洪力德口述 SpaceX:火箭制造、管理与航天产业

从 Falcon 9 的生产经历到太空与 AI 的未来设想。

洪洪力德Gast · Aris Fund
Kanal
Zhang Xiaojun Podcast
Veröffentlicht
13. Juni 2026
Video
3:00:04
Lesezeit
11 Min.
Original
Chinesisch (vereinfacht)
Auf YouTube öffnen
Beim Scrollen schrumpft das Video in die rechte untere Ecke und läuft weiter. Untertitel folgen Ihrer Lesesprache.
LesespracheIn 2 Sprachen verfügbar
Diesen Artikel gibt es noch nicht auf Deutsch, daher wird das Original (Chinesisch (vereinfacht)) angezeigt.
ZUSAMMENFASSUNG

In 30 Sekunden

张小珺与 SpaceX 前火箭制造工程负责人洪力德回顾他的职业经历、火箭生产与公司管理,并讨论航天产业、投资和太空计算。个人回忆与未来预测均按受访者观点呈现。

  1. 1录制与发布的时间访谈中的上市预期与后来完成的 IPO 需要区分。
  2. 2制造经验洪力德回忆火箭生产中的质量、规模与设计变化。
  3. 3生产类比饮料罐类比启发工艺思考,但不消除航天安全要求。
  4. 4首次与规模化首次回收和稳定重复运营是不同里程碑。
  5. 5太空计算的经济性工程可行性与能否和地面数据中心竞争是不同问题。
  6. 6投资利益关系嘉宾讨论自己的投资和公司前景,应结合其利益关系理解。

Das Wichtigste

  1. 火箭制造需要在规模、变化和严格验证之间协调。
  2. 首次回收与稳定规模化运营是不同里程碑。
  3. 个人口述提供内部视角,但不等于完整事故或公司记录。
  4. 太空计算的工程可行性与经济竞争力都需验证。
  5. 嘉宾的产业判断涉及其投资利益,不构成投资建议。
VOLLTEXT

Den bearbeiteten Text nach Kapiteln lesen

Nur das Transkript
01

上市、太空与 AI

张小珺采访 SpaceX 前火箭制造工程负责人洪力德(Lewis Hong),回顾火箭开发、公司管理和航天产业,并讨论太空与 AI 的可能联系。

张小珺采访 SpaceX 前火箭制造工程负责人洪力德(Lewis Hong),回顾火箭开发、公司管理和航天产业,并讨论太空与 AI 的可能联系。

节目发布时介绍了 SpaceX 上市与 xAI 整合,但访谈中的一些讨论发生在上市前,以预期方式谈论 IPO。文章区分访谈时的判断与后续事件。 根据 [SpaceX 的公告](https://ir.spacex.com/updates/releases-details/2026/Space-Exploration-Technologies-Corp--Announces-Closing-of-Initial-Public-Offering-Including-Full-Exercise-of-Underwriters-Option-to-Purchase-Additional-Shares-2026-RgoR-Y1Vwh/default.aspx),发行于 2026 年 6 月完成。

