SpaceX 与智能经济：i = er^2

2026 年 7 月 19 日，摩根士丹利发布了一篇关于 SpaceX 的简短研究笔记，由知名汽车与太空行业分析师 Adam Jonas 执笔。报告提出了一个理解 SpaceX 商业模式的全新框架——$i = er^2$（智能 = 能量 × 机器人²），将公司的本质定义为”将能量转化为智能”。报告维持对 SpaceX 的 Overweight 评级，目标价 $300（当前价格约 $135）。

这篇报告的价值不在于财务预测的更新，而在于它提出了一套评估”智能经济”中公司竞争力的方法论：通过三个嵌套商数，逐层剥开智能产出的能量密度、资本密度和时间密度。

TL;DR：

1. $i = er^2$ 是摩根士丹利为 SpaceX 构建的底层叙事框架——生命的本质是将能量（$e$）转化为智能（$i$），机器人（$r$，即物理世界的执行能力）以平方级放大这个转化。SpaceX 的火箭、卫星和 AI 集群，全部服务于”以最低能量、最低资本、最短时间生产智能”这一个目标。
2. 三层嵌套商数（$i/w$ → $(i/w)/$→ $((i/w)/$)/t$）是衡量智能密度的方法论，分别考验公司能否省电、省钱、省时间。最完整的公式 $((i/w)/$$)/t$ 定义为：在正确的地点、正确的时间，用最低价格交付最高能效的智能。
3. SOTP 估值 $300 中，Enterprise AI 占比最大（51%），但被打了 50% 的执行风险折扣。去掉折扣后隐含量约 $452——信与不信之间，差出 3.3 倍上行空间。
4. 最大的上行/下行变量是星舰复用节奏。它决定了 $r^2$ 能否兑现、决定了 Starlink 的现金流厚度、决定了 Enterprise AI 的 time-to-power 优势是否存在。它不是风险清单上的一条——它是整张清单的总开关。

一、核心框架：$i = er^2$

报告开篇提出了一个极具哲学意味的命题：所有生命——无论是有机的还是无机的——本质上都是将能量（$e$）转化为智能（$i$）的过程。

从 40 亿年前冥古宙晚期地球冷却形成液态海洋、诞生原始有机分子的”Sagan 式原始汤”，到 2026 年的人类文明，生命的全部历程无非是将太阳的能量转化为智能。这个框架同样适用于现代技术：

The story of life = the conversion of ‘e’ to ‘i.’ At the highest level, all biological (organic) and non-biological (inorganic) life is a process of converting energy into intelligence. From the ‘Saganian’ primordial soup of organic molecules in the late Hadean eon (over 4 billion years ago when a cooling of the Earth’s temperature allowed liquid oceans to form) to the drama of human civilization in the Summer of 2026… all life - individually and collectively - is a process of converting the sun’s energy into intelligence.

报告接着给出了一系列”$e$ 到 $i$”的具体例证——从微处理器到白蚁群落，从 iPhone 到人类文明本身，每一个系统无一例外地遵循着这个转化定律：

• A microprocessor converts e to i
• A data center converts e to i
• Your iPhone converts e to i
• A socket wrench converts e to i
• A rocket converts e to i
• The first dividing cell converted e to i
• The discovery of fire was a ‘Promethean leap’ in the conversion of e to i
• The 86bn neurons (and nearly 100tn neural connections) in your brain convert e to i… while running on just 20 watts (an LED light bulb)
• A termite colony converts e to i
• Human civilization converts e to i (not always in a straight line)

这个清单的精妙之处在于它的极端跨度：从一把扳手（socket wrench）到人类文明，全部被纳入同一个分析框架。扳手之所以”产生智能”，是因为它是人类设计和制造的产物，凝结了将能量转化为有目的的动作的能力——这正是工具的本质。而将”火的发现”称为”普罗米修斯式的跃迁”，则呼应了希腊神话中盗火者给人类带来文明火种的隐喻：对火的掌控，是生命第一次大规模、可控地将化学能转化为热能和光能，进而转化为烹饪、取暖、冶金和战争——这一切都是智能的延伸。

最惊人的对比出现在人类大脑：86 亿神经元、近 100 万亿神经连接，功耗仅 20 瓦特。摩根士丹利提醒读者，现在训练一个大语言模型的电力消耗动辄以百万瓦计，而一台 LED 灯泡的功耗就足以驱动人类最复杂的已知结构。这本身就是对当前算力军备竞赛最优雅的讽刺。

