十年前谷歌和富达投资曾向马斯克旗下的SpaceX投资10亿美元，买下不到10%的股份。那时看起来像一笔押注航天科技的长期投资，十年后，谷歌却要按月付租金，买的是AI模型训练和运行所需的计算能力。

谷歌最不缺的，曾经是科技行业里最让人羡慕的自研能力。可到了AI算力吃紧的时候，它还是把大笔资金交给了SpaceX，租用约11万张英伟达GPU。

这份安排从今年10月持续到2029年6月，每月租金9.2亿美元，一年超过110亿美元。合同还留了退出空间，今年年底之后，双方可以提前90天通知解约。话说回来，能签下这种规模的租赁，本身就说明谷歌眼下有多需要算力。

为什么有TPU，还要租英伟达GPU？关键不在于谷歌有没有芯片，而在于手头算力能不能及时满足需求。

谷歌CEO皮柴周二在Big Technology播客中谈到，Gemini 4 Argon上线72小时，就消耗了近25万亿个token，速度达到Gemini 3.0同期的三倍。模型越多人用，回答问题所需的计算量就越大，训练和推理两头都在争抢资源，算力缺口很快显现。

谷歌甚至要在自家研发和对外云服务之间做取舍，为了让Google DeepMind继续推进前沿研发，谷歌云有时得减少外部客户能拿到的短期算力供应。少卖云服务会少一部分收入，可如果核心模型研发被卡住，代价可能更大。

这也解释了皮柴为什么把今天的算力紧张，归因于2024年做出的决策。数据中心、供电和芯片采购都需要提前规划，需求突然加速，想立刻补齐可没那么容易。如今不少公司都希望手里的算力比原计划再多一倍，所谓安全线，已经跟着需求往上挪了。

这股压力不只落在谷歌身上。微软曾宣布，计划在2025财年投入约800亿美元建设支持AI的云数据中心。亚马逊也表示，2025年资本支出预计约1000亿美元，主要投向云和AI基础设施。

这些投入和谷歌租卡并不是同一种做法，却指向同一个现实，AI竞赛越来越像一场拼电力、机房和设备交付速度的比赛。

马斯克在SpaceX财报电话会上说，超大云厂商和几十家初创公司都在争着租用他的算力，需求甚至足以让同一批资源被反复询问。听起来像是算力生意好做，买来GPU、装进机架就能收钱？

马斯克的说法恰恰相反，规模到了十万张卡，供电、散热、网络连接和稳定运行都会变成硬仗。

一张GPU不是插上电就能发挥作用，十万张卡同时运转，电网负载能不能扛住，热量能不能散出去，卡与卡之间的数据传输会不会堵塞，都会影响它们能否真正投入使用。纸面上买到了多少卡，和机房里能稳定跑起来多少算力，并不是一回事。

SpaceX发展星链和太空项目时积累了大规模基础设施建设经验，如今这些能力也能用在算力业务上。外界看到的像是火箭公司转身当起算力房东，实际竞争的却是电力、机房和工程交付，哪家能把设备稳定上线，哪家才有机会接住需求。

不过，谷歌租英伟达GPU，并不等于自研TPU失去价值。不同芯片适合的任务和部署节奏并不相同，企业也会根据供应情况组合使用。问题是，当模型消耗增长得比基础设施扩张更快，自研芯片再有优势，也没法凭空变出已经交付的算力。

十年前那笔10亿美元投资，押的是SpaceX的长期潜力。如今每月9.2亿美元的租金，买的则是当下能用的计算资源。对谷歌来说，真正紧迫的不是要不要继续自研，而是模型需求还在往上走，现有资源能不能及时跟上？

AI行业常说算法和芯片决定竞争力，但眼下这场算力争夺，已经把一个更朴素的问题摆到台面上，电从哪里来，机房什么时候建好，设备能否稳定运转？

马斯克的火箭当然重要，可此刻让谷歌按月付费的，归根结底还是一张能随时开工的算力门票。