洪力德介绍自己后来从事早期硬科技投资,投资方向包括航天、能源和物理 AI。他也回顾 2012 至 2019 年在 SpaceX 的经历。

他说上市预期让投资人更关注航天项目,但不认为资本关注突然增加就代表航天技术在同一时刻发生单一拐点。

他讨论上市可能为产业带来关注和资金,同时认为火箭、卫星与地面服务需要各自面对长期工程和商业问题。

回顾 SpaceX 的目标,他说公司早期已考虑更大型火箭和火星任务。这里是他对内部历史的回忆,具体计划和命名曾随时间变化。

他认为远期航天愿景需要持续资金支持,因此公司也发展能在地球和近地轨道产生收入的业务。

讨论火星时,他区分技术可行性、资金来源和社会是否愿意承担成本。这些问题都不能仅凭愿景解决。

两人讨论卫星通信、数据中心与 AI 的潜在结合。洪力德认为这些领域可能相互支持,但具体经济性仍需验证。

他谈到电网和能源供给对 AI 基础设施的限制。访谈中的电网与电厂数字是口述估计,不能作为当前权威统计。

太空计算涉及发射、散热、通信、维护和辐射等问题。他认为工程上可以探索,但能否与地面数据中心竞争仍是开放问题。

两人梳理马斯克关联企业的不同业务:航天、社交平台、AI、车辆和脑机接口。公司间的潜在协同与实际执行应分开评估。

洪力德讨论数据、算力与产品整合可能带来的机会,同时承认商业价值取决于成本、技术和市场。

他比较不同 AI 公司可能选择的产品方向。这是他对竞争的主观分析,不代表各公司完整战略或未来结果。

对在轨或深空任务使用智能系统,他认为远距离通信和人员有限可能带来自动化需求,但可靠性和安全要求很高。

主持人提到科幻作品中的空间站智能系统。两人把它作为想象未来的类比,并没有声称现实系统已具备同样能力。

02

教育与职业经历

访谈转向洪力德的教育和职业经历。他回忆在斯坦福学习机械工程,以及毕业后面对的工作选择。

访谈转向洪力德的教育和职业经历。他回忆在斯坦福学习机械工程,以及毕业后面对的工作选择。

他讲述早期进入制造业的经历,从工厂现场理解生产流程、质量和团队管理。

他回忆年轻时获得管理责任的经历,并认为当时领导给予机会和信任对自己的成长有影响。

食品生产的经验让他关注高产量、稳定质量与时间约束。后来他把部分制造方法带到航天领域。

他也回忆工作机会变化和求职困难,说明职业发展并非一条顺畅直线。

在朋友邀请下,他考虑加入 SpaceX。对他而言,从食品工厂转向洛杉矶的火箭制造是一次跨行业挑战。

他回忆 2012 年加入公司时的选择,并把过去的制造与流程经验视为可以迁移的能力。

谈到错过其他公司的机会,他说自己更在意是否因为恐惧而放弃真正想做的事,而非仅以后来的公司估值判断选择。

他描述在不同行业之间学习:理解材料、质量、供应链和人员组织需要时间,但跨领域经验也可能带来新视角。

他强调食品制造同样要求高产量与稳定质量,反对把它简单看成低难度的生产。

转向火箭时,生产规模、验证要求和失效后果都不同。相似的管理思想需要适应航空航天的具体规范。

他讲述 SpaceX 对降低发射成本和扩大使用的长期目标。这是公司愿景,不能当作已经实现的太空旅行价格或安全水平。

访谈讨论公众如何评价领导者与工程进展。洪力德说自己在公司内看到的工作方式与外界后来形成的形象并不总是一样。

03

SpaceX 的早期团队

他回忆早期马斯克在公开分享时比较内向和不自在;这是他对特定时期个人表现的观察,不是对人格的诊断。

他回忆早期马斯克在公开分享时比较内向和不自在;这是他对特定时期个人表现的观察,不是对人格的诊断。

他谈到早期团队规模较小、职责集中。人员稀缺能加快沟通,也可能使关键工作过度依赖少数人。

工程师可能同时面对采购、生产和开发任务。洪力德回忆资源有限时,项目协调和替补安排都很困难。

他以火箭早期项目说明技术目标与组织能力需要共同发展。失败和延误对小团队的压力可能非常大。

他回顾 Falcon 1 在前三次发射失败后于 2008 年第四次成功,将其描述为公司历史上的重要节点。

团队围绕发射有各种个人习惯和紧张情绪。他用这些细节描述高风险工程项目中的人,而不是把迷信当成成功原因。

他谈到公司希望在现有运载火箭之外继续发展更大系统。火箭项目的技术目标、设计和名称在多年中会改变。

洪力德认为早期产品也有商业用途,但公司的选择是继续投入更长远的目标。这是他对公司战略的解读。

他讨论火箭生产的复杂性:零件、材料、质量记录和不同工序需要协调,数量本身不能概括全部制造难度。

制造体系既要保持稳定,也要适应设计更改。过度频繁的变化和过度僵化都可能给交付带来压力。

04

Falcon 9 制造与管理

他回忆在 Falcon 9 制造岗位的职责和团队如何处理生产问题。具体经历来自他的口述。

他回忆在 Falcon 9 制造岗位的职责和团队如何处理生产问题。具体经历来自他的口述。

他回忆公司希望大幅提高年发射频率。目标数量是当时的规划,不能直接等同于后来实际发射表现。

两人比较汽车与火箭制造。洪力德认为可以借鉴规模生产思想,但火箭的环境、质量和验证要求有明显差异。

火箭面临真空、温差和发射载荷等条件。制造效率目标不能替代对零件与系统可靠性的验证。

他回忆团队被要求寻找大幅改进,而不只是局部节省。目标是否可行,需要通过设计、测试和生产数据判断。