• 微处理器将电转化为计算智能
• 数据中心将电转化为 AI 推理能力
• 一枚火箭将化学能转化为轨道智能
• 人类大脑用 86 亿神经元和近 100 万亿神经连接，仅消耗 20 瓦特（相当于一盏 LED 灯泡）完成这一切

在这个框架下，SpaceX 并没有什么特殊——它的”$e$ 到 $i$”之路和其他公司并无不同。真正区分它的是其”第一性原理”方法论、马斯克算法（Elon’s Algorithm）和 DVFS（设计-验证-制造-规模化）属性。

$i = er^2$ 中的 $r$ 代表机器人（robots），指数级的平方关系暗示：物理世界的执行能力——无论是星舰的复用、Starlink 的星座还是 AI 集群的建设——能够以非线性方式放大能量到智能的转化效率。

二、三层嵌套商数：衡量智能密度的终极标准

报告真正的贡献在于提出了一套递进的评估框架，来衡量一家公司在智能经济中的竞争力。

第一层：单位能量智能产出（$i/w$）

i-per-watt: Measures the energy density of intelligence. Imagine you had 10 companies with the same gross intelligence. All else equal, the one that consumed the least amount of energy would create the most value.

大白话：就是比”省电”。智能产出好比考卷分数——10 家公司考了同一个分数，谁用电最少谁就是真学霸。OpenAI 的 GPT 和 Anthropic 的 Claude 如果推理能力相当，但 Claude 每回答一个问题耗电只有 GPT 的一半，那 Claude 的 $i/w$ 就是 GPT 的两倍。这也是为什么模型蒸馏和推理优化（而非单纯扩大参数规模）正在成为新战场——在智能产出不缩水的前提下压缩功耗。

SpaceX 能否比竞争对手实现更高的 $i/w$？驱动因素包括：

• 更高效的芯片设计
• 从数据中心到边缘的更优网关/路由/软件/架构
• 马斯克有一句名言：”最好的零件是没有零件”（the best part is no part）。在 AI 计算领域，最好的 token 是没有 token？

第二层：单位能量-资本智能产出（$(i/w)/$$）

(i-per-watt-per-dollar): Measures both the energy density and capital density of intelligence. Imagine you had 6 companies with the identical intelligence-per-watt. All else equal, the one that consumed the least amount of capital to produce their (i/w) would create the most value.

大白话：在省电的基础上比谁花钱少。6 家公司耗电一样、智能产出一样，那就看谁的建厂成本低——谁投入的资本少，谁的资本回报率就高。举个例子：两家公司都能造出同样水平的 AI，每度电产出也一样，但公司 A 花了 100 亿建数据中心，公司 B 花了 200 亿。那公司 A 的 $((i/w)/$)$ 就是 B 的两倍。SpaceX 在这层的独特优势在于：它已经靠火箭发射和 Starlink 摊掉了大量制造和基础设施成本，AI 算力投入的边际资本负担远小于纯 AI 公司。

SpaceX 能否比竞争对手实现更高的资本效率？驱动因素包括：

• 设计、规模、数据、制造能力
• 将产生的数据反馈回制造体系，形成自增强的递归闭环（recursive loops）：数据驱动软件，软件驱动硬件，硬件驱动制造工厂
• 这种数据-软件-硬件-制造的飞轮，是 SpaceX 最根本的护城河

第三层：单位能量-资本-时间智能产出（$((i/w)/$$)/t$）

(i-per-watt-per-dollar-per-second): Measures the energy density, capital density and temporal density of intelligence. Imagine you had 3 companies with identical intelligence-per-watt-per-dollar. All else equal, the one that could deliver their ((i/w)/$) in the least amount of time would create the most value.

大白话：在省电、省钱的基础上比谁快。同样聪明、同样省电、同样低成本的公司，谁能最先交付谁就赢。这就好比外卖：三家店做的菜一样好吃、用一样少的燃气、食材成本也一样——那谁能在 20 分钟送到而非 40 分钟，谁就吞掉市场。在 AI 基建里，”时间”就是数据中心的通电速度——从破土动工到 GPU 开始训练第一轮，传统需要 18-24 个月，SpaceX 凭借垂直整合和制造能力，目标是把”time-to-power”压缩到极致。

设 3 家公司拥有完全相同的 $((i/w)/$)$。在其他条件相同的情况下，能在最短时间内交付同等智能产出的公司创造最多价值。

SpaceX 能否在最短时间内、用最少资本完成”$e$ 到 $i$”的转化？驱动因素包括：

• 垂直整合：从芯片到火箭到数据中心的全栈控制
• 无处不在的物理和数字网络：Starlink 的近地轨道覆盖、星舰的快速复用
• 随着传统计算向量子计算演进，每一秒的供电时间和计算”飞行时间”的改进，都将某些公司与其余公司拉开差距

