一个戴白色安全帽、穿黄绿反光背心的男人,站在纯白色的厂房里,对着镜头比划手势。
画面在抖,声音在闷,像是手机偷拍。他身后的走廊深处,金属机架一眼望不到头。
这条时长15分钟的视频,配文只有一行字:
ELON'S XAI SUPERCOMPUTER WITH 100,000-GPU IN MEMPHIS. IT DRAWS 100 MEGAWATTS AND THEY HAD TO CENSOR THE TOUR
「埃隆的xAI孟菲斯超算:10万块GPU,耗电约100兆瓦,导览视频还被打码审查。」
发帖人是 @beamnxw,2026年7月7日。这条帖子本身没有任何新料,它讲的,是2024年就已经发生过的事。但两千次浏览、五十多个赞之后,评论区一条回复被顶了上来:
这句话,才是这座工厂真正想让你看懂的东西。



▲ @beamnxw 的种子帖,附完整导览视频,英文原文与中文翻译对照发布
一座旧家电厂,怎么突然装下10万块GPU
时间倒回2024年。田纳西州孟菲斯西南工业区,有一座停产多年的 Electrolux 家电厂,空置着,没人多看一眼。
2023年底,有地产方以约3500万美元的价格把它买下。几个月后,马斯克的 xAI 敲定了这里,多个信源都提到,决策过程压缩在"一周之内"。
没有人从零浇楼。旧厂房的价值,恰恰在于它已经有了大跨度的空间、工业级配电的想象空间,以及一条比新建园区短得多的路径。传统数据中心开发商见到这种厂房会头疼:防火分区、层高、楼面荷载,一堆麻烦事。但对把时间当成第一约束的团队来说,麻烦可以并行处理,先有壳比完美的壳更重要。
这座被改造出来的机房,有了一个名字:Colossus(巨像)。
第一阶段的标志性数字很快传遍全网:约10万块 NVIDIA H100 GPU,官方与NVIDIA新闻稿反复确认的建设周期是 122天。行业里,同等规模的机房项目动辄按年计算工期。
2024年10月28日,两条关键信息在同一天释放:ServeTheHome 放出了机房的一手实地导览,NVIDIA 同步发出了网络技术新闻稿。一边是眼睛能看见的管道和机架,一边是厂商给出的技术参数,从那天起,几乎所有关于 Colossus 的二次讲述,都在这两口井里打水。2026年的这条 beamnxw 帖子,也不例外。
管道像血管:热量第一次有了实体
走进机房的人,第一反应常常是"这管子也太粗了",这种惊讶,比对GPU数量的感叹来得还要快。
STH的记者 Patrick Kennedy 用镜头记录下了这条走廊:两侧是密密麻麻的白色机架,一眼望不到头,深处能看见灭火装置和门。他在文章里写道,在只有122天的时间里,团队建起了这座"多十亿美元级"的机房。
▲ ServeTheHome 2024年10月28日发布的机房实拍,标题写着「Inside the 100K GPU xAI Colossus Cluster」
真正让这条走廊出圈的,是头顶那几根粗管道,风头盖过了机架本身。摄影记者 Sawyer Merritt 同一天发了一条视频,配文只有一行:
"The liquid cooling pipes at xAI's Colossus supercomputer cluster in Memphis are huge!"
「xAI孟菲斯Colossus超算集群的液冷管道,巨大!」
画面里,几根黑色粗管从画面一角延伸出去,粗细堪比成年人的腰。这条视频后来被反复引用,种子帖里那句"管道像动脉一样在头顶延伸",指的就是这个画面。
▲ @SawyerMerritt 拍摄的液冷管道特写,发布于2024年10月28日,获得超过1100个赞
为什么必须是液冷,不能靠风扇?
一块数据中心级H100,板级功耗常年是数百瓦;把八块GPU塞进一台服务器,就是数千瓦级的热密度。再把成千上万台这样的服务器一股脑堆进机厅,靠风扇吹会同时在风道、噪声、功率密度上撞墙。液冷把热量从冷板上就地带走,才撑得住这种密度。
STH给出的技术细节是:基本单元是 Supermicro 液冷机架,每架8台4U服务器,每台8块H100,一架就是64块GPU。10万块GPU除以64,大约是1562架,这就是那条"望不到头"的走廊真正的长度来源。
种子帖里还有一段容易被记住的话:
"The hum is not fans. It is pumps pushing water through 100,000 GPUs at full load."
