1. 背景：为什么研究 xAI
1.1 马斯克为什么再办一家 AI 公司
xAI 的成立本身就是一条基础设施决策：2015 年马斯克联合创办 OpenAI，2018 年因利益冲突（特斯拉自动驾驶）退出董事会，2023 年与 OpenAI 彻底决裂并公开指责其"背离开源初心"。2023 年 7 月 12 日，xAI 官宣成立——目标写进官网："Understand the true nature of the universe"，工程上则只做一件事：用最快的速度造出最强的模型，并把它送到最多用户手里。
马斯克为 xAI 带来的不是算法，而是别人复制不了的四块资产：
- 算力采购权：马斯克与 NVIDIA、Supermicro、戴尔等供应商的私人关系 + 特斯拉/SpaceX 的采购背书，让他在 GPU 最紧缺的时代拿到 10 万卡级交付承诺。
- 现成的数据与分发：X（原 Twitter）每天产生数亿条实时帖子，是任何实验室都拿不到的"人类语料消防水管"；X 同时是分发渠道——模型发布即触达数亿用户。
- 组织速度：SpaceX 的"快速迭代、容忍爆炸"文化被原样搬进数据中心建设——先上线、后补手续。
- 资本通道：2024 年 5 月 60 亿美元 B 轮、2025 年报道的 200 亿美元级融资（估值约 2300 亿美元，均为媒体报道口径），以及把 X 并入 xAI（2025 年 3 月，全股票交易、xAI 估值约 330 亿美元）的资本操作能力。
1.2 创始团队：11 位成员的"梦之队"
xAI 创始团队由马斯克与 11 位研究员/工程师组成（xAI 官网口径），几乎每人都有顶尖机构背景（本节人名与履历来自公开报道与官方资料）：
| 成员 | 背景 | 后来 |
|---|---|---|
| Igor Babuschkin | DeepMind、OpenAI；Grok 首席工程师 | 2025-08 离职创业（Babuschkin Ventures，后创立 River AI） |
| Greg Yang | 微软研究院，Tensor Programs / muTransfer 理论作者 | 2026-01 因健康原因退居顾问 |
| Yuhuai (Tony) Wu | Google Brain，思维链（CoT）论文作者之一 | 2026-02 离职 |
| Christian Szegedy | Google，BatchNorm、Inception 论文作者 | 2025-02 离职（Morph Labs 首席科学家） |
| Jimmy Ba | 多伦多大学，Adam 优化器作者 | 2026-02 离职 |
| Toby Pohlen | DeepMind（AlphaGo/AlphaStar 强化学习系统） | 2026 年离职 |
| Zihang Dai | Google，GLaM、Transformer-XL 相关 | 2026 年离职 |
| Guodong Zhang | 多伦多大学 | 2026 年离职 |
| Kyle Kosic | 北卡教堂山 | 2024 年中离职（OpenAI） |
| Manuel Kroiss | DeepMind | 2026 年离职 |
| Ross Nordeen | 特斯拉 | 2026 年离职 |
这张表先记住两点：其一，这是一支"训练大规模模型的全明星队"——Grok 的快速迭代靠的是这批人；其二，截至 2026 年初，创始团队过半离开（Fortune/TechCrunch 2026-02 报道；有数据公司追踪称"11 位创始成员全部离开、仅剩马斯克"，此说法为单一来源，标注为未完全证实）。人才危机在 第 8 章 展开。
1.3 Colossus 传奇：122 天的完整时间线
Colossus 是理解 xAI 的一切入口。以下是多来源交叉验证的时间线（一手来源优先，二手来源标注）：
| 时间 | 事件 | 来源可信度 |
|---|---|---|
| 2023 年底 | 孟菲斯 Boxtown 区，原 Electrolux 冰箱工厂（约 78.5 万平方英尺）被购入并租予 xAI；选孟菲斯的核心原因是"重工业用地 zoning + 电网余量" | 当地报道 + 后续披露 |
| 2024-03 | xAI 通过关联公司租下厂房，启动改造 | 当地报道 |
| 2024-05 | xAI 官宣 60 亿美元 B 轮（a16z、Sequoia 等） | 官方公告 |
| 2024-06 | 扩建计划公开；马斯克宣布"年底建成世界最强训练集群" | 公开讲话 |