报告的结论是：以最低价格、在正确的地点和正确的时间提供最高能效的智能——持久、冗余、可靠。这构成了智能经济中公司的终极竞争标准。

三、估值框架：分部加总法

摩根士丹利对 SpaceX 采用分部加总法（Sum-of-the-Parts, SOTP）进行估值，而非对合并报表做单一 DCF。

所谓 SOTP，通俗地说就是“拆开称、再加总”。一家综合企业集团（conglomerate）旗下如果既有成熟稳定的现金牛业务，又有亏损烧钱的成长业务，把它们揉在一起做一个 DCF 模型，就好比把一头奶牛和一匹还没驯服的赛马放到同一个秤上，用同一个尺子去量——结果既低估了奶牛的价值（成熟业务的低折现率被成长业务的高风险拉高了），也看不清赛马到底值多少钱（成长业务终值被成熟业务的低增长率拖死了）。SOTP 的做法是把每个业务单独建模、单独估值，然后加总，每个分部可以用各自合理的 WACC 和终端增长率。

SpaceX 的四个分部——太空发射、卫星通信、社交/AI 消费产品、企业 AI 基础设施——本质上处于完全不同的生命周期和竞争格局中，用同一个增长率或同一个折现率去套，会严重扭曲任何一个分部的真实价值。

整体参数

参数	数值
目标价	$300（当前 $135，上行空间 122%）
估值日	2027 年 6 月 30 日
预测期终点	2040 年（约 13 年显式预测）
WACC	11.1%
股权成本	11.9%
综合估值倍数	0.41 EV/EBIT/Growth

WACC 11.1% 和股权成本 11.9% 远高于标普 500 成分股的平均水平（通常在 7%-9%），这反映了 SpaceX 作为未盈利转型科技企业的双重风险溢价：一方面，太空发射和卫星互联网的资本密集属性带来高经营杠杆；另一方面，企业 AI 分部缺乏成熟的收入记录，折现率中嵌入了相当大的不确定性补偿。而 0.41 EV/EBIT/Growth 这个倍数的含义是：市场对 SpaceX 每一单位 EBIT 增长只愿意付出 0.41 倍的企业价值——在一个愿意为 AI 增长支付 1.5 倍甚至更高倍数的市场环境中，这是一个相当克制的定价。

EPS 轨迹

财年	EPS	前瞻 P/E
FY2025（实际）	-$1.69	—
FY2026E	$0.28	477.8x
FY2027E	$2.18	62.0x
FY2028E	$6.29	21.5x

EPS 从 2026 年的勉强盈利到 2028 年的 $6.29，三年复合增速约为 182%。但需要特别注意：这份预测中 2026-2027 年的共识数据（§标记）与摩根士丹利自身估算（e标记）之间存在显著差异——例如 2027 Q1，共识 EPS 为 $0.54，而摩根士丹利估算仅为 $0.27。这意味着市场共识可能远比特许分析师乐观，$300 的目标价在”摩根士丹利自己的数字”下可能更高，但也意味着如果共识被证伪，当前的 $135 也不一定是底。

四个分部的拆解

1. 太空（Space）—— $8（占总目标价 2.7%）

太空发射是 SpaceX 的起点，但在估值中几乎可以忽略不计。$8 的目标价意味着发射业务的价值仅约 $14 亿（按完全摊薄股本估算），对于一家颠覆了全球发射市场、用可复用火箭将 $/kg 打到全行业最低的公司而言，这个数字低得反直觉。

两个原因：第一，终端增长率仅 4.0%，是四个分部中最低的——分析师认为发射市场的 TAM 存在物理天花板，无论复用多少次，全球每年需要的入轨质量不会无限增长；第二，太空发射被视为 SpaceX 其他分部的使能器（enabler）而非利润中心——它存在的首要意义是把 Starlink 卫星打上去、把星舰的复用打磨成熟，而非贡献报表利润。

大白话：火箭不赚钱，火箭是铲子——真正的金矿在上面飞的卫星和下面跑的 AI 里。

2. 连接（Connectivity / Starlink）—— $128（42.7%）

Starlink 是当前估值中最扎实的支柱。$128 的每股估值对应约 $230 亿的空间，终端增长率 4.5%，高于太空但低于企业 AI，反映了一个正在兑现但增速趋于稳定的订阅收入模型。