「那阵嗡嗡声不来自风扇,是泵在满负荷状态下,把水一路推进10万块GPU。」
主管、支管、到冷板的软管,分级往下走,供冷和回热成对存在,这几乎就是循环系统的结构。泵是心脏,管道是血管,这个比喻站得住工程现实,并非只是文学修辞。当人们说AI在"涌现",机房里发生的事情,其实更像是"循环"。
100兆瓦是什么概念,电池墙又是干什么的
种子帖给出了一笔简单粗暴的算术:
"~700 watts per H100. 70 megawatts for compute alone. With overhead, closer to 100. Millions per month just to keep running."
「每块H100约700瓦,纯算力就是70兆瓦;加上辅助开销,接近100兆瓦。光电费每月就可能是数百万美元量级。」
这个算法是粗算,但量级站得住:10万块GPU × 700瓦 = 7000万瓦,也就是70兆瓦,这还只是芯片本身。再加上CPU、内存、网络设备、电源转换损耗,以及给这一切降温所需要的冷机和泵,设施侧的负载系数通常还要再乘上1.3到1.6。70兆瓦的算力,撑起了逼近100兆瓦的总负载。
100兆瓦的体感是什么?大致相当于一座小型城市局部区域的工业负荷,这个量级,写字楼中央空调完全够不着。当一家公司的单一项目就能触发这个级别的电力接入审批,它面对的,已经是半个能源项目。
更麻烦的是,这个负载像心电图一样忽高忽低,称不上一条平滑直线。集合通信、检查点保存、作业切换,每一个动作都可能造成功率的台阶式跳变,电网和变电设备最怕的就是这种剧烈的功率变化率。
这就是 Tesla Megapack 出现在故事里的原因。种子帖用了一段挺狠的话:
"Tesla Megapacks line the walls. Not for storage. For survival. When the entire cluster spikes, the grid flinches. Megapacks absorb the shock before Memphis notices."
「特斯拉Megapack沿着墙排开,任务是保命,不图储能的排场,整机尖峰一来,电网就抖,Megapack先把冲击吃掉,孟菲斯才感觉不到。」
Data Center Dynamics 的报道也引述了 xAI 基础设施高管 Brent Mayo 的表态:Colossus 的推进速度前所未有,而 Megapack 技术是电网稳定的保障之一。电池墙在这里扮演的角色,是毫秒到秒级地吸收尖峰,在临时供电与永久接入之间买时间,这套逻辑属于功率质量控制,跟家用语义里"备个应急电源"完全是两回事。
10万块芯片怎么变成"一台机器"
芯片再多,如果彼此说不上话,也只是一堆孤立的计算器。
大模型训练最吃的,是跨节点的同步通信,集合通信、多对一的瞬间灌入、对尾延迟极度敏感,最慢的那条梯度路径决定了每一步迭代要花多久。种子帖用了一个很形象的说法:
"Custom networking handles all-to-all communication across 100K chips. Fiber bundles thick as your wrist. Standard Ethernet would collapse in seconds."
