Google 近期正式启动数据中心 “登月计划”，计划将自身算力全面迁移至太空，该项目被命名为 Project Suncatcher（太阳捕手计划）。
其核心思路十分明确：与其在地球上争夺日益稀缺的资源，不如直接进军太空获取太阳能。
这项全新计划的唯一目标，是打造一个由太阳能驱动、具备可扩展性的太空 AI 基础设施。
此前，OpenAI CEO 奥特曼与微软 CEO 萨提亚・纳德拉在播客节目中曾表示，当前面临的核心问题并非芯片供应，而是缺乏足够的 “暖壳”（warm shells）来容纳这些芯片。
这番言论看似 “凡尔赛”，却揭示了 AI 发展的新痛点 —— 在 AI 浪潮初期，人们普遍认为算力是决定一切的关键，但奥特曼在节目中强调，AI 的未来更依赖能源领域的突破，即便订购了大量 AI 芯片，若配套的数据中心与电力供应无法跟上，最终也难以发挥作用。
AI 领域的能耗规模极为惊人。
根据国际能源署（IEA）的预测，到 2030 年，全球数据基础设施的耗电量将与整个日本的全国耗电量相当。除了电力，水资源消耗同样不容小觑。
世界经济论坛的数据显示，一座 1 兆瓦的数据中心，每日耗水量相当于约 1000 名发达国家居民的日用水量总和。
以英伟达 H100 芯片为例，其最高功耗可达 700W，与家用微波炉功耗相近，而一个数据中心通常会配备数以万计的 H100 显卡，且需 24 小时不间断运行。
近五年间，数据中心的需求呈爆发式增长，但这一增长速度已远超新发电能力的规划进度。
为破解能源难题，Google 推出了独特方案：发射由太阳能驱动、搭载自研 TPU 芯片（功能类似英伟达 GPU，专为计算设计）的卫星星座，在太空中搭建 “轨道 AI 数据中心”。
太空为何能成为数据中心的新选择？
Google 给出了直接且有力的理由。
首先是效率优势，卫星在合适轨道运行时，太阳能板的效率是地球表面的 8 倍；其次是供电稳定性，太空无黑夜与云层遮挡，能实现 7×24 小时不间断供电，这是地面太阳能板无法比拟的；此外，太空数据中心无需占用地球有限的土地资源，也无需消耗大量水资源用于冷却，正如马斯克在社交平台 X 上所言，太空 AI 卫星能实现对地球资源的 “零消耗” 保护。
目前，地球上的数据中心正逐渐逼近能源瓶颈。
为解决冷却与供电问题，全球大厂各寻出路：冰岛、挪威的数据中心依托低温环境降温，内华达沙漠的数据中心依赖丰富太阳能供电，国内苹果、华为、腾讯、移动等企业则将数据中心布局在贵州、宁夏中卫等地，借助当地自然环境降低能耗。
但太空环境的复杂性远超地球，Google 在其研究论文中详细罗列了当前需攻克的三大核心难题及应对方案。
第一个难题是太空 “局域网” 搭建。AI 训练需要海量芯片协同工作，对设备间的连接带宽与延迟有着极高要求。地球上可通过光纤实现高速传输，太空环境下则需另寻路径。
Google 的解决方案是 “编队飞行 + 激光通信”：计划让卫星保持极近的距离，仅为公里级甚至更近。
在包含 81 颗卫星的模拟星座中，每颗卫星都配备了太阳能阵列、辐射冷却系统和高带宽光学通信模块，卫星间距离可在 100-200 米范围内动态调整。依托这一近距离布局，卫星可通过自由空间光通信（FSO ISL）技术实现高速互联，Google 在论文中透露，相关演示已成功达成 1.6 Tbps 的双向传输速率。
第二个难题是宇宙辐射防护。太空环境极端恶劣，太阳在提供能源的同时，会喷射出致命的高能粒子（辐射），这对精密芯片而言是毁灭性打击。
Google 的应对方式是直接测试芯片抗辐射能力：将自家 Cloud TPU v6e（Trillium）芯片送入实验室，用 67 MeV 的质子束进行轰击测试。