Starlink 的经济学逻辑简单而有力：已在轨的卫星星座构成沉没成本优势，新增一颗卫星的边际成本远远低于新增一个地面基站或铺设海底光缆。每新增一个订阅用户，增量成本几乎只有地面终端和客户获取费用——这种”太空基建 + 地面变现”的模式，本质上是电信行业的终极成本结构。而星舰的复用如果能将单星发射成本再降一个数量级，Starlink 的利润率模型将经历二次重估。

3. X & Grok —— $12（4.0%）

$12、终端增长率仅 3.0%——这是四个分部中最保守的定价。Grok 虽然技术上能与 GPT 和 Claude 竞争，但其分发渠道依赖 X 社交平台的用户基础，而 X 本身的广告收入和用户增长都处于不确定状态。3.0% 的终端增长率几乎等同于”跑不赢通胀的真实增长为零”，反映了摩根士丹利对消费端 AI 产品能否建立差异化护城河的怀疑态度。

大白话：聊天机器人赛道太拥挤，卖广告的不确定性太高，先给个地板价放着。

4. 企业 AI（Enterprise AI）—— $152（50.7%）

这是整个 SOTP 中最刺激的部分：

• 最大的分部，占总目标价的一半以上
• 最激进的终端增长率 5.0%，是四个分部中最高的
• 被打了 50% 的执行风险折扣

如果去掉这 50% 的 haircut，企业 AI 分部的原始估值约为 $304/股，总目标价将飙升至约 $452。这 50% 的剪刀差就是市场分歧所在：如果你相信 SpaceX 能将 Starship 的复用节奏、Starlink 的全球覆盖和自有芯片设计能力转化为 AI 算力的成本优势和通电速度优势，$135 到 $452 就是你的肉；如果你认为这不过是另一家烧钱追 AI 热点的公司，那连 $135 都未必是底。

企业 AI 分部的驱动因素包括：

• 自有 AI 芯片设计：减少对英伟达的依赖，降低 $/watt
• 星舰级数据中心：利用 SpaceX 的制造和工程能力，缩短 time-to-power
• Neocloud 客户获取：向其他 AI 公司出租算力
• Cursor ARR 加速：开发者工具作为 AI 收入的前沿阵地

大白话：SpaceX 能不能靠 AI 赚大钱？摩根士丹利说”有可能，但我不确定，先给你砍一半”。这一刀砍出了一个巨大期权——信与不信，差出 3.3 倍。

四、上行与下行风险

摩根士丹利列出的风险清单，如果放到 $i = er^2$ 的框架里重新排序，会发现它们并非散落的独立事件，而是沿着三条主线串联起来的：星舰复用节奏决定了 $r$（机器人，即物理世界的执行能力）的非线性放大效应能否兑现；Starlink 的现金流决定了 SpaceX 能否在不被严重稀释的前提下自筹 AI 所需的巨额资本开支；而企业 AI 的变现能力则直接检验”智能作为生产要素”这个命题本身是否成立。

上行：如果飞轮真的转起来

最核心的上行催化剂是星舰复用节奏的加快。星舰不是猎鹰 9 号的线性升级——它是一台重新定义了”快速复用”含义的机器。猎鹰 9 号的助推器复用周期以周计，星舰的目标是以小时计。如果这个目标哪怕只实现一半，单次发射成本将从千万美元级降至百万美元级，SpaceX 部署 Starlink 卫星的边际成本将再次腰斩，而 Starlink 的容量和利润空间会随之急剧膨胀。更重要的是，星舰的复用能力本身就是一种可迁移的制造哲学：如果 SpaceX 能在发射台上实现”加油即飞”，那它在数据中心工地上实现”通电即训”的概率就远高于任何一家传统基建公司。前文提到的 $((i/w)/$)/t$ 中那个 $t$——时间——最直接的加速器就是星舰。

Starlink 的用户增长和 DTC/企业客户采用构成了第二层推力。Starlink 目前已经证明了自己在偏远地区、航空、海运等传统宽带覆盖不到的利基市场具备不可替代性，但真正的爆发点在于”直接到手机”（Direct-to-Cell）服务的规模化——当每一部普通智能手机都能在没有地面基站的地方通过卫星收发短信、拨打电话、接入互联网时，Starlink 的 TAM 将从”没有宽带的 5 亿人”扩展到”所有手机用户”。这个跃迁如果发生，Starlink 分部的 $128 估值可能严重偏低。

