展开目录 ▾
#Google#Project Suncatcher#TPU#太空数据中心#算力#深度分析

Google 把 AI 数据中心的第一块砖送上太空:Project Suncatcher 原型卫星全解

Google 10 月 1 日把 Project Suncatcher 的第一颗原型卫星送上太空:冰箱大小、四颗自研 Trillium TPU、约 1 千瓦太阳能,目标是验证商用 AI 芯片能否扛住辐射、发射振动与真空散热。散热被公认为最大难题,限制它每次只能连续跑约 15 分钟。Google 称低轨太阳能发电量最多是地面的 8 倍,2027 年再发两颗测激光互联——但这仍是一次实验,不是已经成立的太空数据中心。

预计阅读 9 分钟

一句话总结

2026 年 10 月 1 日,Google 把 Project Suncatcher 的第一颗原型卫星送上了太空。这颗叫 MVP 的卫星只有冰箱大小,里面装着四颗 Google 自研的 Trillium TPU,由太阳能板供电约 1 千瓦——官方口径是够带动一台微波炉。它要验证的其实是一个很基础的问题:这些在地面机房里跑的商用 AI 芯片,能不能活着上天、并且在真空里把热排出去。 散热被普遍认为是最大的那道坎,它直接限制了这颗卫星每次只能连续运行约 15 分钟。

数据来源:Ars Technica《Google’s first Suncatcher orbital data center test launches October 1》(2026-09);Google 官方博客《Behind Project Suncatcher, our moonshot to put AI in space》(2026-09-24);Google Research《Exploring a space-based, scalable AI infrastructure system design》(2025-11-04);NPR(2026-10-01);Futurum Group 的产业分析。


这颗升空的卫星到底是什么

它不是一颗为 AI 从头定制的航天器。按 Ars Technica 的报道,MVP 的卫星平台来自 Planet Labs(一家做卫星影像的公司),Google 做的是把自己的 AI 硬件装进去。原本的计划是 2027 年发射两颗自研卫星,Google 想加速,于是选择先借用一颗 Planet Labs 已经为早期测试造好的卫星。

Google 官方 Project Suncatcher 主视觉

发射方式是搭车:MVP 作为 SpaceX Falcon 9 的 Transporter-18 拼车任务的一部分升空,而不是独占一枚火箭。这一点本身也说明了它的定位——先做小规模验证,不追求运力。

Google 官方视频系列开场:机器学习和太空到底怎么扯上关系

Google 在官方博客里把话说得很克制:这是「一个长期的、研究性质的大赌注」,用来探索太空是否有一天能承载可扩展的机器学习基础设施。它在官方博客里用了一个后来被广泛引用的细节——在低地球轨道上,卫星几乎能获得不间断的阳光,太阳能发电量最多是地球上的 8 倍。

从一颗到 81 颗:Suncatcher 想长成什么样

MVP 是一颗,Google 想做的是一张网。

从一颗原型到设计中的卫星集群:形态、芯片、供电与下一步

按 Google Research 的系统设计文章,目标是由太阳能供电、配 TPU、经自由空间光链路(激光)互联的卫星星座。Futurum 的产业解读给出了更具体的口径:81 颗卫星组成的集群、单链路带宽 1.6 Tbps、走晨昏轨道。这些数字属于设计与分析口径,不是已经建成的东西。

节奏上,Google 说这次只是几个月的在轨试验;2027 年计划再发两颗,专门测试高带宽激光互联——也就是让多颗算力卫星真正「联机干活」的那一步。官方口径里,「项目」变成「产品」还要数年。

为什么要把算力搬到太空:一笔能量账

把数据中心往太空搬,听着像科幻,但背后的动机其实非常现实:地面数据中心的瓶颈是电和热。

Google Research 的文章里给了一个很有画面感的比较:太阳释放的功率,是人类总发电量的 100 万亿倍以上。在合适的轨道上,一块太阳能板的产出最多可以是地面的 8 倍,而且几乎可以连续发电,对电池的依赖大幅降低。对照一下地面:训练和推理用的加速卡动辄上千瓦一张,一个机房上万张卡,电力和制冷是这个行业最硬的两堵墙。

换句话说,Suncatcher 赌的不是「太空更快」,而是**「太空的电更便宜、更稳定、不需要跟居民和电网谈判」**。这也是 Elon Musk、Jeff Bezos 等人此前力推轨道数据中心的同一个理由——它常被包装成在地面建数据中心引发争议时的一条出路。

三道关:辐射、振动、还有最难的散热

把机房抬到轨道上,要过的不是一道关,而是三道。Google 自己的说法是:地面测试做过,但真正的考试是上天之后。

三道关:辐射、发射振动与过载、以及真空中的散热

  • 辐射:太空里的辐射会损伤芯片,或者更隐蔽地——翻转几个 bit,让计算结果出错。关键点在于 Google 用的是与地面机房同款的商用 TPU,而不是专门为抗辐射设计的航天芯片。这也正是这次飞行的意义所在:如果商用芯片能扛住,成本曲线会完全不同。
  • 振动与高 G:发射过程中的剧烈振动和过载会把硬件震坏。这一关和芯片本身的能力无关,却同样决定成败。
  • 真空里怎么散热:这一条被普遍认为是最大的难题。传统航天散热器的排热能力有限,而 AI 加速器发热量要高得多。Google 的方案是用一层可变形的导热界面材料把芯片接到铝和铜的热管上,再由这些部件把热导到向太空辐射的散热器。

