$Rocket Lab(RKLB.US)$亞馬遜(AMZN.US)$谷歌-C(GOOG.US)

一直不理解航天怎麼扯上 AI 敍事的，以下內容摘自 GPT，成本核算見仁見智

：

二、單位功率散熱能力對比（核心量化）

1️⃣ 太空：純輻射散熱（硬約束）

輻射功率公式：

P = \varepsilon \sigma A T^4

取工程上比較激進但可行的參數：

• 發射率 ε ≈ 0.9

• 工作温度 T ≈ 350 K（≈ 77 ℃，再高芯片可靠性急劇下降）

則：

• 每平方米散熱能力 ≈ 700–800 W/m²

也就是説：

• 1 MW 熱量 → 需要 ~1,300–1,500 m² 的散熱器

• 相當於 半個足球場大小，還只是 “排熱板”

⸻

2️⃣ 地面：空氣 / 水冷（工程現實）

典型地面數據中心：

• 風冷：

• 1 m² 換熱器 → 10–30 kW

• 液冷（冷板 / 浸沒）：

• 同等體積 → 50–100 kW

👉 單位面積散熱能力：地面是太空的 50–100 倍以上

⸻

四、關鍵結論（非常重要）

① 僅從 “散熱” 看

太空數據中心在熱管理上是經濟學災難

• 成本高 100–300 倍

• 技術路徑明確但不具性價比

• 無法靠規模攤薄（物理定律鎖死）

⸻

② 為什麼還有人研究太空數據中心？

不是因為散熱，而是想繞開地面約束：

潛在動機 是否能覆蓋散熱劣勢

核能供電 ❌（核能≠散熱）

軍事 / 極端安全 ⚠️（只限極少數）

深空任務邊緣計算 ✅（算力極小）

高頻交易 ❌（光速劣勢）

“概念 + 政策資金” ✅（現實原因）

👉 可行場景：

• kW–10 kW 級

• 科研 / 軍事 / 深空探測

• 絕不可能是 hyperscale