Google 把 TPU 送上太空：軌道 AI 資料中心卡在發射、供電與散熱

圖片：TechLab 自製資訊圖

TechLab 編輯部（譯）·2026-10-01

Google 的 Project Suncatcher 首枚軌道運算衛星已由 SpaceX 火箭從加州升空，重點並非立即提供雲端 AI 算力，而是把 Google TPU 帶到真實太空環境，確認晶片能否穩定運作。這項測試牽涉持續供應約一千瓦電力、為晶片散熱，以及實際執行多個模型；對追求更大規模 AI 基建的雲端業者而言，結果會影響「把部分算力送上軌道」是否值得長線投入。

不過，Google 的構想距離商業化仍相當遠。公司設想中的軌道資料中心，是由 81 顆近距離編隊飛行的衛星並行處理工作，而其研究假設，要令每公斤發射價格在 2035 年前接近 200 美元，Starship 在未來十年可能要累積發射約 37 萬噸有效載荷，即約 1,800 次任務。現時升空的是一枚驗證衛星，並不代表這個衛星叢集已具備成本或技術可行性。

先驗證 TPU 能否在軌道活下來

這枚衛星由 Planet Labs 建造，採用其標準衛星平台。完成在軌啟用後，TPU 不會長時間滿載，而會每次運行約 15 分鐘，以免過度拉扯衛星的供電與熱管理系統。這個安排反映，太空運算的首要限制未必是模型能否執行，而是衛星能否為晶片穩定供電和散熱。地面資料中心可藉電網、冷卻系統及機房空間擴充，衛星則要在重量、面積和功耗之間逐項取捨。

Google 負責 Project Suncatcher 的主管 Travis Beals 表示，團隊雖已完成地面測試，但真實太空環境沒有完全等效的替代測試。今次任務的價值，正是在輻射、真空和散熱受限的環境下，觀察 TPU 執行模型時會否出錯。Google 曾在粒子加速器重新進行輻射測試，原因是早前晶片配置提供的遮蔽程度，高於實際上軌後可得到的保護。

重做測試後，晶片邏輯電路的錯誤略有增加；Google 仍認為，若用於大型推論工作，其錯誤率足以支撐一枚衛星約五年的使用期。這個判斷要分開看待：它支持「推論」可能是較早適合上軌的 AI 工作，但不等於任何 AI 工作都適合。Beals 指出，若進行動輒數千枚晶片、持續數月的大規模訓練，累積錯誤已會構成問題。換言之，軌道 AI 的初期角色較可能偏向執行既有模型，而非取代地面的超大規模訓練中心。

一條雷射連線，決定能否成為叢集

單一衛星能運行晶片，與多顆衛星可組成資料中心，是兩道不同難題。Google 預計明年再進行示範，安排兩枚較針對高階運算設計的衛星處理較重的工作，並嘗試透過雷射通訊連線協作。這一步尤其關鍵，因為多枚 TPU 跑同一工作負載時，彼此之間的頻寬和延遲會直接影響效能；Google 提出的 81 顆衛星願景，正是建立於密集協作，而非把 81 部彼此孤立的電腦送上天。

從系統設計角度看，衛星間雷射連線可望避開每次交換資料都要回傳地面的路徑，但它同時要面對編隊飛行、鏈路穩定性及跨衛星同步等要求。來源未有公布下一次示範的詳細規格或效能目標，因此現階段不能把雷射協作視為已獲驗證的能力。較合理的解讀是，Google 正逐項拆解軌道資料中心的必要條件：首枚衛星先看晶片、供電和散熱，下一階段才測試兩個運算節點能否真正配合。

這也解釋了為何 Google 把計劃形容為長期「moonshot」。太空的日照可提供能源來源，但可用電力、散熱能力與衛星壽命均受硬件邊界約束；即使處理器在輻射下可用，仍要證明整個叢集的通訊和營運能夠支援有經濟價值的工作。若只聚焦「TPU 上太空」，容易忽略背後一連串互相制約的工程問題；難點在於把它們整合成可擴展的系統。

1,800 次 Starship 發射是成本假設，不是時間表

Google 同日發布一份將刊於《Joule》的同行評審論文，討論把運算能力送往軌道的問題。研究者強調，分析並非經濟可行性研究，但當中對發射成本的推算，清楚顯示計劃對運載能力的依賴。論文以 SpaceX 自 Falcon 1 以來約每年 20% 的成本下降趨勢作基礎，推論發射價格可能在 2035 年接近每公斤 200 美元；這是一項前提，不是已落實的報價或承諾。

按該推論，如要沿相近成本下降軌跡前進，Starship 須在十年內送出約 37 萬噸有效載荷。假設每次可運送 200 公噸，即需約 1,800 次發射，平均每年 180 次。這個算式本身已相當進取：來源指出，Starship 至今從未有一年飛行多於五次。Elon Musk 曾提出 2029 年可達每小時一次的飛行頻率，但這與 Google 模型所需的任務節奏一樣，仍屬未被現實運作紀錄證明的預測。

因此，Project Suncatcher 的真正瓶頸未必是某一枚 TPU 能否在軌道完成推論，而是火箭能否以足夠高頻率和足夠低成本，持續把大量衛星送上天、補充老化衛星，並讓整體系統保持運作。假如發射成本降幅不如假設，軌道資料中心的資本開支可能遠高於地面擴建；反過來說，若重複發射能力出現實質突破，太空才會由實驗場變成值得雲端公司認真比較的基建選項。

對 AI 算力市場的意義仍在長線

對使用雲端 AI 的企業和開發者來說，這次升空短期不會帶來新的 TPU 產品、價格或服務選項，來源亦沒有公布相關商業安排。其較長遠的意義，在於大型平台正探索如何處理 AI 算力擴張所帶來的能源和基建壓力。若軌道運算最終可行，雲端供應商的成本結構、運算資源部署地點及推論工作分流方式都有可能改變；但這是基於技術和發射經濟同時成熟的推論，並非今次任務已證實的結果。

下一個值得觀察的節點，是 Google 明年能否完成雙衛星雷射協作示範，以及首枚衛星在 15 分鐘運算週期中交出哪些可靠性結果。同樣重要的是，Starship 的實際載荷能力、發射頻率與成本能否逐步接近研究模型。這些數據會比 81 顆衛星的概念圖更能說明，軌道 AI 資料中心究竟會成為未來算力基建的一環，還是維持在前瞻實驗階段。