分之一左右（按公开数据约合1.1万亿人民币）。马斯克计划新建的GB300服务器集群，单机柜400万美元，1.3万个机柜就是520亿，这还没算后期运维和网络设备。

据中国台湾地区媒体《经济日报》报道，鸿海首度夺下SpaceX AI服务器代工订单，总价高达520亿美元。

这笔订单之所以重要，不是因为它金额大，而是因为它代表了AI基础设施从“通用云”走向“专用算力”的转折点。以前大公司买服务器，要么买标准机柜交给数据中心托管，要么自建私有云。但马斯克的做法是：直接定制最强算力（英伟达GB300），然后让鸿海这种代工巨头以“整机柜交付”模式生产。这意味着什么？意味着AI服务器正在从“计算机硬件”变成“算力基础设施”，就像电厂一样，需要专门的生产线和供应链。

鸿海做这件事有天然优势。它过去给苹果代工iPhone、给特斯拉代工零部件，已经积累了全球最细分的供应链管理能力。AI服务器不同于手机，它需要高密度散热、高可靠供电、定制化机箱，而且批量订单的交付周期极短。我在运营中用过几家云服务商，每次扩容后台都要等48小时才能部署完新节点，而鸿海这种代工模式，可以把整机柜调试好直接上架，大幅缩短“从订单到算力上线”的时间。

从“卖家”视角看算力成本：AI工具的价格战，根源在这里

我自己每天用AI做选品分析。比如用OpenAI的API跑一个商品关键词的语义向量，对比竞品标题，再生成多语言文案。这些操作在去年年初还比较贵，一次调用费几分钱，但今年已经降到几厘。为什么？因为算力基础设施在快速扩张，规模效应拉低了单位成本。

马斯克这笔订单，本质上是把英伟达的GPU产能和鸿海的制造能力，打包成“算力工厂”。当全球前几大科技公司（微软、谷歌、亚马逊、Meta）都在抢购H100、B200、GB300时，英伟达的产能是有限的，谁先拿到货谁就能跑更快的模型。而SpaceX这样的公司，本身就有火箭和卫星业务，需要大量AI做轨道计算、图像识别，它自己建算力池，比租云更可控。

这对我们这种小用户有什么影响？短期看，AI工具的价格还会继续下降。因为算力供给端在疯狂扩张，而需求端（比如我这种小卖家）的增长速度追不上资本的投入速度。等到这些服务器投产，市面上的算力会过剩，云服务商为了填满机柜，会推出各种低价套餐。

一个草根运营的“算力焦虑”：我该不该现在囤GPU

看到这条新闻，我第一反应是：要不趁现在买个二手的RTX 4090，自己搭个本地推理服务器？但冷静下来想想，作为个人用户，囤GPU是伪命题。

首先，像GB300这种企业级芯片，个人根本买不到，也跑不动（功耗和散热不是家庭环境能承受的）。其次，就算买消费级显卡，现在的AI应用（比如Stable Diffusion、LL

原文链接：https://www.ithome.com/0/978/843.htm