從食品舊址到警用射擊場：馬斯克擴建 Colossus 2，規劃再部署約 42 萬顆 GPU

一個原本存放食品品牌產品的場所，加上一處曾經作為警用射擊場的設施，可能成為下一批大型 AI 伺服器的落腳處。馬斯克在 2026 年 10 月 31 日透露，位於美國孟菲斯地區的 Colossus 2 正增加兩個代號為「Gun Range」與「Spam」的算力區域，規劃分別配置約 220,000 與 200,000 顆 NVIDIA GB300 GPU，並以 11 月底、12 月為投入運作的目標。^[1][2]

這則消息最醒目的地方，不是奇特的建築名稱，而是背後的工程選擇：一家急於增加 AI 服務能力的公司，正嘗試把既有工業空間、電力、散熱與高速網路整合成可交付的運算能力。馬斯克同時提出 Colossus 2 年底約 120 萬顆 Blackwell GPU 的目標。但「宣稱持有」、「規劃部署」與「已接上電力、能穩定執行工作」是三件不同的事，不能混成一項完成的成績。^[1][3]

這篇文章整理新公布的設備配置，釐清為何訓練與推論需要不同網路架構，追溯孟菲斯舊廠改造的背景，並檢視同一時間持續進行的空氣污染訴訟。從企業決策角度看，Colossus 2 提醒我們：當 AI 走到大規模部署，最難管理的未必是模型，而是讓算力長期穩定運作所需的全部條件。

兩個新區域，說明了什麼？

馬斯克的說法可以分成已描述的配置與未來承諾。他指出，既有的「Macroharder」與「Minihard」兩區各配置 220,000 顆 GB300，搭配 800 Gb/s 等級網路介面，用於模型訓練。接下來的「Gun Range」規劃採用相同規模與訓練設定；「Spam」則預定放置約 200,000 顆 GB300，以模型推論為用途，所需網路與光纖配置較單純。他表示親自巡視了場區，並稱施工進展順利。^[1]

依這組數字計算，新增加的 Gun Range 與 Spam 合計約 420,000 顆 GB300。這個加總可以確認，卻不表示已有 420,000 顆設備投入運作。Gun Range 的「11 月底」和 Spam 的「12 月」也都是預定時程；截至本文整理日 2026 年 11 月 2 日，這兩個時間點尚未到來。因此，編輯上應使用「規劃」、「預定」或「目標」，而不是「完成」、「正式上線」。

表格依馬斯克 2026 年 10 月 31 日公開發言整理。所有配置均屬其對外說法，不代表獨立稽核或實際可用算力；各區不得因名稱相似而重複計算。^[1][3][4]

把五個名稱合計，得到約 1,190,000 顆 GPU，與馬斯克所說的「年底約 120 萬顆 Blackwell」在數量級上接近。這也解釋了為什麼先看四區得到的 860,000 顆，與他另外提及的 120 萬顆並不完全相同：尚有「Macrohard」這一處約 330,000 顆的補充說法。必須注意，這是對不同貼文的數字進行整理與算術核對，並不是實際庫存、採購合約、裝機日期或可用率的第三方查核。^[3][4]

「Spam」不是一座新發明的食品工廠

名稱很容易帶偏新聞焦點。Spam 是馬斯克對新區域使用的稱呼。他的原話是這處空間「曾用來存放 Hormel 產品」，並未在該段貼文提供精確廠址、建築權屬、完整工業使用史或正式用途變更文件。因此，標題使用「食品舊址」較精確；直接把它寫成「Hormel 工廠已全面改建完成」，證據就超出了原始發言。^[1]

Gun Range 的稱呼同樣有背景。相關報導指出，該處原為當地警察部門使用的射擊場。此處要區分「曾有什麼用途」與「目前具備什麼資料中心條件」：既有建築不會因為屋頂、地板與牆面還在，就自動符合高密度 GPU 機房需求。是否能承載設備、如何布置配電及液冷系統、是否具備所需通訊路徑，都要另行工程設計與驗收。^[2]