「定制网络负责10万芯片的全互连通信。光纤束粗得像手腕。普通以太网几秒就会崩溃。」
这句话戏剧化了,但方向是对的。NVIDIA 在同一天发布的新闻稿里,给出了具体数字:Colossus 使用 Spectrum-X 以太网方案做RDMA网络,训练超大规模Grok模型时,三层网络结构上实现了因流量冲突导致的应用时延零损耗,数据吞吐维持在约 95%,而标准以太网在同等规模下,吞吐往往只能守住 60% 左右。
▲ NVIDIA 2024年10月28日新闻稿,标题为「NVIDIA Ethernet Networking Accelerates World's Largest AI Supercomputer, Built by xAI」
过去,大规模HPC集群普遍靠 InfiniBand 保低延迟。NVIDIA 想用 Spectrum-X 证明:在更大众化、生态更成熟的以太网体系上,一样能做出接近IB的训练体验。这场压力测试真正较劲的地方,落在拥塞控制和交换机能力够不够格上,插网线谁都会,让10万块卡"像一台机器"一样干活,靠的是这个。
新闻稿里还有两个容易被忽略的数字:从第一台机架落地,到正式开始训练,只用了 19天。任何一个环节卡住,供电回路没接好、冷却没就绪、网络路由没配对,19天都会变成19周。这个数字背后,拼的是团队把供电、冷却、网络、软件同时拉通的集成能力,搬运效率反倒是次要的。
122天:这个数字反常在哪里
选址、环评许可、土建、供电、冷却、上架、布线、验收,正常的数据中心项目,这一整条链条动辄按年计算。
xAI 的路径不一样:买现成的工业壳,算力、电力、冷却、网络多条线并行推进,必要时用临时发电和临时冷却手段换取"先开跑"。122天,是官方与NVIDIA、STH三方口径一致确认的数字。
xAI 官网把这座机房定义成"我们的算力超级工厂",首页上一行大字写着 200,000,标注着"a single interconnected cluster"。旁边一行小字说明了这个数字是怎么来的:122天建成,再用92天翻倍到20万块GPU。
▲ xAI 官网 Colossus 页面首屏,「Our gigafactory of compute」
翻倍靠的是把已经跑通的模块整批复制,没必要重新发明一次轮子。这种"乐高式"机房思路,和Supermicro的DCBBS(datacenter building blocks,数据中心积木)话术是同一个逻辑,把现场施工,变成总装线。
速度带来的不只是荣誉。多篇本地报道提到,部分居民和议员是在项目宣布前后才得知全貌;环境与社区沟通、排放许可、用水这些议题,也随之被推到台前。谁对谁错很难评判,但速度策略往往意味着把协调成本挪到了后面,这笔账,迟早要还。
从10万到100万,故事没有停在122天
2024年12月,Supermicro CEO Charles Liang 发了一条长文,公开表态支持xAI把Colossus做十倍扩展,冲向超100万块GPU,建立本地运营、生产、验证与服务体系,并强调公司的"常温直冷液冷(DLC)"技术能同时降低机房功耗、占地、用水和成本。
▲ Supermicro CEO @charlesliang 2024年12月的公开表态,承诺支持扩容至超100万块GPU
从10万到100万,复制十份同款机房那么简单可办不到。故障域和运维编制会指数级变难,网络直径和布线几何会爆炸式增长,电力讨论可能会进入吉瓦(GW)量级,软件调度、检查点、弹性训练全都会升级成刚需。百万GPU的目标,首先是电力合同和供应链合同,其次才是机架渲染图。
评论区另一条高赞回复,把这一整套变化压缩成了一行字:
"bottleneck has shifted from writing code to building enough infrastructure to run it"
「瓶颈已经从写代码,变成了能不能建出足够跑得起来的基础设施。」
算法创意仍然重要,但边际上最稀缺的,已经变成了瓦特、水,和互连带宽。
血管开始供血之后
2026年4月,马斯克在自己的账号上贴出一份清单:Colossus 2 上,同时有7个模型在训练,Imagine V2、两个1T变体、两个1.5T变体、一个6T、一个10T。
▲ @elonmusk 2026年4月发布的Colossus 2训练列表,获得超过6.6万个赞
这条推文说明,机房已经从"建成"这件事,走到了"产能排产"的阶段,集群进入多任务并行的内部调度,参数量进入万亿级讨论时,基础设施必须先站在那里,才轮到模型上场。
回到那条被反复转发的种子帖。它没有提供任何新的实验室测量,却提供了一个足够稳固的大众复述模板:数字、管道、电池、网络、电费、速度。这也是为什么,2026年的人们还在转发2024年的这条管道视频,因为它回答的问题,比任何一次模型发布都更持久:
当智能变成一种工业产品,工厂应该长什么样?
答案或许并不像硅谷开放式办公室那样轻盈。它更接近一座布满管道的发电,冷却,计算综合体:泵代替了风扇的嗡鸣,电池墙替电网挡住了尖峰,以太网被逼着长出了能扛住全互连洪峰的骨骼。
在这里,热是一种实体,流量可以被设计,而工厂本身,得像一个有机体一样维持住自己的稳态。

