地球快养不起AI 了，谷歌英伟达被逼上太空，结果便宜了马斯克

刚刚，Google 正式启动数据中心登月计划，打算把自己的算力都放到太空。他们还给这个计划起了个很酷的名字，叫做 Project Suncatcher，太阳捕手计划。

Google 的想法很简单，与其在地球上争抢日渐枯竭的资源，不如去太空中直连太阳能。这个全新的登月计划，目标也只有一个，在太空中建立一个由太阳能驱动的、可扩展的 AI 基础设施。

前些天，OpenAI 的 CEO 奥特曼和微软 CEO Satya Nadella 纳德拉，在播客节目上表示，

我今天的问题不是芯片供应问题；事实是，我没有足够的暖壳（warm shells）来插入它们。

听着相当凡尔赛，毕竟在这场 AI 浪潮之前，我们一直以为算力就是一切。

但就像奥特曼在节目里面说，AI 的未来，更多地需要能源上的突破，订购的 AI 芯片太多，配套的数据中心和电力跟不上也是白搭。

AI 耗电有多离谱，根据国际能源署 (IEA) 的数据，到 2030 年，全球数据基础设施的耗电量，预计将与整个日本的国家耗电量相当。

不只是电，还有水。世界经济论坛的数据显示，一个 1 兆瓦的数据中心，每天消耗的水量，与大约 1000 名发达国家居民的用水量相同。

而就在最近五年，数据中心的需求开始狂飙，但增长速度已经远远超过了，规划新发电能力的速度。

Google 为了解决同样的问题，他们的计划，是发射一个由太阳能驱动、搭载 Google 自研 TPU 芯片（用于计算，类似英伟达的 GPU）的卫星星座，在太空中组建一个「轨道 AI 数据中心」。

太空一定比地球更便宜、更高效吗？

为什么是太空？Google 的理由简单粗暴。

1、8 倍效率： 如果搭载芯片的卫星，在正确的轨道上，太阳能板的效率是地球的 8 倍。

2、7*24 不间断供电： 太空没有黑夜和云层，对比地球上的太阳能板，可以持续产生电力。

3、零资源消耗： 在太空，数据中心不需要消耗地球有限的土地，也无需消耗大量水资源做冷却工作。

目前地球上的数据中心，越来越接近能源瓶颈，建在冰岛、挪威，是为了冷；建在内华达沙漠，是为了电。像在国内，多数大厂的数据中心都放在贵州、宁夏中卫等，靠环境来降温。

但是太空的环境，远比地球复杂。Google 在自己的研究论文里面，详细提到目前遇到的难点，以及用于应对的方法。

让 AI 「登天」，Google 要解决三大难题

难题一：太空「局域网」？

AI 训练需要海量芯片协同作战，彼此间的连接带宽和延迟要求极高。在地球上我们可以用光纤实现数据的高速传输，在太空怎么办？

Google 的方案：编队飞行 + 激光通信。

他们计划让卫星「飞得非常近」，彼此相距仅公里级或更近。

在他们一个 81 颗卫星的模拟星座中，每颗卫星都配有太阳能阵列、辐射冷却系统，以及高带宽光学通信模块；且卫星间的距离仅在 100-200 米之间动态变化。

在如此近的距离上，它们可以通过自由空间光通信（FSO ISL，Free-Space Optical Inter-Satellite Links），实现高速互联。Google 在论文中透露，他们的演示已经成功实现了 1.6 Tbps 的双向传输速率。

难题二：宇宙「辐射」？

太空环境极其恶劣，太阳在提供能源的同时，也喷射出致命的高能粒子（辐射），这对尖端芯片直接是毁灭性打击。

Google 的方案：硬扛。

他们把自家的 Cloud TPU v6e (Trillium) 芯片送进了实验室，用 67 MeV 的质子束轰击它。

结果是「惊人地抗辐射 (surprisingly radiation-hard)」，TPU 最敏感的高带宽内存 (HBM)，在承受了 2 krad(Si) 的剂量后才开始出现异常，这几乎是 5 年任务预期辐射剂量（750 rad(Si)）的近 3 倍。