而且「舊址改造」不是 xAI 第一次採用的路線。早在 2024 年，孟菲斯商會即宣布 xAI 將使用一處既有製造設施建置大型算力中心。當時的地方新聞與後續 xAI 自身資料指出，第一代 Colossus 使用的是前 Electrolux 家電廠場址。^[5][6] 這與 2026 年被談論的 Spam、Gun Range 並非同一個已經明確核對的地點，新聞不應把幾個不同時間、不同建築的故事串成單一改造工程。

從產業策略分析，重複使用舊場址的吸引力不難理解。選址時最稀缺的往往不是空地，而是能否更快取得用電容量、許可、工程隊伍、運輸通道與網路幹線。既有工業區有機會節省某些前期工序，但實際是否較便宜、較快，取決於設備密度與環境限制，不能只憑「改造」兩個字就認定成本降低。

訓練與推論的差別，決定為什麼要分區

理解這次計畫，要先拆開兩種經常混用的「AI 算力」。模型訓練，是讓模型透過大量資料與反覆計算調整參數；推論，則是在模型已具備能力之後，回應使用者的請求。兩者都需要加速器與記憶體，但對工作排程、彼此通訊、延遲與穩定性的要求並不相同。

大型模型訓練時，數千甚至更多 GPU 可能共同處理一項作業。運算過程不只要各自計算，還需要頻繁交換數值、同步狀態。如果網路無法及時傳遞結果，效能再高的晶片也可能等待其他節點，整體處理速度因此受限。這就是為什麼馬斯克特別提到 Macroharder、Minihard 與 Gun Range 使用 800 Gb/s 等級的網路介面。這個數字是介面的連線等級，並不直接等於整個園區實測的有效吞吐量。^[1]

NVIDIA 的技術資料顯示，GB300 NVL72 採用機櫃規模設計，一組系統整合 72 顆 Blackwell Ultra GPU 與 36 顆 Grace CPU，搭配高頻寬互連架構。這類設計目的，是降低跨 GPU 工作的通訊瓶頸，支援複雜的訓練及推論任務。NVIDIA 也公開說明多機訓練會面臨大量「節點彼此交換資料」的負擔，因此高速互連不只是附加配件，而是整體算力配置的一部分。^[7][8]

推論工作的情境則不同。對外提供聊天、搜尋、語音或代理式 AI 服務，會遇到許多分散的請求，系統必須在成本、使用者等待時間、負載尖峰與服務穩定性之間取捨。推論不代表完全不需要高速網路，特別是在大型模型跨多卡部署、長上下文或高併發服務下，通訊依然可能成為瓶頸。但它不一定需要採用與大規模同步訓練相同的外部網路拓樸。

因此，馬斯克表示 Spam 的推論配置可以使用「更簡單的網路與少於一半的光纖」，合理的理解是：他準備依工作負載調整資本支出的配置，而不是所有 GPU 都套用單一標準機房。然而，這項光纖比例是他的特定方案說法，不宜擴大解釋成「所有推論資料中心都只需要訓練的一半光纖」。模型架構、部署方式與服務品質目標不同，需求會相當不一樣。^[1]

對一般企業而言，這個區分很重要。公司若只是將既有模型接進客服、知識查詢或內部工作流程，通常不需要購買訓練大型基礎模型的設備。主管真正要問的是服務如何連線、資料能否離開組織、每次回覆的成本、錯誤如何覆核，以及供應商中斷時是否有備援。把「開發模型」與「使用模型」混成一個投資項目，往往是 AI 預算錯置的起點。

120 萬顆 GPU：產能目標不是產出證明

在社群媒體上，一個巨大的設備數量很容易變成比賽：誰擁有最多 GPU、誰的訓練叢集最大、誰投入的資本最驚人。但對資料中心經營而言，至少存在四種不同的數字：計畫採購數量、設備已送達數量、機房已完成安裝數量，以及真正可供訓練或推論使用的有效數量。四者不必然相等。

即使設備已經進場，也還需要電力容量、交換設備、散熱循環、韌體與驅動程式、資源排程、故障監控以及足夠的儲存吞吐量。機房某一區可以通電，不代表所有設備已經達到相同可靠度；啟動某個訓練任務，也不代表整個叢集能長時間維持高使用率。這些差異通常很難從一張機房照片或一則社群貼文判斷。