第三层是 AI 端的兑现：更多 Neocloud 客户（向其他 AI 公司出租 SpaceX 的算力）、Cursor ARR 的加速（开发者工具的订阅收入），以及更低的通电时间和成本。这三者合在一起，构成一个自增强的正反馈：通电越快→客户越多→收入越多→再投资越多→通电再加快。Cursor 尤其值得关注——它不是又一个 ChatGPT 套壳，而是一个深度嵌入开发者工作流的 IDE，如果它的 ARR 开始指数增长，说明 SpaceX 在 AI 应用层找到了真正的 product-market fit，而不只是卖铲子。

下行：飞轮的每一环都可能打滑

下行风险是上行的精确镜像，而且它们之间有串联效应。

星舰复用进度缓慢是”第一块倒下的多米诺骨牌”。如果星舰的快速复用被证明在工程上比预期困难得多——隔热瓦的损耗、发动机的翻修周期、发射台的周转速度中的任何一个环节卡住——那么 SpaceX 整个成本优势的叙事就会从”指数级下降”降级为”线性改善”。这对 Starlink 的影响是直接的：卫星部署速度放缓，容量增长落后于用户需求，在最极端的情况下甚至可能出现”星座维护成本侵蚀利润”的尴尬局面。

Starlink 用户增长不及预期则会切断 SpaceX 最可靠的内部现金流来源。在一个需要年复一年烧钱建设 AI 基础设施的时期，如果 Starlink 的订阅收入无法扮演”印钞机”的角色，SpaceX 就只能对外融资。而更大的融资需求意味着股权稀释——当前的分析师预测已经显示 EPS 在 2026 年勉强转正，如果股本因融资扩张 20%-30%，每股价值将被进一步摊薄。这是一个经典的”高增长、高稀释”陷阱：公司变大了，但每股价值没变大。

企业 AI 变现疲软是最大的下行风险，因为它是 SOTP 估值中占比最高的分部。SpaceX 在 AI 算力市场的竞争对手不是新手——亚马逊 AWS、微软 Azure、谷歌 GCP 三家已经占据了全球云基础设施的三分之二以上，它们有成熟的客户关系、已有的数据中心和折旧完成的硬件。SpaceX 带着自主芯片和星舰进入这个市场，至少在最初几年，capex per watt（每瓦算力的资本开支）大概率高于三大云厂商。如果时间站在在位者一边——也就是说，SpaceX 的 time-to-power 优势被监管延迟、供应链瓶颈或工程返工消耗殆尽——那么企业 AI 分部不仅 50% 的折扣不够用，可能整个分部都需要重新评估。

最后，监管是一个容易被技术叙事掩盖的变量。FAA 对星舰发射频率的限制、FCC 对 Starlink 频谱的授权、以及日益复杂的出口管制对 AI 芯片和太空技术的双重约束——这些都不是 SpaceX 靠第一性原理能绕过去的问题。在估值模型里，它们被折现率中的风险溢价”一笔带过”，但在现实中，一次不利的监管裁决可能比一次发射失败造成的市值损失更大。

五、解读：当智能成为一种生产要素

这份笔记虽然简短，但传递了一个重要的范式转换信号：

华尔街开始将”智能”视为一种可量化、可比较、可定价的基础生产要素，而非仅仅是科技公司的产品特性。

当摩根士丹利用”$i/w$”、”$((i/w)/$)/t$”这样的量纲来分析 SpaceX 时，它实际上在用分析石油、电力或钢铁的框架来分析 AI 能力。如果这种范式被市场广泛接受，意味着：

1. 估值锚点的转移：公司的价值不再完全取决于收入、利润或用户增长，而取决于它能够以多低的能量成本、多低的资本成本和多短的时间来生产智能——这更像是对一座矿藏或一座发电站的估值逻辑。

2. 垂直整合的重新定价：SpaceX 从火箭（降低 $$/kg$）、到卫星星座（Starlink 的全球覆盖）、到 AI 芯片和算力集群（降低 $$/watt$）、到开发者工具（Cursor）的布局，构成了从物理世界的最低成本通路到数字世界的最高价值产出的完整链条。这一链条的价值，很难用传统的 SOTP 来充分捕捉。

3. “最好的 token 是没有 token”：这是报告中最值得玩味的一句话。如果未来的 AI 竞争不仅是”产出更多智能”，更是”用更少的计算产出同等的智能”——即追求 $i/w$ 而非 $i$ 本身的绝对规模——那么当前以 GPU 数量为纲的军备竞赛逻辑可能面临根本性的挑战。

---

博客作者对摩根士丹利研究报告做了解读与总结，并未按原文全译，需要精确原文的读者请自行寻找。本报告是摩根士丹利在 2026 年 7 月 7 日发布 SpaceX 首次覆盖报告（目标价 $300）之后的一篇补充性 Idea 笔记。