SpaceX自研AI訓練棧V1.0即將完成，性能或超JAX 10倍
埃隆·馬斯克表示，SpaceX已接近完成V1.0自研AI訓練棧，使用C語言開發，可精確適配22萬張GB300 GPU（搭配800G NIC）。
該訓練棧大量採用流水線並行（pipeline parallelism），儘可能接近裸金屬運行。
馬斯克稱，對於大規模訓練任務，其性能較JAX有望提升一個數量級以上（超10倍）。
來源：公開信息
ABAB AI 解讀
SpaceX此前已深度參與xAI算力建設，此次自研AI訓練棧延續其垂直整合戰略，通過C語言和極致優化實現對22萬張GB300的精準控制，顯著降低框架開銷並提升訓練效率。
資本路徑上，SpaceX/xAI正將自有算力資源高度集中於定製化訓練棧開發，目標是突破現有JAX等框架的性能瓶頸，形成對大規模模型訓練的成本與速度優勢，同時爲Starlink、Starship等項目提供更強AI能力支持。
類似xAI Grok訓練中對算力極致優化的追求，以及英偉達CUDA生態之外的定製化嘗試，SpaceX當前處於從硬件採購向全棧AI訓練系統自主掌控的深度轉型階段。
本質屬於資本集中與技術替代：自研極致訓練棧替代通用框架，機制在於C語言+流水線並行+裸金屬優化大幅降低軟件層開銷，加速計算資源向真正高效率訓練集中，推動AI訓練從依賴第三方框架向垂直一體化超級算力系統演進。
ABAB News · 認知定律
真正頂級的訓練效率，從拋棄通用框架、逼近裸金屬開始。
22萬張GPU的掌控權，永遠屬於寫出最快棧的那一方。
領先者不只買算力，更要自己重寫訓練底層。