谈到马斯克的工程角色,洪力德说自己理解的总设计师需要决定方向并追问细节,同时实际设计由多个工程团队完成。

他用 Falcon 9 高压容器作为例子:当供应能力不能满足预期时,团队被要求探索自行开发与生产。

他回忆团队带着产品向马斯克汇报,并被追问生产速度、成本和工艺。这个例子来自他的个人经历。

他转述马斯克拿饮料罐制造作类比,要求团队重新思考压力容器的生产方式。相似原理并不意味着两种产品的安全规格相同。

洪力德说这一追问促使团队寻找以前没有考虑的效率改进,但仍需要满足航天用途的设计与测试要求。

主持人问领导者如何给予反馈。洪力德描述马斯克表达满意的方式与一般管理者不同;这只是他的个人观察。

他回忆推动自动化生产项目、申请资源并与团队实现工艺改进的过程。结果和投入数字按受访者口述理解。

他讲述一次会议中有人认为目标不可能完成,马斯克回应接受其辞呈。片段是洪力德对事件的回忆,不能独立核实全部上下文。

他解释自己从其他行业进入火箭项目后,与熟悉航天设计的工程师相互学习,把制造经验与专业知识结合。

05

回收、失败与离开

两人比较 Falcon 9 和 Starship 的开发时间与回收目标。洪力德对未来进度的判断是访谈时预测,不应视为已达成里程碑。

两人比较 Falcon 9 和 Starship 的开发时间与回收目标。洪力德对未来进度的判断是访谈时预测,不应视为已达成里程碑。

他区分首次回收成功与建立稳定、可重复且规模化的回收系统。后者还涉及检查、翻新和运营。

洪力德回忆 2015 和 2016 年前后项目经历的困难,认为在已有进展后面对失败同样需要重新检查设计和流程。

他描述事故后团队如何寻找原因并继续解决问题。对责任和组织反应的描述是他的观察,不是完整事故调查。

他谈到长工时和生产压力。关于劳动制度的口述不能替代具体雇佣协议或适用法律的分析。

他回忆一次发射失败当天的经历,包括员工聚在控制台附近观看。他的叙述侧重个人感受。

主持人问他为什么离开 SpaceX。洪力德说体验电动车后看到新机会,后来转向电池和相关领域。

06

航天产业与投资

他认为航天商业化还处于长期发展过程中,火箭只是产业链的一部分,后面还有卫星、地面系统和应用。

他认为航天商业化还处于长期发展过程中,火箭只是产业链的一部分,后面还有卫星、地面系统和应用。

他将火箭建造和发射视为上游基础设施,也讨论下游如何利用进入轨道的能力创造服务。

在轨制造和材料科学利用微重力等环境特征,是他关注的潜在方向。空间中的重力并非消失,实际实验和商业价值仍需验证。

他举出投资团队关注的材料和晶圆企业作为例子。相关投资涉及自身利益,访谈中的前景判断不构成独立评估。

两人讨论航天平台可能形成的生态:有的公司自建完整体系,有的为其他参与者提供工具或服务。

洪力德提到从 SpaceX 等公司离开的工程师和创业者网络,认为共同经验可能帮助新企业合作。成功与否仍取决于具体团队和市场。

他设想通信网络对地球上的应用产生外溢影响,并用云计算作类比。类比是投资观点,不是已证明的回报。

谈到 SpaceX 在航天产业中的地位,他承认自己曾持有相关资产并参与该领域投资,评价应结合这一利益关系理解。

主持人问新公司如何与既有航天承包商竞争。洪力德回忆早期公司在融资、政策和行业关系方面面临压力;这是他的视角。

他比较政府项目与商业企业的开发方式和成本,并表达对既有体系的批评。不同项目的目标与成本口径不同,数字不能直接简单相除。

两人讨论 NASA 与商业航天的关系如何变化。公共机构、承包商和新企业仍各自承担不同的任务和责任。

07

AI、太空计算与未来

AI 可能辅助材料研究、设计、模拟和生产,但洪力德说相关应用仍要面对数据和工程难题。

AI 可能辅助材料研究、设计、模拟和生产,但洪力德说相关应用仍要面对数据和工程难题。

他回顾自己在 SpaceX 时使用的设计与生产工具,并推测之后 AI 会发挥更大作用。不能把他的推测当作公司当前内部系统的确认。

关于太空数据中心,他区分工程上能否建造与经济上能否竞争。散热、供电、通信和持续维护都会影响结果。

他认为太空特殊环境可能支持某些难以在地面实现的实验或制造,同时承认项目必须证明收益足以覆盖成本。

两人再谈产业规模和公司组织。他认为大型公司需要避免惯性,并持续为新业务和团队提供成长空间。

他说美国不同地区的制造资源和政策环境不同,在美国做硬件需要理解本地人才、供应链与运营条件。

他期待更多来自成熟硬件公司的创业者进入能源、制造和航天等领域。这是产业展望,不保证个别企业成功。

08

空间站与领导力

他介绍投资过的商业空间站项目,并讨论空间站中的居住与使用体验。项目方案和投资判断来自其团队,具有利益关系。

他介绍投资过的商业空间站项目,并讨论空间站中的居住与使用体验。项目方案和投资判断来自其团队,具有利益关系。

两人谈到在微重力环境中处理日常生活的工程问题。具体设施的安全性和可用性必须由实际设计与测试确认。

洪力德回忆马斯克在生产问题出现时深入现场的经历,并给出对其领导力的高度评价。这是受访者的个人判断。

他区分自己观察到的工作方式与公众讨论的其他立场,强调访谈重点是工程和组织经验。

