解決 “能源瓶頸” 的終極方案？馬斯克、貝索斯、谷歌都盯上了 “太空數據中心”

AI 對能源的無盡需求，正日益逼近地球資源的供給天花板。為此，科技巨頭們正將目光投向一個看似屬於科幻範疇，卻可能成為終極解決方案的領域：在太空建立數據中心。

11 月 4 日，谷歌宣佈啓動 “Suncatcher 項目”，計劃在 2027 年初發射兩顆搭載其自研 TPU 人工智能芯片的原型衞星，並與衞星公司 Planet Labs 合作開發硬件。谷歌首席執行官 Sundar Pichai 表示，初步研究顯示，其芯片能夠承受近地軌道的輻射環境。

就在谷歌公佈計劃的前一週，馬斯克也公開宣稱，其名下的 SpaceX 公司 “將會做這件事”。他表示，通過擴大其 V3 版本的 “星鏈” 衞星規模，就可以構建天基數據中心。

與此同時，亞馬遜創始人貝索斯也預測，十年後太空中將出現吉瓦級的數據中心。初創公司 Starcloud 更是已經成功發射了搭載英偉達 GPU 的測試衞星，這場競賽的參與者正在不斷增加。

這些行業領袖的共同目標是利用太陽的磅礴能量，為 AI 算力需求提供動力，從而繞開地球上日益緊張的能源、土地和水資源限制。

儘管將數據中心送入軌道面臨着成本、散熱和可靠性等多重嚴峻挑戰，但隨着 AI 算力需求的指數級增長，此舉最終可能不再是 “可選項”，而是一個 “必然選項”。

為什麼是太空？答案是能源

將數據中心送入太空這一看似科幻的想法，其核心驅動力只有一個：能源。

隨着 AI 模型訓練和推理需求的激增，地面數據中心的規模、耗電量和冷卻成本正以前所未有的速度膨脹，對土地、水和電力等地球資源構成了巨大壓力。

太空為此提供了理論上的終極解決方案。谷歌在其研究論文中指出：

太陽是太陽系中迄今為止最大的能源來源，其輸出功率高達 3.86 × 10^26 瓦，是人類總髮電量的 100 萬億倍以上。在太空部署帶有太陽能電池陣列的衞星羣，可以在近乎恆定的日照下” 獲取能量。

谷歌認為，從長遠來看，天基數據中心 “可能是最具可擴展性的解決方案”，同時能最大限度地減少對地球資源的影響。

初創公司 Starcloud 的首席執行官 Philip Johnston 也表達了類似的觀點，他聲稱：

天基數據中心除了發射本身的環境成本外，與在地球上運行數據中心相比，可以節省 10 倍的碳排放。

科技巨頭的太空藍圖

儘管目標一致，但各方的實現路徑不盡相同，紛紛依託自身優勢構建太空藍圖。

谷歌的藍圖是一個由太陽能驅動的、相互連接的衞星網絡，形成一個軌道上的 AI 計算集羣。谷歌計劃通過 2027 年的原型衞星驗證核心技術，包括讓搭載其定製 TPU 芯片的衞星羣通過天基激光器進行數據傳輸。

相比之下，馬斯克的方案則基於其現有的龐大基礎設施。

他提出，只需 “簡單地擴大” 即將推出的星鏈 V3 衞星的規模即可。這些衞星本身就具備高速激光鏈路，專為千兆級互聯網速度設計。而實現這一計劃的關鍵，在於 SpaceX 的下一代重型運載火箭 “星艦” 能否成功並降低發射成本。

與此同時，以 Starcloud 為代表的初創公司也在積極入局。

該公司最近發射的測試衞星搭載了英偉達的 H100 GPU，旨在提供比現有任何天基計算強大 100 倍的 GPU 算力。其最終目標是建立一個 2.5 英里寬、功率達到 5 吉瓦的軌道數據中心。

嚴峻挑戰，成本、散熱與可靠性

儘管前景誘人，但將龐大的計算系統部署到太空仍需克服一系列嚴峻的技術和經濟障礙。

首先是發射成本。

谷歌的研究分析指出，只有當發射價格持續下降，到 2030 年代中期達到低於每公斤 200 美元的水平時，天基數據中心的發射和運營成本才可能與地球上同等數據中心的能源成本大致相當。

這一目標的實現，高度依賴於 SpaceX 等公司在可重複使用發射技術上的成功。

其次是熱量管理。這是在軌計算面臨的最大技術難題之一。

太空是真空環境，缺少空氣作為介質來帶走熱量，這使得設備散熱極其困難。谷歌在其論文中簡要提及將通過 “熱管和散熱器的熱力系統” 來實現冷卻，但並未提供詳細方案，凸顯了此項技術的挑戰性。

最後，系統可靠性、高帶寬的地面通信以及輻射防護也是必須解決的問題。

電子設備在太空輻射環境中容易出錯，雖然谷歌的 TPU 初步測試結果樂觀，但要保證整個數據中心在軌長期穩定運行，仍需大量的技術驗證和工程創新。

太空數據中心所展現的雄心令人驚歎，它模糊了科幻與現實的邊界。然而，這並非單純的技術炫技。隨着 AI 能力和社會效用的持續增長，將能源轉化為 “算力” 可能成為未來社會的核心任務之一。

如果 AI 對算力的需求繼續以目前的速度呈指數級增長，那麼地球有限的資源將無可避免地成為其發展的終極瓶頸。屆時，向太空尋求解決方案，利用太陽系的 “主引擎” 來驅動人類的 “思考機器”，或許將從一個遙遠的願景，轉變為一個符合邏輯且最終必要的步驟。

正如谷歌研究所指出的，這或許是唯一具備足夠擴展性，能夠滿足未來 AI 文明需求的路徑。