TPU 的太空版图

11 月 3 日，太空数据中心初创公司 Starcloud 的卫星 Starcloud-1 成功入轨，搭载了 NVIDIA 的 H100 GPU 并已进入运行状态。

在 NVIDIA 迈出第一步之后，谷歌正式发起 Project Suncatcher。该研究计划其核心为：在近地轨道部署一系列太阳能卫星（卫星星座），搭载其自研的 TPU（张量处理单元），并通过自由空间光通信（星际激光链路）构建分布式机器学习系统。

官方披露，在适当轨道上，太阳能电池板效率可达地面 8 倍，并且可几乎持续发电。

为验证系统可行，谷歌计划与 Planet Labs 合作，于 2027 年初发射两颗原型卫星。

谷歌也在论文《Towards a future space-based, highly scalable AI infrastructure system design》中分享了一些早期研究成果，包括卫星间的高带宽通信、轨道动力学以及辐射对计算的影响。

“

若将 AI 视为新一代基础设施，其算力与能源需求势必持续增长。太阳是最强大且可持续的能量源，因此未来的 AI 系统或将直接在太空中运行。研究团队提出一套基于太阳能卫星群的机器学习架构：卫星搭载谷歌 TPU，通过自由空间光通信互联，在轨形成高带宽、低延迟的计算网络。模拟显示，一个半径约 1 公里的 81 星编队可稳定运行，并通过机器学习模型精确控制轨道。Trillium TPU 经辐射测试可在 5 年任务周期内保持稳定，无永久性损伤。研究还指出，若发射成本降至 每千克约 200 美元，太空算力中心的建设将具备现实可行性。

在谷歌讨论能否在太空构建 AI 基础设施的同时，还面临三个关键挑战：

1. 星间通信带宽：要与地面数据中心匹敌，星间激光链路需支持数 Tbps 级别带宽。为此，卫星必须非常密集地编队飞行（公里级甚至更近）才能实现链接预算。

2. 热管理与可靠性：在真空中散热方式不同于地面，对芯片系统、结构设计、热通道的要求极高。谷歌强调在轨可靠性仍为重大难题。

3. 经济可行性：目前发射成本仍高，谷歌估算若单千克发射成本下降至约 200 美元，则天基数据中心的整体成本可接近地面系统。

影响与展望

若太空计算成为现实，地面用于大规模机房的土地、电力、水冷系统需求可大幅降低，从而释放城市周边资源压力。

针对对地球观测、海洋监测、灾害预警等场景，近轨算力意味着更快响应和就地处理能力，有助于减少数据回传时延。

随着模型规模继续攀升，地面算力扩张可能遇到边际收益递减。太空或为下一个指数级增长的空间，可能催生基于卫星算力的云／边缘混合架构。

但是，未来仍有三大变量需要持续观察：

1. 发射与维护成本曲线：当前火箭发射仍昂贵，卫星寿命、维修难度、轨道碎片风险也高。成本若难以下降，天基算力仍倾向“锦上添花”而非主流。

2. 可持续运维 &安全监管：太空算力扩展需考虑碎片清理、太空环境保护、国际合规、数据安全及网络攻防新维度。

3. 网络生态与地面融合能力：在轨算力若不能与地面数据中心、高速地面光缆网络、云服务无缝融合，其优势将受限。星间通信、地面回传、算力调度需形成完整体系。

下一个五到十年，或许我们会见证由数十颗、甚至数百颗太阳能驱动卫星组成的“云端”机房体系，在地球上方默默运行。AI 模型训练将不仅在地球机房、也可能在近地轨道、甚至更远的太空平台完成。

参考资料：

https://research.google/blog/exploring-a-space-based-scalable-ai-infrastructure-system-design/?utm_source=chatgpt.com