最后的快问快答涉及工作习惯、地点与太空知识。关于轨道碎片的数量是访谈中的时点性估计,实际数据应查阅持续更新的监测资料。

访谈以洪力德对长期航天发展的期待结束。技术、商业和投资预测均有不确定性,不应当作投资建议。

Mehr aus diesem Kanal

1:59:52EN
Zhang Xiaojun Podcast· 21. Okt. 2026Podcast · 2 StimmenDavid Qian on Succession, Robotics, and Finding His Own AmbitionGast: David Qian (Qian Cheng) · Moderation: 张小珺Ecovacs CEO David Qian reflects on inheriting a founder-built company, learning to lead through mistakes, and choosing a patient path in robotics. His account treats succession as an ongoing effort to build the company for a new era, not a finish line.Unternehmen & StrategieLeadershipCompany Building+2
2:51:18EN
Zhang Xiaojun Podcast· 15. Okt. 2026Podcast · 2 StimmenLindon Gao on Building Dyna Robotics and Finding a Path Through the FogGast: Lindon Gao · Moderation: 张小珺Dyna Robotics CEO Lindon Gao explains why his company builds intelligence through real workflows, how hardware and research must evolve together, and how a founder can find clarity by letting go of the need to be right.RoboticsProduct StrategyModelle & Training+2
2:51:18ZH
Zhang Xiaojun Podcast· 15. Okt. 2026Podcast · 2 StimmenDyna Robotics 创始人 Lindon Gao:从折叠任务到完整工作流Gast: Lindon Gao · Moderation: 张小珺从无人零售到机器人创业,Gao 讲述产品研究、真实部署的难题和在不确定性中寻找方向。RoboticsCompany BuildingFounders+2
2:34:18EN
Zhang Xiaojun Podcast· 3. Sept. 2026Podcast · 2 StimmenZeng Ming on AI’s New Era: Why Great Companies and New Organizations EmergeGast: Zeng Ming · Moderation: 张小珺Zeng Ming argues that AI is changing the foundations of business: models will become infrastructure, while new Agent-native applications and organizations create the next wave of value. His advice to founders is to embrace uncertainty, rethink strategy continuously, and build around meaningful work rather than inherited structures.AI StrategyUnternehmen & StrategieAgenten+2
2:34:18ZH
Zhang Xiaojun Podcast· 3. Sept. 2026Podcast · 2 Stimmen曾鸣:AI 产业化的三阶段与公司组织的消亡Gast: 曾鸣 · Moderation: 张小珺战略学者曾鸣以互联网、工业革命和电气化的历史周期为参照,提出 AI 正从基础设施走向 Agent 应用,并最终进入原生应用阶段。他认为,旧公司的科层制难以穿越范式转型,下一代组织将围绕任务、创造力和人机协同重构。AI StrategyStrategyAgenten+2
1:09:50ZH
Zhang Xiaojun Podcast· 19. Aug. 2026Podcast · 2 Stimmen苏庭灏:一位高中生的 AI 研究、教育与快乐Gast: 苏庭灏 · Moderation: 张小珺从自学 Transformer 和发表论文,到思考 AI 时代的学习、焦虑与人与人的连接。AI researchEducationMachine Learning+2