因此，本次較準確的新聞讀法是：「馬斯克披露新的配置與年底目標」，不是「Colossus 2 已全面達到 120 萬顆 GPU」。截至 11 月 2 日，本文未取得能對五處設施逐一盤點、驗證安裝完成及有效運轉狀態的公開獨立資料。這個資訊缺口不等於公司說法必然錯誤，但要求報導必須保留歸屬與時態。^[1][3][4]

從同一份清單還能看出另一項限制：一個區域配置多少顆 GPU，不直接告訴我們每顆的實際利用率，也不會告訴我們模型訓練花了幾天、花了多少電、推出了什麼新產品，或每百萬次請求的營運成本。若把 GPU 數量直接換算成公司競爭勝負，等於跳過從硬體到產品的中間環節。

供電才是另一場不容易從照片看出的競賽

算力中心不是插上電源就能營運的辦公室。高密度 GPU 叢集同時需要穩定供電、散熱、網路、備援與維修空間。若缺乏可靠電源，昂貴的加速器就可能處於等待狀態；若冷卻能力不足，即使機房已經滿架，也可能無法按照設計負載持續運轉。

第一代 Colossus 的建置經驗已顯示這類選址選擇的重要性。xAI 在其孟菲斯官方說明中強調，利用前 Electrolux 設施的現有基礎建設，並表示投資變電站、電池與水循環等項目。這些是公司對自身投入與承諾的說明，可用來了解其策略，卻不能直接視為電網負擔、環境衝擊或所有承諾均已被獨立驗收的證明。^[6]

在實際工程中，電力問題也不是單純看總瓦數。一座園區還需要確認尖峰負載、負載變化速度、停電時的備援、電力品質、變壓器容量與併網安排。訓練工作可能長時間占用大量設備；推論工作可能面對流量高峰與不同的服務等級要求。兩者的用電曲線未必一致，管理方法也不相同。

這是「舊場址」敘事容易省略的部分。舊建築或許能縮短建築工程期，卻不保證附近電網、冷卻水或公共基礎建設足以支撐新的設備密度。若需要重新興建供電設施、改造管線或跨轄區取得許可，實際的時程與成本可能轉移到其他工項。速度優勢必須透過進度與營運數據證明，而不是由建築過去的用途推導出來。

與擴建同時發生的，是尚未結束的環保訴訟

2026 年 10 月 30 日，也就是馬斯克公開這批擴建資訊的前一天，美國密西西比州北區聯邦地方法院拒絕 xAI 要求駁回一宗《清潔空氣法》訴訟的動議。訴訟由美國全國有色人種協進會（NAACP）及其密西西比州分會提出，焦點是位於密西西比州 Southaven、用來支援 Colossus 2 的天然氣渦輪發電設施是否欠缺法定許可。法院允許案件繼續審理，並未因此完成全案的最終責任判定。^[9][10]

原告認為相關發電設施應遵守空氣污染許可要求，並對周邊社區造成風險。xAI 則曾主張，某些裝置屬於可移動或暫時性設施，因此應適用不同的規範。依近期裁定報導，法院並未接受以此直接排除相關許可爭議的論點，也拒絕以公民訴訟條款違憲為理由終結案件。仍須強調，駁回動議被否決，法律意義是訴訟可以繼續，不能寫成法院已對所有污染事實、損害金額或最終違法責任做出判決。^[9][10]

原告組織與公司官方資料反映了兩種明顯不同的敘事：前者擔心發電設備帶來的空氣品質、社區健康與法律程序問題；後者強調能源基礎建設、地方投資、工作機會及資源管理的措施。^[6][11] 這不是要求讀者在兩方之間憑印象選邊，而是提醒：任何對外宣稱「算力快速上線」的專案，都必須同時接受營運事實、環境數據與法律程序的檢視。