这意味着 Google 的 TPU 可在低地轨道连续运行 5 年，无永久损伤。

Google 计划在 2027 年前与 Planet 公司合作，发射两颗原型卫星，测试实际运行环境。

难题三：数据回传

在太空上，各个 GPU 之间的数据传输是做到了快速高效，但是就算在太空算完了，数据怎么高速传回地球？

这是一个 Google 在论文中承认、尚待解决的重大挑战。

延迟问题： Google 选择的「晨昏同步轨道」，虽然太阳能拉满，但论文承认这将会增加到某些地面位置的延迟。

带宽瓶颈： 目前的「地-空」光通信的最高纪录，还是 NASA 在 2023 年创下的 200 Gbps。

200 Gbps 听起来很快，但对于一个太空 AI 数据中心来说，这根水管远远不够用。

然而，在所有这些（局域网、辐射、地面通信）高难度的技术挑战之上，还压着一个最根本、最致命的障碍，它决定了前面的一切是否值得去解决，上天成本。

这曾是最大的障碍，把一公斤重的东西送上天，曾经比同等重量的黄金还贵。

Google 在论文中计算过一笔账，如果 SpaceX 的发射成本能降到 $200/kg（预计 2035 年左右），则太空数据中心的单位功率成本，能与地面数据中心持平，约 $810/kW/年，与美国本土数据中心的 $570–3000/kW/年区间完全重叠。

换句话说，当火箭便宜到一定程度，太空就会比地球更适合建数据中心。

然而，现实是目前的发射价格，是这个理想价格的十倍以上。

谁能让这件事发生？SpaceX

Google 在他们的论文里，明确采用了 SpaceX 的学习曲线假设：每当总发射质量翻倍，单位发射成本下降 20%。

从 Falcon 1 到 Falcon Heavy，SpaceX 已把发射成本从 $30000/kg 降到 $1800/kg；而 Starship 的目标，是 10× 可重复使用率下的 $60/kg，极限情况下可降到 $15/kg。

这意味着，SpaceX 很有可能成为支撑 Google 太空数据中心经济模型的公司。

如果说英伟达垄断了地球上的 GPU，那么 SpaceX，将来就可能垄断太空中的算力空间。

在地球上，英伟达卖 GPU；在太空里，SpaceX 卖轨道。

就在 Google 发布论文的几天前，11 月 2 日，英伟达强大的 H100 GPU 已经「首次」被送入太空。

这颗 H100 被搭载在一家名为 Starcloud 的初创公司的卫星上，其在轨算力比以往任何太空计算机强 100 倍。

它们的任务更直接，在轨实时处理数据。Starcloud 的 CEO 举例：一颗 SAR（雷达成像）卫星的原始数据极其庞大，与其下载数百 GB 的原始数据，不如在轨用 H100 分析，只传回 1KB 大小的结果，比如「一艘船在某位置，速度 多少」。

而当被问到这一切如何实现时，Starcloud 的 CEO 同样指向了马斯克：他们的愿景，完全依赖于「SpaceX Starship 带来的成本降低」。

搭载了英伟达 H100 GPU 的 Starcloud-1 卫星，正是通过马斯克的 SpaceX，Bandwagon 4 Falcon 9 航班发射升空的。

过去五年，英伟达一次次刷新最高市值记录，关键在于它提供了最强的算力单元（GPU）；它掌控了 CUDA（英伟达通用计算平台）生态，形成软件锁定；它成为所有 AI 公司（OpenAI、Anthropic、Google）的算力上游。

而在太空算力时代，这三点都可能都将被重新分配，那个时候，算力空间才是下一个红利。

AI 的极限，也许才刚刚开始。