---
id: "mb-20261101-488c24"
kind: "deep"
title: "靶场与午餐肉冷库塞进 42 万张芯片：马斯克 Colossus 2 算力基建背后的网络分流密码"
description: "马斯克为超级算力中心 Colossus 2 引入“靶场”与“午餐肉”两座全新机房，新增 42 万张英伟达 GB300 芯片。面对大模型训练的全规约同步瓶颈与推理的离散并发需求，工程团队采取了差异化网络架构，在训练端拉满 800G 网卡而在推理端大幅精简光纤，展现出 AI 算力军备竞赛向重工业物理战演进的工程…"
domain: "ai"
domain_label: "AI 与大模型"
canonical_url: "https://mubeitech.com/deep/mb-20261101-488c24"
markdown_url: "https://mubeitech.com/deep/mb-20261101-488c24/markdown"
json_url: "https://mubeitech.com/api/interpretations/mb-20261101-488c24"
topic: "靶场与午餐肉冷库塞进 42 万张芯片：马斯克 Colossus 2 算力基建背后的网络分流密码"
source_type: "generated"
status: "published"
generated_at: "2026-11-01 21:26:53"
frame_type: ["机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 靶场与午餐肉冷库塞进 42 万张芯片：马斯克 Colossus 2 算力基建背后的网络分流密码

警察练枪的靶场，和存午餐肉的仓库。
这两个八竿子打不着的地方，现在被塞进去了 42 万张世界上最顶级的显卡。
硬件总价值超过 350 亿美元。

这是马斯克刚刚公开的 Colossus 2 超级算力基地最新扩建。
两座机房的名字起得非常随意。
一个叫 Gun Range，也就是靶场。
一个叫 Spam，也就是世棒午餐肉。
马斯克在社交平台上发文说，自己半夜巡视了一遍工地，天亮又巡视了一遍。
整个扩建工程由 SpaceX 的团队和承包商直接推进。

大家看到这两个名字，第一反应大概都是笑出声：
搞前沿人工智能的超级算力中心，怎么会跟靶场和午餐肉扯上关系？
答案非常直接：
因为这两个地方，原本真的就是一个警察训练靶场，和一家荷美尔公司的午餐肉仓储库。

造一座能容纳几十万张芯片的超级数据中心，正常需要多久？
从买地、做环评、向电网申请变电站，再到打地基、盖厂房，传统云计算大厂的标准流程通常要三到五年。
但在如今的大模型军备竞赛里，三到五年黄花菜都凉了。
马斯克的搞法从来不按常理出牌。
当年做第一期 Colossus 的时候，他就带着团队直接买下一座废弃的伊莱克斯冰箱厂，只用了 122 天，就把 10 万张 H100 显卡全部点亮上线。
这次扩建 Colossus 2，用的还是同一套打法：
哪里有现成的工业大跨度厂房，哪里能直接接入超高压电网，就直接买下来。
把里面的隔断推平，加固地面承重，拉上液冷管道，运进机柜，直接通电开工。
这也是为什么这项任务直接交给了 SpaceX 的工程团队。
在得克萨斯星舰基地常年搞高压管道、液氧加注和火箭发射台的人，干起重型工业基建来，动作节奏完全不一样。

不过，如果仅仅是改建厂房速度快，还不算最硬核的工程看点。
这次公开的数据里，藏着一个非常明确的系统设计：
同样是装满了 GB300 顶级芯片，为什么两座机房的网络配置完全不同？

先看靶场机房。
这里装了整整 22 万张 GB300 芯片，专门用来做模型训练，预计 11 月底上线。
它跟基地现有的两座机房 Macroharder 和 Minihard 一样，每一张芯片都配备了 800G 的超高速网卡。
再看午餐肉机房。
这里装了大约 20 万张 GB300 芯片，预计 12 月上线，但它专门用来做模型推理。
它的网络架构做了大幅度精简，用的光纤数量少得多。

同样是昂贵的高性能芯片，为什么训练要拉满 800G 网卡，推理却可以把网络大幅简化？
这其实打在了大模型物理架构的真正分水岭上。

很多人以为，堆算力就是把几十万张卡连上电一起算。
在训练环节，事情完全不是这样。
训练一个几千亿参数的巨型基座模型，你不能让 22 万张芯片各自为政。
它们必须在物理上表现得像同一颗巨大的超级大脑。
模型切分在几十万张卡上，每一个批次计算完成，所有的卡都必须把各自算出来的梯度，在全集群范围内完整同步一次。
这个过程在工程上叫全规约同步。
这意味着，每隔几十毫秒，22 万张卡就要同时在网络里疯狂交换海量数据。
更要命的是木桶效应。
如果全场有一根光纤抖动，或者一张网卡延迟高了几个微秒，其余 219999 张芯片就只能在显存里干等。
芯片算得再快也没用，系统整体的吞吐量全被网络延迟锁死。
所以训练集群的真正瓶颈其实卡在通信拓扑上，芯片核心大部分时间都在等网络。
为了让 22 万张卡步调一致，你必须用 800G 的网卡、高密度的无阻塞胖树网络交换机，以及成千上万公里的光纤，把机柜全部织成一张紧密的大网。
光是这套网络设备的成本，往往就能占到机房总预算的很大一部分。

但推理完全是另外一种状态。
当模型训练完成，参数已经彻底固定，不需要再往回传导梯度了。
这个时候，成千上万个用户或者智能体发来请求，任务天然是离散的。
只要在一台机柜内部，靠超高速的本地总线把模型跑起来，就能独立接待一批用户的提问。
不同的机房、不同的机柜之间，根本不需要每隔几毫秒就跨大厅同步几千亿参数的权重。
既然不需要全集群范围的毫秒级同步，跨机柜的网络要求就直接降维了。
机房不需要堆满最昂贵的全互联交换机，也不需要拉上漫山遍野的光纤。
网络架构一精简，省下来的不仅是极其昂贵的光模块成本，更省出了宝贵的电力和机柜空间。
在同样一块场地里，你可以塞进更多计算卡，专门用来承载海量的并发调用。

把现有的 Macroharder、Minihard，再加上即将上线的 Gun Range 和 Spam 拼在一起，整个 Colossus 2 基地的 GB300 芯片总量将直奔 86 万张。
整体算力耗电规模已经逼近吉瓦级别，相当于一座中型城市的供电负荷。

当 AI 竞赛进入这个阶段，胜负手早就不只停留在算法公式的微调上。
从电网负荷、变压器供应、旧厂房改造，再到训练与推理集群在网络拓扑上的精打细算。
这已经是一场全方位的重工业物理战了。

_Canonical: <https://mubeitech.com/deep/mb-20261101-488c24> · Source: 墓碑科技 MUBEITECH (mubeitech.com)_
_Rendered by mubei-terminal._