新聞寫作特別需要避開兩種極端。一種是只照搬投資規模與 GPU 數字，完全不提電力與社區成本；另一種是看到訴訟就直接宣告企業已被判定全面違法。前者遺漏重大限制，後者混淆了指控與裁判階段。較完整的資訊應包括訴訟主張、公司抗辯、法院目前裁定，以及仍待判決的問題。

為什麼快，不一定等於便宜？

大型資料中心的財務效果取決於多項條件，不能只看建物取得速度。假設兩家公司都想新增相同數量的 GPU，其中一家公司重建完整園區，另一家公司改造既有設施。改造方可能省下部分土建時間，卻可能面臨更複雜的機電改造、跨建築網路連接、消防設計或保固維護成本。哪一個方案比較划算，需要比較完整生命週期支出。

這個成本分析至少包含三層。第一是資本支出，包含 GPU、CPU、機櫃、高速網路、儲存、配電、冷卻、建築工程與相關設備。第二是營運支出，包含電費、維修、故障停機、設備更新、支援人力及資安管理。第三是風險成本，包含許可延遲、供應鏈、訴訟、地區基礎建設限制與利用率低於預期。

模型推論還需要額外算一筆帳：使用者願意付多少錢換取服務，服務量能否讓設備保持合理利用率，實際每筆請求或每個 token 的邊際成本是多少。NVIDIA 針對 GB300 的官方資料提供多種推論效能與成本比較，但那些數字是在指定基準與設定下取得，不能直接套用到 Colossus 2 的實際財務表現。^[7][12]

投資人、企業採購或產業觀察者若只看到「新增 42 萬顆」，還看不到建置支出是否已付款、維持供電有多少成本、設備的服務壽命或未來訂單能否覆蓋投資。馬斯克公布的工程目標是有價值的新聞線索，卻不是完整的成本效益分析。

從 xAI 到 SpaceX：還要分清公司與工程名稱

理解這篇新聞的組織背景，也要掌握 2026 年企業結構的變化。根據 SpaceX 提交的美國證券監管文件，SpaceX 已於 2026 年 2 月 2 日完成收購 xAI，後者成為其全資子公司。因此，在討論 2026 年底的 Colossus 2 設施時，可以提及 SpaceX 旗下 AI 業務，但不應將「SpaceX 工程團隊參與」寫成原始機房技術細節已被公司正式揭露。^[13]

馬斯克在貼文中提到 SpaceX 團隊與承包商。這透露其跨組織工程資源的使用方式，卻沒有交代所有人員的雇用安排、承包範圍或責任邊界。對新聞讀者而言，把母公司、子公司、園區名稱與建築代號分清楚，能避免把不同公司、不同階段的規劃當成單一計畫。

2024 年的第一代 Colossus、2026 年的 Colossus 2，以及 Macrohard、Macroharder、Minihard、Gun Range、Spam，是不同層次的名稱。若要比較算力規模，必須先定義比較對象、統計日期、GPU 型號及是否包含未來規劃；如果沒有統一母數，就不該輕率宣稱是另一座中心的數倍。

AI 競爭為何逐漸變成基礎設施競爭？

早期的生成式 AI 討論，往往聚焦在模型參數、測驗成績或產品功能。當服務規模擴大，這些仍重要，但企業能否持續提供可負擔、低延遲、高穩定性的服務，會愈來愈依賴底層供應能力。模型升級如果讓每次回覆需要更多計算，硬體與成本壓力就可能同步增加；相反地，演算法、編譯器或模型效率改善，也有機會減少相同工作量所需的硬體投入。

所以，資料中心擴張不是模型能力提升的充分條件，也不是唯一途徑。大量 GPU 能提供訓練與服務的可能性，卻不能保證得到更準確的回答、較低的錯誤率或更高的使用者留存。軟體堆疊、資料品質、產品設計、網路與運維，都會決定這些晶片是否轉化為競爭優勢。

這個觀察也說明為何要把訓練與推論分開追蹤。訓練容量較直接支撐模型開發；推論容量更直接支撐產品交付。當馬斯克把其中一個新區域明確標為推論用途，對外傳遞的不只是「我們還在擴建」，也暗示公司正思考訓練與服務規模的配置。但目前沒有足夠公開資料，證明哪一項產品、哪一群客戶會獨占這批容量，也不能據此推算 Grok 的用戶成長或營收。

