Musk 與 Nvidia 牽線，Tesla AI 可能加速
Musk 對 Nvidia 的最新表態，透露 Tesla、xAI、SpaceX 之間的算力合作正在加深。從 $10 billion 支出到 500,000+ GPU 計畫，這篇拆解誰會先拿到晶片。
Musk 對 Nvidia 的最新表態，透露 Tesla、xAI、SpaceX 之間的算力合作正在加深，重點是 GPU 分配會先影響誰。
Elon Musk 在 2026 年 6 月 12 日發文。Elon Musk 說，他期待把和 Nvidia 的合作推到下一層。這句話看起來很隨性，但背後不是聊天。是算力生意。
數字很直接。Tesla 已經花了大約 100 億美元買 Nvidia 硬體。xAI 的 Memphis 資料中心，規劃超過 500,000 顆 GPU。沙烏地專案則是先 50MW，再往 500MW 擴。
| 專案 | 數字 | 代表意義 |
|---|---|---|
| Tesla Nvidia 支出 | 約 100 億美元 | 顯示 Tesla 長期依賴 Nvidia 算力 |
| xAI Colossus 2 | 500,000+ GPU | 這是超大規模訓練叢集 |
| 初始 Colossus 2 目標 | 200,000 顆 Blackwell GPU | 直接指向 Nvidia 最新晶片需求 |
| 沙烏地資料中心 | 500MW 總量，50MW 起跑 | 顯示布局已經外溢到美國外 |
| Google-SpaceX 合約 | 每月 9.2 億美元 | 算力開始變成穩定現金流 |
Musk 這句話，背後其實是已經砸下去的錢
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
重點不是 Musk 突然想跟 Nvidia 交朋友。重點是，錢早就花下去了。Tesla、xAI、SpaceX 的算力需求，已經不是單一團隊買幾台伺服器那種等級。
現在是整個 Musk 版圖都在吃 GPU。自駕、機器人、大模型訓練，全都要算力。講白了，Nvidia 在這裡不是供應商而已。它更像共同地基。
這也解釋了為什麼這則貼文有份量。Nvidia 執行長 Jensen Huang 已確認，xAI 的融資輪裡，Nvidia 可能投資最多 20 億美元。這種關係已經不是單純採購。它更像資本、供應和產品排程綁在一起。
- Tesla 的 FSD 訓練需要更多 GPU。
- xAI 的模型訓練吃掉超大量算力。
- SpaceX 也開始進入算力商業鏈。
- Nvidia 在 Musk 版圖裡的位置更深了。
Tesla 車主該盯的是訓練管線
如果你開 Tesla，最直接的影響還是 FSD。自駕模型訓練很吃 GPU，這點沒什麼好繞的。資料量越大，訓練叢集越大，版本迭代才會快。
如果 Tesla 拿到更早的 Blackwell 或後續晶片，訓練週期就可能縮短。這不代表你明天就多一個新功能。它代表軟體更新能更快跑完測試，也能更快上線。
Tesla 內部的路線也很有意思。它一邊做自己的 AI5 晶片，給 Optimus 和 robotaxi 用。另一邊，Dojo 的優先度看起來在下降。這不是信仰問題，是效率問題。
“I’m looking forward to taking our exciting partnership with Nvidia to the next-level.” — Elon Musk, X post, June 12, 2026
我覺得這裡最現實的一點是，自己做晶片很慢。外面買現成 GPU，速度快很多。對 Tesla 這種一直喊要加速交付的公司來說，時間比純粹的架構潔癖重要。
- AI5 偏向 Tesla 自家推論工作。
- Nvidia GPU 負責重訓練。
- Dojo 不再像以前那樣站在中心。
- Optimus 和 FSD 共用同一套訓練邏輯。
xAI 和 SpaceX，讓這條合作線更像商業網路
xAI 的規模最誇張。Colossus 2 在 Memphis 的規劃，超過 50 萬顆 Nvidia GPU。初始目標就有 20 萬顆 Blackwell。這不是研究室等級，是工業級 AI 基礎設施。
再看沙烏地專案。2026 年 3 月宣布的 Humain 與 Nvidia 合作，先從 50MW 起跑，再擴到 500MW。這種分段式建置，代表算力需求不是一次買完，而是一路擴張。
SpaceX 也插進來了。Google 透過 SpaceX 拿到大約 110,000 顆 Nvidia GPU，月費是 9.2 億美元，到 2029 年 6 月。這代表算力不只是內部消耗，還能變成租賃收入。
另一邊，Anthropic 也能使用 Colossus 1。那個叢集有超過 220,000 顆 Nvidia GPU。這些數字放在一起看，就知道 Musk 的公司不是各自為政。它們正在共享同一條算力供應鏈。
- xAI 吃的是前沿模型訓練。
- SpaceX 讓算力變成可出租資產。
- Tesla 需要算力來推 FSD 和機器人。
- Nvidia 同時卡住三條線。
跟競品比，Nvidia 還是最吃香
市場上不是只有 Nvidia。AMD 也在推 MI 系列。Intel 也想在 AI 加速器分一杯羹。雲端端還有 Google Cloud、AWS、Azure 自己的方案。
但問題很現實。訓練大模型時，大家還是先看 Nvidia。原因不是品牌迷信，而是軟體生態、CUDA、供應鏈成熟度，還有既有工具鏈。對大公司來說，換架構的成本很高。
如果拿這次 Musk 的合作來看，Nvidia 的優勢很清楚。Tesla 要訓練自駕，xAI 要堆大模型，SpaceX 還能把算力變現。三種需求都能吃同一套硬體，這種黏性很難打。
- Nvidia：生態最完整，最容易直接上線。
- AMD：硬體有競爭力，但生態還在追。
- Intel：切入較晚，存在感還不夠強。
- 雲端自研晶片：適合自家平台，不一定適合外部大規模訓練。
這件事的背景，其實是 AI 算力開始變成基礎建設
過去，買 GPU 像買工具。現在更像蓋電廠。模型越大，資料越多，訓練越久，GPU 就越像水電瓦斯。沒有它，很多 AI 計畫根本跑不動。
這也是為什麼 Musk 和 Nvidia 的關係不能只看成新聞標題。它反映的是整個產業的變化。AI 公司不只在搶模型，也在搶機房、電力、散熱和晶片配額。
對台灣開發者來說，這件事也有參考價值。你不一定會直接碰到 50 萬顆 GPU，但你會碰到 API 成本、推論延遲、模型選型和部署架構。大廠怎麼配算力，最後都會反映到你手上的服務價格。
接下來要看的，不是表態，而是誰先拿到晶片
我會盯兩件事。第一，Tesla 會不會更快拿到新一代 Nvidia 硬體。第二，xAI 會不會繼續吃掉更多配額。如果前者先拿到資源，FSD 和 Optimus 的迭代速度可能會更好看。
但如果供應偏向 xAI，Tesla 就得跟自己的 AI 兄弟公司搶晶片。那就很有意思了。因為這場合作表面上是夥伴關係，實際上還是算力分配戰。
所以，下一次看到 Musk 再提 Nvidia，別只看語氣。去看數字。看 GPU 數、看 MW、看資本投入。那些才是真正會影響 Tesla AI 速度的東西。