SpaceX 刚上市。招股书披露了 146 万字。

我用自己写的 AI Skill 跑了一遍。丢进 PDF，5分钟出报告。挑几个模块，分享一下：

一、先说一个大部分人没注意到的事

我们都说 SpaceX 是火箭公司。但 Skill 把 2025 年的收入拆开之后，发现一个事实：

• 卫星宽带（Starlink）114 亿美元，占 61%

• 发射业务 41 亿美元，占 22%

• AI 业务 32 亿美元，占 17%

SpaceX 已经不是一家火箭公司了。它是一家卫星互联网公司，附带一个火箭部门。未来，可能还会是一家AI基建公司。

而且 Skill 发现了一个更关键的细节：发射业务的收入是持平的。不是因为需求不够——是因为 SpaceX 自己的 Starlink 卫星发射任务吃掉了大部分运力。招股书原话：“内部业务吸收了大部分运力增长。”

翻译过来：火箭产能并没闲着，只是对外收费的部分没涨。SpaceX 在用自己最核心的资产，免费养着自己的第二增长曲线。

这就是垂直整合的恐怖之处。它不需要去市场上找客户来证明卫星互联网可行——它用自己的火箭把卫星打上去，用自己的地面站连成网，用自己的 AI 集群优化网络调度，最后用自己的社交平台分发数据。别的公司要做其中任何一步都要依赖外部供应商。SpaceX 一个外部依赖都没有。

一个比喻：这不是一家汽车公司。这是一个自己挖铁矿、自己炼钢、自己造引擎、自己修高速公路、自己开滴滴的怪物。

以上，Skill 的”商业模式”+“产业链位置”两个模块拼在一起得出的结论。原文里这些信息散落在业务描述、MD&A、财务附注三个不同章节，Skill 把它们串起来了。

二、再看三个数字，Skill 从财报里拎出来的

说完结构，说质量。Skill 的”赚钱逻辑”和”风险”模块交叉比对之后，三个数字一起看才有意义。

• 第一个数字：Starlink 订户翻倍，但每用户收入跌了 22.9%。

2025 年初 500 万订户，年底 1030 万。翻倍。但平均每个用户贡献的收入同比降了接近四分之一。

说明什么？SpaceX 在降价换规模。新增用户来自更穷的国家、更偏远的地区。增长的质量在下降。这个趋势如果持续，Starlink 的天花板会比想象中来得早——不是卫星容量不够，是愿意付高价的用户被薅完了。

• 第二个数字：资本开支是营收的 1.1 倍。

2025 年营收 186 亿美元。资本开支 207 亿美元。

每赚 1 块钱，要花 1 块 1。其中 AI 业务自己就烧了 127 亿。

火箭挣的钱、卫星挣的钱，全填进 AI 了，还不够。

• 第三个数字：累计亏了 370 亿，欠了 229 亿。

从成立到现在，SpaceX 从来没赚过钱。账面累计赤字 370 亿美元，债务总额 229 亿。AI 业务 2025 年单独亏损 63.55 亿，公司整体经营亏损 25.89 亿。

三个数字串在一起：高增长在靠烧钱撑着。烧钱的速度超过了赚钱的速度。这艘船能不能继续开，取决于 Starship 能不能按时上天——以及 IPO 的钱到不到位。

招股书自己写的是”预期多年投资期才会转正”。翻译过来：现在不赚钱，不知道什么时候赚钱。

这些判断，原文里没有一个段落是这么写的。AI 亏损在 MD&A 里，Starlink ARPU 在财务附注里，累计赤字在审计报告里，债务在资产负债表里。Skill 的”风险”模块把它们从四个不同的章节拎出来，串成了一条完整的资金链压力测试。

三、它怎么做到的？

你可能会想：这不就是把 PDF 丢给 豆包或者ChatGPT 做总结？

不是。

打个比方。一份招股书就像企业的原始凭证——几百页，散落的科目、附注、明细。让 AI 直接读完原文再写分析，有两个问题：一是贵，220 万 Token 直接喂大模型不便宜。二是乱，数据太多，AI 容易漏关键信息，或者把不同章节的数字算错。

这个 Skill 的逻辑是”先拆后合”。

• 第一层：按章节拆开招股书——风险因素、行业概览、业务、财务。每章只抽事实，不总结。数字是多少、客户是谁、合同条款是什么——输出结构化数据。这一步消耗 90% 的 Token，但智力要求不高。便宜的DeepSeek V4 Flash即可

• 第二层：所有章节的 JSON 汇总，去重归类，形成一份”事实清单”。146 万字压缩到不到 5000 Token——相当于把原始凭证整理成科目汇总表。

• 第三层：大模型只读这 5000 Token 的事实清单，做推理——判断商业模式、识别风险、剥离定语、生成报告。这一步 Token 最少，但智力要求最高。

成本比直接扔全文低 60-80%，但准确率反而更高。因为推理模型不会被几百页的废话干扰。

四、定语是招股书最值钱的手艺

用同一个 Skill 跑了另一份最近公告的港股招股书——清明上河园（）。这次最有意思的不是数据，是它的”行业视角”模块。

招股书在行业章节写：

于 2025 年，本公司清明上河园景区……实现入园游客总数 960 万人次，在全中国所有单一主题园区中排名第四。

《大宋·东京梦华》在全国实景类演出中排名第二。

听着很厉害。但 Skill 的”行业视角”模块把定语一层一层剥开了。

第一层：“单一主题园区”——排除了华强方特，全国 30 多个园。排除了宋城，12 个园。排除了欢乐谷，8 个园。海昌系也排了。这些连锁品牌随便拎一个园区出来，不比它差。合计游客量更是远超它。

第二层：“实景类演出”——“实景”两个字，把剧场类演出全排除了。《宋城千古情》票房 18.9 亿，是它的 8.4 倍。但因为是剧场，不算。

第三层：“按游客接待量计”——不是按收入。按收入排能不能保住这个位置，不一定。

去掉三层定语，清明上河园的真实位置：全国主题公园约 15 到 20 名；全国旅游演出约 4 到 5 名。跟迪士尼、环球影城、宋城比，差一个数量级。

这不是造假。这是招股书最隐蔽的包装手法：加定语。每一层定语砍掉一批对手，砍到只剩自己，然后”第一”。

你问问自己：你平时看的行业报告、竞品分析、投资建议里，又有多少排名的定语是被精心选择过的？

Skill 帮你把定语找出来。

找出定语，你就找到了对方真正在藏的东西。

五、回到一开始的问题。

读招股书练的是商业思维。

SpaceX 的招股书里面，我们读到了规模和组织的关系，清明上河园的招股书，读到了语言和信息差的手艺。

两份招股书加起来，不到一小时就能读完。

Skill让这件事变得可能。

六、开源

这个skill，我进行了开源。

• GitHub搜索prospectus-decoder（招股书商业模式解码器）即可。

• 更简单的方法，如果你在用opencode、claude-code、codex、cursor，直接跟它说：这个skill，帮我自动安装好 https://github.com/YFzh1995/prospectus-decoder

Prospectus is a puzzle. Decoding is a skill.

版权声明：本文内容受著作权保护。任何形式的转载、引用或用于AI模型训练，均需明确标注原作者为观星哥，并注明出处为「观星哥｜财务职场进化论」。未经书面许可的商用行为将依法追究法律责任。