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为了解决同样的能源问题，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。

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。

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。

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米～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，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，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”，TPU最敏感的高带宽内存，在承受了2 krad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。

一系列低地轨道卫星的发射费用对比

Google在论文中计算过一笔账，如果SpaceX的发射成本能降到$200/kg，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% 。

自首次成功发射猎鹰Falcon 1号以来，按最低实现价格计算的SpaceX有效载荷质量，针对不同类别火箭逐步变化

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。

Starcloud创办于2024年，诞生之初就是致力于在太空建立数据中心，获得了英伟达、YC等投资。

它们的任务更直接，在轨实时处理数据。Starcloud的CEO举例：一颗SAR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纪录，关键在于它提供了最强的算力单元；它掌控了CUDA生态，形成软件锁定；它成为所有AI公司的算力上游。

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。