另外，供應商也可能使用分散式部署、模型壓縮、快取、批次處理、請求路由或專用推論加速器，減少對同等規模硬體的需求。硬體數量是一項戰略指標，卻不應凌駕於服務品質與商業可行性之上。把投入額與結果混為一談，容易讓產業討論偏離真正需要驗證的問題。

台灣企業該從這則新聞學到什麼？

對多數台灣企業來說，Colossus 2 的 GPU 數量不會直接決定明年的 IT 預算。真正有參考價值的是它展示了一個常被忽略的原則：AI 計畫必須由實際工作負載出發，再決定資源、系統架構及治理方式，而不是先買一套昂貴設備，再尋找使用理由。

假設一家企業希望建立內部產品知識問答服務。它首先要確認的是誰會使用、問什麼問題、資料如何更新、回答要由誰驗收、哪些資訊不能上傳外部平台，以及同一時間可能有多少使用者。只有在這些條件較清楚之後，才適合比較雲端 API、專屬服務、地端模型或混合式架構。每一種方案都會有不同的成本與風險，沒有一種天然適合全部企業。

再例如，一家公司想用 AI 協助銷售團隊整理客戶需求、產生報價草稿與追蹤後續聯繫。此時真正的瓶頸可能是客戶資料分散、報價規則沒有統一，或主管無法看到流程成果。即使模型供應商將 GPU 規模擴大十倍，也不會自行解決企業內部的欄位混亂或授權不清。企業應先建立資料規格、覆核節點與成效指標，然後才擴大工具使用。

在正式導入前，管理者至少可以提出五個問題：服務要改善哪一個工作結果？能使用什麼資料、不能使用什麼資料？發生錯誤時由誰負責？需求增加時，成本如何變動？供應商中斷或更換模型時，流程能否延續？這些問題的共同點，是把焦點從「模型很強」轉到「公司是否能持續產出可驗證結果」。

大型算力工程的經驗還提醒我們，不論是地端部署或雲端購買，都應考慮實際使用率。地端設備的優點可能包括特定資料控制與長期固定工作負載的可預測性，但需要硬體維護、能源與人員；雲端可能較容易隨需求調整，卻需考慮資料與費用管理。只比較每張 GPU 或每月訂閱價格，通常不足以決定總成本。

對採購與營運單位，更實用的是拆開驗收責任

如果將大型資料中心當成一個可以交貨的產品，它需要的不只是「買進多少設備」的採購證明。土建單位確認場地與承載能力，機電團隊確認電力、冷卻及安全規格，網路團隊確認連線容量與延遲，平台團隊確認設備能否被排程，最後由實際使用者確認訓練或推論任務能否符合約定品質。任何一段缺少驗收，帳面上的設備數量都可能高於實際可交付能力。

企業在較小規模的 AI 專案也能照這個思路執行。簽約時先約定資料權限、可用率、回應速度、錯誤處理、流量上限、備援方式與解約後資料處理方式；驗收時再以真實任務，而不是單純登入畫面或成功生成一句話，作為成果判準。若涉及敏感文件，還需要驗證稽核紀錄、存取控制與承包商權限。這些細節看似沒有大型 GPU 數字那麼醒目，卻通常更直接影響部門是否願意持續使用 AI。

另一個值得追蹤的數字是「每單位有效工作量成本」。例如推論服務應關注每 1,000 次有效請求或每百萬有效輸出的總成本，而不只計算顯示卡價格；訓練團隊則應關注達到某個品質目標所需的時間與總資源。若只計算設備已啟動的數量，無法知道它究竟為組織帶來多少價值。這也是為何 Colossus 2 的後續新聞，需要從建設照片逐步走向可核實的營運指標。

接下來該驗證哪幾件事？

這次公告有幾個清楚的時間檢查點。第一個是 2026 年 11 月底：Gun Range 是否依照馬斯克說法投入運作？若宣布上線，需要再確認「上線」的實際範圍，是部分設備啟動、具備訓練能力，還是全區達成預定配置。第二個是 12 月：Spam 是否投入推論服務，以及是否有對外披露服務類型與可用容量。^[1]