| 2024 夏 | 122 天建成：10 万卡液冷 H100 上线；首批机柜上架后 19 天开始训练 | NVIDIA 官方新闻稿（2024-10-28） |
| 2024-09 | Colossus 揭幕，被称为"当时世界最大 AI 训练系统" | 多方报道 |
| 2024 年底 | 扩容至 20 万卡（新增 5 万 H200，后续加入 GB200），约 92 天完成翻倍 | 二手汇总 |
| 2024–2025 | 为扩容自备燃气轮机（孟菲斯最多 35 台临时轮机），引发环保争议 | 当地媒体 + 监管文件 |
| 2025-02 | Grok-3 在 Colossus 上完成训练（马斯克称算力为 Grok-2 的 10 倍） | xAI 公告 |
| 2025-03 | xAI 收购 X（全股票，xAI 估值约 330 亿美元） | 官方公告 |
| 2025 上半年 | 在孟菲斯怀特海文购地约 186 英亩（约 8000 万美元）、百万平方英尺仓库——Colossus 2 选址 | 当地报道 |
| 2025-12-30 | xAI 官宣扩展至"至少 100 万 GPU" | 公告口径 |
| 2026-01 | 密西西比州南黑文（Southaven）的 Colossus 2 设施官宣（"MACROHARDRR"），投资超 200 亿美元，被称为"世界首个吉瓦级 AI 训练集群"，2 月投入运行 | 报道汇总 |
| 2026-02 | 电网侧：MLGW/TVA 第二个 150 MW 获批（合计 300 MW） | 当地电力公司口径 |
| 2026-03-11 | 密西西比州 MDEQ 批准 41 台永久燃气轮机（约 1.2 GW） | 监管批准 |
| 2026 春–夏 | 环保组织诉讼：NAACP 诉 Colossus 2 违反《清洁空气法》；Reuters 报道其运行了 59 台未许可轮机（为申报数量两倍）；DOJ 以"国家安全"为由介入 | Reuters、法院文件 |
| 2026-09 前后 | 据报道 Colossus 2 已达约 55 万卡（11 万 GB200 + 44 万 GB300），年内再加 22 万 GB300，目标远超 100 万卡、逼近 2 GW | 二手汇总，未证实 |
| 2026 年内 | SpaceX 同意 2027 年底前移除孟菲斯临时燃气轮机 | 当地媒体 |
可信度约定：xAI 没有官方技术报告，本主题一律按三级标注——官方（xAI/NVIDIA/Supermicro/AWS 一手公告）、报道（Reuters/Fortune/DCD 等有编辑流程的媒体）、未证实（单一来源或马斯克口头表态，可能含夸张）。上表中"未证实"行引用时务必保留限定词。
1.4 为什么基础设施工程师要研究 xAI
三个理由，对应三条独特价值：
- 时间压缩的极限样本。教科书数据中心建设周期 24 个月+；Colossus 用 122 天。这不是"加班加点"能解释的，而是依赖关系重排（详见 Mini Demo 场景 1：模拟把串行 425 天的流程压到 122 天，关键路径从"电网扩容"变成"机柜上架"）。任何需要抢窗口期的基础设施项目都能复用这套分析法。
- 单一训练域 vs 多园区的公开赌注。OpenAI/Google 按多园区规划（Stargate 横跨多个州），xAI 把 10 万卡塞进同一园区做同步训练。通信数学（跨园区惩罚随模型大小线性增长）决定了这个赌注在大模型时代越来越值钱。
- "先上线后合规"的组织实验。燃气轮机、批地、供水、排放——xAI 把监管事项系统性后置，换来 12 个月以上的时间差，代价是诉讼与声誉风险。这是所有在强监管地区建设基础设施的团队都会面对的真实权衡。
1.5 本案例的研究主线
后续章节围绕五条主线展开：
- 速度即战略（第 2、4 章）：122 天是怎么排出来的——关键路径管理，不是奇迹。
- 单集群极限规模（第 2、3 章）：single training domain 的架构与通信数学。
- Spectrum-X 赌注（第 3、5 章）：为什么以太网（RoCE）可以，以及在什么假设下不可以。
- 垂直整合飞轮（第 2、5 章）：X 数据 → Colossus 训练 → X/特斯拉/SpaceX 分发的闭环。
- 代价与对冲（第 8 章）：环保诉讼、电网博弈、人才流失，以及把 Colossus 算力租给竞争对手（据报道）的对冲逻辑。
下一章 核心思想 把这三条"思想"展开为可对照的设计原则。