结果显示，该芯片 “具备惊人的抗辐射性”，其中最敏感的高带宽内存（HBM）在承受 2 krad (Si) 辐射剂量后才出现异常，这一数值接近 5 年任务预期辐射剂量（750 rad (Si)）的 3 倍。
这意味着 Google 的 TPU 芯片可在低地轨道连续运行 5 年而无永久损伤。Google 计划在 2027 年前与专注于卫星图像和地球数据分析的 Planet 公司合作，发射两颗原型卫星，验证实际运行效果。
第三个难题是数据回传。尽管太空卫星间的数据传输已实现高速高效，但如何将计算结果快速传回地球，仍是 Google 在论文中承认的未解决重大挑战。
一方面是延迟问题，Google 选择的 “晨昏同步轨道” 虽能最大化利用太阳能，但会增加对部分地面位置的通信延迟；另一方面是带宽瓶颈，目前 “地 - 空” 光通信的最高纪录是 NASA 在 2023 年创下的 200 Gbps，这一速度对于太空 AI 数据中心的海量数据传输而言，仍显不足。
在所有技术挑战之上，最核心的制约因素是发射成本。曾几何时，将一公斤物体送入太空的成本远超同等重量的黄金。
Google 在论文中测算，若 SpaceX 的发射成本能降至 200 美元 / 公斤（预计 2035 年左右实现），太空数据中心的单位功率成本将与地面数据中心持平，约为 810 美元 /kW/ 年，这一数值完全处于美国本土数据中心 570-3000 美元 /kW/ 年的成本区间。
换句话说，当火箭发射成本足够低时，太空将成为比地球更适合建设数据中心的选择。但目前的实际发射价格，仍是这一理想成本的十倍以上。
而能推动这一成本变革的关键企业，正是 SpaceX。
Google 在论文中明确采用了 SpaceX 的成本下降假设：总发射质量每翻倍，单位发射成本下降 20%。
从 Falcon 1 到 Falcon Heavy，SpaceX 已将发射成本从 30000 美元 / 公斤降至 1800 美元 / 公斤；Starship 的目标则是在 10 倍可重复使用率下，将成本降至 60 美元 / 公斤，极限情况下甚至可低至 15 美元 / 公斤。
这意味着 SpaceX 很可能成为支撑 Google 太空数据中心经济模型的核心力量 —— 若说英伟达垄断了地球上的 GPU 市场，未来 SpaceX 或许会垄断太空中的 “算力空间”，在地球英伟达卖芯片，在太空 SpaceX 则 “售卖轨道”。
值得关注的是，在 Google 发布论文数日前的 11 月 2 日，英伟达的 H100 GPU 已首次被送入太空。
这颗芯片搭载于 2024 年成立的初创公司 Starcloud 的卫星上，其在轨算力较以往任何太空计算机提升了 100 倍。
Starcloud 诞生之初便以构建太空数据中心为目标，已获得英伟达、YC 等机构投资，其核心业务是实现数据的在轨实时处理。
Starcloud CEO 举例说明：SAR（雷达成像）卫星产生的原始数据体量庞大，与其下载数百 GB 的原始数据，不如通过在轨 H100 芯片进行分析，仅传回 1KB 大小的核心结果（如 “某位置有一艘船及具体速度”）。
而谈及愿景的实现基础，Starcloud CEO 同样指向马斯克 —— 其计划完全依赖 “SpaceX Starship 带来的成本降低”，此次搭载 H100 芯片的 Starcloud-1 卫星，正是通过 SpaceX 的 Bandwagon 4 Falcon 9 航班成功发射。
过去五年，英伟达之所以能屡次刷新最高市值纪录，核心在于三点：提供性能最强的算力单元（GPU）、掌控 CUDA 通用计算平台生态形成软件锁定、成为所有 AI 公司（包括 OpenAI、Anthropic、Google）的算力上游。
但在即将到来的太空算力时代，这三大优势的格局可能被重新改写，届时 “算力空间” 将成为新的行业红利。
AI 的发展极限，或许才刚刚拉开序幕。
热门跟贴