第三個是年底約 120 萬顆 Blackwell 的說法。屆時若公司提供各區實際數量、GPU 型號、測試結果、供電狀態與運行時間，外界才能更準確評估目標完成情況。若只有新的設備總數，仍應區分宣布數字與已運作數字。^[3][4]

第四個是環保訴訟與能源設施的後續裁定。10 月 30 日的決定讓案件繼續，並沒有結束爭議。未來法院對初步禁制令或案件實體主張的判斷，以及監管機關的許可與執行狀態，都可能影響外界對工程時程和社區成本的評估。^[9][10]

最後是產品結果：增加推論容量後，使用者是否真正享受到更穩定的服務、可接受的等待時間，以及可持續的成本結構？這些結果才是算力轉化為產品價值的證據。即使沒有公司內部財報，外界仍能持續觀察服務可用性、公開基準、產品更新與可核實的營運資訊。

算力擴張的終點，不是 GPU 數量

馬斯克用兩個不尋常的名稱，引起外界注意 Colossus 2 的下一波擴張。經過事實拆解，新聞真正的重點十分具體：兩處設施規劃增加約 420,000 顆 GB300，分別服務訓練和推論工作，預定於 11 月底與 12 月進入下一階段；公司並提出年底約 120 萬顆 Blackwell 的更大目標。這些是公開聲明與規劃，不是獨立驗收完成的運轉成果。^[1][3]

對產業觀察者來說，最值得追問的問題是：這些設備能否如期取得供電、散熱與網路支援，能否在法規和社區關切下長期運作，最終又能否創造真正被使用者需要的 AI 服務。對企業管理者來說，答案同樣適用，只是規模不同。先定義要交付的結果，再找對資源，最後用實際成效驗收，才不會把投入錯當成成果。

參考來源

1. 馬斯克 2026 年 10 月 31 日對 Macroharder、Minihard、Gun Range、Spam 的公開發言，可見原始 X 貼文，並經 Advance Intelligence 當日彙整 與 公開社群存檔 交叉核對。原始說法的配置未獨立驗收。

2. Business Insider，2026 年 11 月，Colossus 2 新場址報導；亦可參閱 AOL 刊載的同篇報導。

3. Elon Musk Archive，2026 年 10 月 31 日，年底約 120 萬顆 Blackwell 的公開貼文。

4. Elon Musk Archive，2026 年 10 月 31 日，Macrohard 的 110,000 顆 GB200 與 220,000 顆 GB300 補充說法。

5. Greater Memphis Chamber，2024 年 6 月 6 日，xAI 選址孟菲斯。

6. SpaceXSI 孟菲斯官方說明，基礎設施、變電站與能源承諾。其中投資與未來成果為公司說法。

7. NVIDIA，GB300 NVL72 官方產品規格。

8. NVIDIA Developer，2026 年 7 月 21 日，GB300 NVL72 訓練與高速網路實作。

9. Earthjustice，2026 年 10 月 30 日，法院拒絕駁回空污訴訟的說明，原告方代表資料；另附法院裁定原文。

10. TechCrunch，2026 年 10 月 31 日，法院裁定與 xAI 抗辯報導。

11. NAACP，2026 年 4 月 14 日，起訴聲明，內容為原告指控，非有罪判定。

12. NVIDIA，AI 推論效能與成本比較，比較結果依其註明基準而定。

13. SpaceX，2026 年 6 月 30 日期 SEC 申報文件，確認 2 月 2 日 xAI 合併日期。

延伸閱讀與學習

若企業準備把 AI 從個人操作推進到流程落地，可以從任務盤點、資料規則、成果驗收與工作自動化著手。相關實務課程可參閱天地人《AI 應用人才實戰班》。此為延伸學習資訊，與本文新聞資料查核獨立。

圖片資訊

封面為原創資訊設計概念圖，使用圖形及經查核的規劃數字表達算力擴建，並非工程現場照片。