SpaceX 与智能经济:i = er^2

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($i/w$ → $(i/w)/)/t$)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。
Read more
Social Scaling:模型的认知多样性对其推理准确率的影响

Social Scaling:模型的认知多样性对其推理准确率的影响

作者证明,当前先进的推理模型(如DeepSeek-R1与QwQ-32B)并不仅仅是在做计算扩展,它们实际上在内部模拟了一个“思想社群”——一种具备不同角色、冲突与和解的多智能体对话。通过机制可解释性与强化学习消融实验,研究表明,促使模型表现得更像在对话,能直接提升其推理准确率。

Read more