芯片上太空，寿命即是性能

10月1日，谷歌 “太阳捕手计划”（Project Suncatcher）原型卫星搭乘SpaceX发射任务入轨。该卫星由谷歌与Planet联合研发，现已和地面建立通信链路。它的任务是测试商用AI硬件在太空环境下的运行表现 —— 在轨处理器一旦失效，无法像地面设备那样等到下一次维护窗口直接更换。

在轨算力的吸引力不难理解。部分轨道可以长时间接收光照，加之发射成本持续下降，不少方案提出把算力基础设施部署到地球之外。不过，这颗卫星成功入轨，还无法证明在轨数据中心具备商业经济性。

一套商用在轨算力设施，需要完成发电、配电、散热、高速数据传输，并且连续稳定运行多年。所有子系统都要随卫星发射上天；硬件一旦故障，就会缩短整套高价值载荷的服役寿命，而它本身的制造成本已经十分高昂。

对于芯片设计者来说，这会改变性能的评估逻辑。一颗处理器的价值，一部分取决于它在硬件老化或失效前，能为航天器产出多少有效算力。

芯片背后的配套基础设施

首先要保障芯片持续运行，离不开一整套配套设施。

航天器需要发电与配电系统、应对光照不足时段的储能方案，还有辐射散热器排出废热。太空真空环境无法实现对流散热，热量必须通过传导或者泵送到辐射面向外散出。星间、星地高速数据链路又会额外增加硬件重量，每一公斤载荷都会推高发射预算。

Slava Turyshev在2026年4月发布的一份研究，分析了在轨算力落地所需的工程条件与经济门槛。其中一个具有代表性的1兆瓦算力场景，模型需要搭配约5640平方米光伏阵列、2500平方米辐射散热面。

以上只是模型测算结果，依赖太阳能发电、散热能力等一系列假设条件。它直观展现了1兆瓦在轨算力设施的硬件规模，即便如此，和地面超大规模数据中心相比，这个体量依然偏小。

Turyshev的模型同时核算了发射成本、卫星制造成本、设备利用率以及服役寿命。在一组假设条件下，想要这套方案具备竞争力，发射加卫星制造的综合成本，必须低于猎鹰9号专用发射报价对应的基准线。该对比结果高度依赖发射方案的选择，也无法预判未来发射价格走势。

美国政府问责局在4月的评估报告中指出：散热、通信、部署经济性仍是尚未解决的难题。 比较容易落地的早期场景，是在卫星本地直接处理观测数据：只需要向地面回传更少的原始数据。而通用型在轨数据中心，要面对复杂得多的基础设施难题。

处理器服役寿命，纳入性能评估指标

处理器本身，也决定了配套设施的规模与成本。

算力更强、功耗更高的加速器，需要更大的光伏阵列、配电设备和辐射散热面。这些配套结构会增加载荷重量，有可能抵消高吞吐算力带来的收益。最终优劣，取决于实际负载。软件效率、误码率、设备利用率、预期服役寿命，都会改变两颗基准跑分接近芯片之间的优劣对比。

举个例子，两款芯片跑相同业务负载：一款每秒运算量更高，但需要庞大散热系统；另一款算力更低、功耗更小，可以做成更小巧的卫星，有望拥有更长任务周期。

真正有意义的对比，是整个任务周期内产出的总算力，还要计入中断、性能衰减、提前失效的概率。一款基准测试成绩亮眼的处理器，有可能在卫星退役前，有效可用时长反而更少。对运维方而言，失效板卡难以更换，算力寿命的损失直接转化为经济损失。

谷歌这项试验能够验证什么

“太阳捕手计划” 可以逐步积累这类对比所必需的在轨运行数据。当前这颗试验卫星，硬件规模远达不到商用数据中心的水平。

发射前，谷歌对Trillium TPU完成了振动测试与质子束辐照测试。谷歌称，芯片对累积电离辐射的耐受表现符合预期，团队同时还在研究AI负载运行时会出现的各类错误。实验室辐照只能初步验证抗辐照能力；芯片在轨运行数年里，故障发生频率、故障带来的影响，还需要上天实测。

谷歌还在真空模拟环境中，测试了由热管 + 辐射散热器组成的热管理系统。硬件在温度、工况变化时能否稳定承载业务负载，也是本次在轨试验的验证内容。卫星在轨运行时间越久，我们就能拿到越多关于器件老化、错误恢复、持续算力输出的有效数据。

通信链路是另一重约束。谷歌计划在2027年开展双星光链路试验，验证星间高带宽连接。分布式AI任务往往需要处理器之间高频交互数据，网络架构直接决定整套系统的经济性。

TPU能够在轨稳定运行，是一个重要技术里程碑。想要打造具备商业竞争力的在轨算力服务，发电、散热、通信整套系统，还需要在更大规模下协同稳定工作。

NASA航天处理器方案

NASA的高性能航天计算项目（HPSC）代表了另一套处理器设计思路。该项目联合Microchip Technology开发HPSC处理器，面向高要求航天器任务，重点满足自主运行、抗辐射、功耗管控、容错设计需求。

NASA在2026年5月公布初步测试结果，这款芯片性能约为现有抗辐射航天处理器的500倍。该项目早期目标是把算力提升至现有航天计算机的100倍。两组数值对应的对比口径、测试阶段不同，芯片的资格认证工作仍在推进。

HPSC面向航天器自主控制与科学探测任务；谷歌TPU属于商用AI加速器，二者基准性能指标不能直接对比，它们承载的负载完全不一样。

值得关注的是，NASA从设计之初就把容错、自适应功耗、抗辐射作为核心指标。这也解释了，在轨处理器的评价标准，为什么和地面芯片不一样。

算力的全生命周期成本

核心的投入判断标准：一套在轨设施，在全生命周期内，可以产出多少可靠算力。

核算口径要包含设备利用率、发电系统、散热硬件、通信系统、发射与卫星制造成本、预期故障率以及备件更换成本。同时还取决于数据从哪里产生、算力结果要交付到哪里。

卫星影像本地处理，可以避免向地面回传海量原始观测数据。而在太空训练大模型，对加速器之间的带宽、持续供电能力的要求会高得多。在论证方案是否具备经济性之前，这两类负载必须分开建模评估。

这和半导体行业的经典取舍逻辑很像：转向更先进制程，只有当性能、密度或者能效提升，能够覆盖生产成本与产品需求时才有价值。而在轨场景里，预期寿命、配套载荷重量，在取舍中的权重会高很多。

“太阳捕手计划” 有望摸清商用AI处理器如何适应太空环境。但想要证明在轨数据中心具备商业可行性，还需要更大规模系统、多年的在轨运行数据支撑。

在此之前，芯片厂商要重点思考：在航天器寿终之前，一颗处理器能够稳定交付多少可靠算力。在轨场景下，有效服役寿命，本身就是一项性能指标。