ARTICLE · 1167669
马斯克,要把AI数据中心送上太空了
支撑这些服务的，是持续工作的芯片，以及供电、散热和通信系统。AI公司想让更多计算任务跑起来，还得解决机房建在哪里、什么时候能通电的问题。
马斯克旗下SpaceX提出了另一种设想：把AI计算设备送上太空。
公司在今年6月的招股书中提出，利用火箭和卫星部署轨道AI基础设施，并希望借此支持Grok的开发和商业化。
谷歌也在验证这条路线。2026年10月1日，公司宣布，与Planet合作开发的原型卫星已经入轨并建立联系，接下来将收集AI芯片在太空辐射和热环境中的运行数据。
那太空能否真的成为我们所用AI服务的另一种计算来源？
国际能源署在2025年的《能源与AI》报告中估计，如果电力系统相关风险得不到解决，约20%的规划数据中心项目可能面临延误。
对运营商来说，设备准备好了，电迟迟接不上，投资就无法按计划转化为计算服务。
太空吸引研究者的一个原因，正是另一种供电条件。
谷歌设想，选择能让卫星尽量保持日照的太阳同步低轨道，减少对重型电池的依赖。
至于地面上的办法，调整选址、改善电网接入和提高能效，这些都可以帮助数据中心扩张。
不过，有些计算上天，并不需要先证明能比地面电费便宜。
以观测植被变化的任务为例，地面分析人员需要能看清所需地表的图像。如果云层挡住了观察目标，图像传回来了，也未必能用于这项分析。
卫星拍摄的大量图像如果全部下传，不适用的图像同样要占用链路。
欧洲航天局的Φ-sat-1项目，探索的就是先筛选、再下传：图像在卫星上产生，由AI识别并筛除因云层遮挡而不适合使用的图像，再把可用数据送回地面。
该卫星于2020年发射，比这一轮太空AI数据中心热潮更早。
对于等待图像的地面分析人员来说，这类处理希望把有限的下传资源更多留给可用数据，让所需信息更及时到达。
而初创公司Starcloud正在探索更多用途。公司披露，搭载英伟达H100的Starcloud-1于2025年11月发射，随后开展了在轨模型计算实验。
后续的Starcloud-2，把航天器数据在轨处理、面向地面用户的存储和云计算列为服务方向。
面向地面用户时，数据流向变了。系统需要上传或预置任务所需的数据，再把结果传回来。
如果进一步让多颗卫星上的芯片共同训练大型AI模型，芯片之间还要频繁交换中间结果。
让多颗卫星协同完成任务，还要解决数据怎样及时送达的问题。
数据要及时送达，芯片产生的热也要及时排出。
卫星外部接近真空，没有空气对流。设计者需要把芯片的热量传到散热器，再通过热辐射向外排出。NASA的小卫星热控制资料，也将卫星与外部环境的热交换主要归于辐射。
因此，“太空很冷”不足以说明芯片好散热。散热器需要面积、合适的朝向，也会增加系统重量。
谷歌正在研究热管与散热器的组合，并已进行地面热真空试验。在轨验证将进一步检验相关设计在真实环境中的表现。
辐射还会影响计算是否可靠。太空中的高能粒子可能让芯片存储的数据出错。谷歌已经用质子束测试AI芯片，检查辐射对运行的影响。
协同计算同样有代价。如果参与同一任务的芯片经常等待其他芯片的结果，单颗芯片再快，整体完成时间也会被拖长。
谷歌的方案选择让计算卫星靠近飞行，用激光提供高带宽互联，并计划通过双星试验验证相关通信条件。
设备坏了怎么办，也是成本问题。地面机房里可以人工更换故障芯片，上天后则需要更强的容错、备用能力或其他恢复方案。这些投入最终都会进入服务成本。
招股书中，公司明确提出，希望轨道AI基础设施帮助Grok更快开发和商业化。它的设想包括为自身AI业务提供支撑。
如果计算卫星形成持续部署需求，还可能增加火箭的发射业务。从商业上看，这给了SpaceX提前投入的理由。
“万亿美元”也要放回公司的业务范围中理解。招股书讨论的AI市场机会，覆盖基础设施、订阅、广告和企业应用，远大于轨道数据中心本身。
SpaceX有投入的理由，客户则要比较：同一项任务，放在轨道上做，是否比放在地面更合适？
谷歌研究团队2026年6月更新的预印本，提供了一组有条件的比较。
先看假设：低轨发射价格降到每公斤200美元，以一种Starlink通信卫星的质量与估算发电能力作参照，按五年寿命摊销发射费用。
在这组条件下，研究估算，每千瓦供电功率对应的年度发射开支约为810美元。论文对照的美国地面数据中心年度能源开支，约为每千瓦570至3000美元。
按这一假设，发射摊销落进了地面能源支出的对照区间。但比较范围需要说清：一边是发射费用摊销，一边是地面能源支出。
每公斤200美元也是未来价格假设，并非当前报价。论文的学习曲线推演需要发射规模持续增长，才可能在2030年代中期接近这一水平。
沿着这个模型看，同样的供电功率，如果计算卫星为了散热、屏蔽和容错需要发射更多重量，发射摊销也会增加。发射降价，需要与卫星设计一起优化，才能转化为服务成本优势。
客户还要算：一项任务各花多少钱、多久完成、结果是否可靠。如果备用设备增加了投入，或者芯片经常等待数据、缺少任务，实际交付的每次计算就会更贵。
回到使用者的需求：地面分析人员等待的是可用的观测数据，AI用户需要的是任务能够稳定完成。太空计算最终也要接受这些要求的检验。
让部分卫星数据处理留在轨道，有减少下传、及时获取结果的具体用途；大规模AI计算是否值得上天，还需要整套系统的成本和运行表现来回答。
对使用AI的人，更值得跟踪的是这些实验何时能变成可用的服务：处理什么任务，以什么价格交付，能否稳定运行。
芯片上天之后，距离我们真正用上它，还有服务交付这一步。
—
资料来源：本文依据公开研究、机构资料和企业披露整理。
