
美国当地时间10月1日,SpaceX完成Transporter-18任务,通过猎鹰9号火箭将谷歌自主研发的AI芯片TPU送入低地球轨道。
此次任务从美国加州范登堡太空军基地发射,搭载了Planet Labs的多颗卫星,其中包括一颗由太阳能供电、搭载谷歌Tensor Processing Unit(TPU)的原型卫星。
这也是谷歌母公司Alphabet旗下Project Suncatcher首次进行在轨测试。对于谷歌而言,此次发射的意义在于验证AI芯片能否在真实太空环境中运行,为未来建设太空AI计算基础设施积累数据。
谷歌于2025年11月首次公布Project Suncatcher计划,希望开发一种可靠、由太阳能供电的AI计算基础设施,使其能够长期运行于太空环境。
根据谷歌介绍,该项目旨在探索未来太空是否能够承载可规模化的机器学习基础设施。公司的长期目标,是通过部署多个搭载AI芯片的卫星,并建立卫星之间的高速连接网络,让更大规模的AI工作负载能够在轨道完成。
谷歌认为,低地球轨道具备一定能源优势。由于卫星能够获得近乎持续的太阳光,其太阳能获取能力最高可以达到地面的8倍。
相比地面数据中心,轨道计算基础设施可以利用更充足的太阳能资源,同时减少土地、电力供应等方面的限制。因此,近年来包括谷歌、SpaceX在内的企业开始关注太空数据中心这一方向。
不过,目前Project Suncatcher仍处于早期验证阶段。
谷歌此前已经在加州大学戴维斯分校相关设施中测试过搭载TPU的AI工作负载,但公司仍需要进一步确认,这些芯片进入近地轨道后,面对辐射、温度变化和长期运行环境时,能否保持稳定性能。
将AI芯片送入太空,首先需要面对发射过程中的极端环境。
谷歌此前披露,火箭升空阶段会产生较大的机械冲击和振动,航天器需要承受最高约10g的持续载荷,而部分器件受到的瞬时冲击可能达到50g至100g。因此,在正式发射前,团队已经对相关设备进行了振动测试。
进入轨道后,辐射成为影响芯片稳定性的另一项挑战。
地球大气层能够阻挡部分高能粒子,但在太空环境中,太阳活动和宇宙射线可能影响电子器件运行,甚至导致计算错误。
谷歌此前已经通过地面辐射测试模拟太空环境,对TPU在高能粒子影响下的表现进行评估。公司表示,初步测试结果显示,Trillium TPU能够承受高于预期五年太空任务总电离剂量的辐射水平。不过,真正进入轨道后的长期运行表现,仍需要此次任务进一步验证。
相比辐射,散热可能是太空AI计算面临的更大难题。
地面数据中心通常依靠风冷或液冷系统带走芯片产生的大量热量,但太空环境接近真空,无法通过空气进行传统散热。
为了解决这一问题,谷歌采用热管和散热器方案,将TPU产生的热量传递至散热设备,再通过热辐射方式释放到太空。相关系统此前已经在热真空环境中完成测试。据相关报道,此次测试卫星内部搭载4颗谷歌TPU。由于当前散热能力有限,芯片运行AI任务的时间仍受到限制,需要在工作和散热之间进行平衡。
这意味着,当前任务更多是在验证芯片和基础设施能否适应太空环境,距离大规模部署轨道AI数据中心仍有较长距离。
谷歌并不是唯一关注太空数据中心的企业。
SpaceX此前已经宣布,计划建设自己的轨道数据中心系统。相关方案将由大量卫星组成,并在卫星上搭载GPU和太阳能系统。其中,太阳能设备计划与特斯拉合作生产。马斯克此前曾表示,太空数据中心未来可能成为训练AI成本更低的方式,并预计这一方向将在未来几年取得进展。
SpaceX首席运营官格温妮·肖特韦尔也曾表示,公司计划在2027年部署“太空超级计算”(supercompute in space)。
相比谷歌主要验证TPU在轨运行能力,SpaceX更希望利用自身在火箭、卫星和通信领域的优势,构建更大规模的轨道计算网络。
两家公司之间也存在资本联系。CNBC报道称,Alphabet目前持有SpaceX价值超过820亿美元的股份。与此同时,SpaceX今年完成上市,成为近年来规模较大的科技企业IPO之一。
随着AI模型规模不断扩大,算力需求持续增长,数据中心面临的能源压力也越来越明显。
太空数据中心的设想,正是在这一背景下出现。理论上,轨道环境能够提供更加稳定的太阳能资源,并减少部分地面基础设施压力。
但业内认为,这一方向距离商业化仍存在多个挑战。
首先是成本问题。大规模部署轨道数据中心需要发射大量卫星,而火箭运力和发射成本仍是限制因素。其次是工程难题。轨道计算设备需要长期面对辐射、极端温度以及微重力环境,同时还需要解决芯片可靠性、散热和通信问题。此外,轨道碎片和空间拥堵也可能影响未来大规模部署。
对于谷歌来说,此次只有少量TPU参与测试,距离真正的太空数据中心还有很长距离。但随着AI算力需求持续增长,计算基础设施正在寻找更多可能性。
Project Suncatcher迈出的第一步,是把AI芯片送入轨道,并观察它能否在那里稳定运行。
未来,AI计算的边界或许不会只停留在地面数据中心,也可能逐渐延伸至更广阔的空间。
本文转自媒体报道或网络平台,系作者个人立场或观点。我方转载仅为分享,不代表我方赞成或认同。若来源标注错误或侵犯了您的合法权益,请及时联系客服,我们作为中立的平台服务者将及时更正、删除或依法处理。