15 分钟一轮:散热决定了它现在能干什么

散热方案直接决定了这颗卫星的「工作节奏」。

Google 官方视频系列:AI 芯片在太空里到底怎么散热

按 Ars Technica 的报道,散热系统只能支撑大约 15 分钟的连续运行,之后 TPU 就必须停机,等散热器把积攒的热量排掉。测试期间 Google 会在这些 TPU 上跑 Gemini 模型,但显然不是连续高负载跑。

顺便说一个容易被忽略的现实:Google 有没有能力在一颗卫星里塞进很多卡?没有。MVP 的算力大约相当于一个 Google Cloud 的 TPU v6e-4 切片——也就是地面云上一个很小单元的规模。这不是谦虚,是被散热和供电两条线同时卡住的结果。要让轨道算力真正有经济意义,需要先解决的恰恰是这两件事,而不是模型本身。

发射当天:现场围观火箭升空的人群

同一个赛道上还有谁

Google 不是唯一一家。按 Futurum 的分析,这个方向上的对手至少包括 Starcloud、NVIDIA、AMD、SpaceX 与 Axiom Space;而把「轨道算力」当成叙事推到公众面前的,是几位有火箭或卫星资源的科技巨头。Futurum 给出的市场判断是:如果发射成本继续塌陷,轨道算力到 2030 年可能对应一个万亿美元级别的市场——这是分析机构的估算,不是已发生的事实。

真正决定这条曲线往哪走的,其实是一个很朴素的成本问题:把一公斤硬件送上轨道要多少钱,以及这些硬件能在轨道上活多久。 MVP 只有几个月的在轨寿命,本身就是这个问题的答案之一。

它不是数据中心,是一次「压力测试」

容易产生的误解,是把这次发射读成「Google 已经有太空数据中心了」。

Google 官方视频系列:AI 硬件能不能在太空里活下来

更准确的描述是:Google 花了很小的成本,去买一个很难在地面获得的答案——同款商用芯片在真实太空环境里的失效模式。 地面可以做辐射、振动、热真空测试,但只有在轨的几个月里,才能看到这些因素叠加后的真实表现。Google 的说法是,这次试验会让团队搞清什么行、什么不行,再去改下一代设计。

总结

  • 10 月 1 日,Google 的首颗 Project Suncatcher 原型卫星 MVP 搭乘 SpaceX Falcon 9 的 Transporter-18 拼车任务升空,卫星平台由 Planet Labs 建造。
  • 卫星里是四颗商用 Trillium TPU、约 1 千瓦太阳能,算力大致相当于地面云的一个 TPU v6e-4 切片;测试时会跑 Gemini 模型。
  • 三道关是辐射、发射振动、真空散热;最硬的是散热,直接导致每次只能连续跑约 15 分钟。
  • 官方口径的目标形态是太阳能供电、带 TPU、用激光互联的卫星星座(Futurum 分析中为 81 颗、1.6 Tbps 链路),2027 年再发两颗测激光互联,距离「产品」还要数年。
  • 它现在的身份是研究项目:花小钱验证商用 AI 芯片在轨道上的真实表现,而不是已经成立的数据中心业务。

图片出处:封面与两张示意图由 UU AI Hub 自制;Project Suncatcher 主视觉与视频系列画面取自 Google 官方博客。

Related

相关文章

延伸阅读

查看全部 →
Claude Code

Claude Code Mods 全解:几行 TypeScript 挂钩内部事件,代价是「没有沙箱」

Anthropic 发布 Claude Code Mods:用 TypeScript 函数挂到 Claude Code 的事件系统上,就能重写提示词、拦截或重试工具调用、自行批准权限、在 Claude 读到之前抹掉密钥,甚至替换界面。多个 Mod 按加载顺序形成中间件链,内置功能(如 /diff)开始迁移成 Mod;代价是 Mod 没有沙箱,与 Claude Code 本身同权限。

Cloudflare

决策模型井喷:Cloudflare 开源 Clef、AWS 发布 Strands Decider 2B,两周内四家入场

「决策模型」在两周内从一家创业公司的概念变成一层基础设施:9/15 TypeSafe 的 Jev、9/29 OpenAI 的 Decisions API、10/1 Cloudflare 开源 Clef 与 Clef-flash、同日 AWS 发布 Strands Decider 2B。它们不写文本,只对预设选项打分并给出校准概率,把路由与审批从大模型里拆出来;本文拆解两家新玩家的架构、官方基准与开源程度。

OpenAI

推理是怎么被偷走的:OpenAI 挫败一场「跨会话重放」反蒸馏行动,核心集群指向 Moonshot 关联人员

OpenAI 10 月 1 日披露挫败一场针对模型「受保护推理」的协同抽取行动:不破解加密,而是把一段会话里加密的推理搬到另一段会话,让同厂商的弱模型充当「解密预言机」逐字转写。7 月 24-25 日峰值 16000 次请求、4000+ 用户,7 月 28 日完全阻断,核心集群归因 Moonshot 关联人员;研究者同日复测发现自家 API 已挡住、微软 Azure 仍然有效。