谷歌把AI芯片送上太空,第一份回答竟是一首诗

封面为概念示意，非任务实拍

一颗卫星绕着地球飞行，地面团队发去一个请求：写一首关于身处太空的俳句。

它传回了三行文字：

意译过来，大致是：下方是蓝色星球，数据静静流淌，星光为我供能。

10月30日，谷歌公布了这次测试。作诗的是运行在原型卫星上的Gemma 4模型，执行计算的是谷歌自研的TPU，也就是它用来加速AI运算的芯片。^[1]

第一眼看，这像一次昂贵的浪漫。

但谷歌把芯片送上天，打算验证的事情很实际：能不能在地球之外，找到新的AI算力供给？

把这颗卫星送入轨道的SpaceX，也有自己的轨道算力计划。中国的计算卫星，则已经在做另一类更贴近实际任务的试验。

把这些进展放在一起看，那首小诗背后的生意，才开始显出轮廓。

这颗原型卫星于10月1日搭乘SpaceX的Transporter-18拼车任务入轨，由谷歌与卫星公司Planet合作开发。^[2]

发射之后，团队花了几周检查系统、给设备上电、进行早期机器学习测试。随后，在一次过境地面站时，把请求上传给星上的模型，再从挪威斯瓦尔巴一带接收返回结果。^[1]

写诗本身不难。在太空里完成它，验证的是一整条链路：

硬件经历发射后还能工作，模型能在轨运行，请求能上传，结果能传回。

这也让这次进展有了清楚的边界：它是谷歌数据中心级TPU的在轨验证。此前，其他团队已经把计算设备、GPU和模型送入太空。

目前这颗卫星仍是试验平台。谷歌接下来要测芯片面对温度压力和辐射的表现，并计划在2027年用两颗互联卫星验证下一步能力。^[1]

让一块芯片回答问题，与让一群卫星长期协同计算，中间还有不少工程要补。

用AI时，我们看到的是一个输入框。输入框后面，却要有芯片、供电、网络和散热系统一起工作。

芯片买到之后，还要有地方安放、有足够的电接入，产生的热也得持续排出去。

太空算力的吸引力，首先来自太阳。

谷歌研究的轨道方案，希望让卫星尽可能长时间接受日照，减少对地面电网的依赖。在合适轨道和设计条件下，太阳能板可以避开云层与昼夜变化带来的部分限制。^[3]

这里的关键词是“合适”。轨道、朝向、供电和储能设计，都会影响结果，不能把所有卫星都理解成永远晒着太阳。

人们想搬上天的，是由发电、计算、通信和散热共同组成的一套系统。

这也解释了为什么SpaceX会出现在这场竞赛中。它手里已有火箭和卫星网络，还在开发更大运力的运输系统；这些能力，恰好落在太空算力的关键环节上。

看SpaceX的进展，最好分成两件事。

第一件，是已经发生的发射：谷歌这颗原型卫星由它送入轨道。

第二件，是SpaceX自己的Starmind计划。其公开设计AI1，展开后翼展约75米，计算载荷峰值功率最高250千瓦，设想通过激光链路把结果接入Starlink网络。^[4]

这些数字描述的是设计目标。

官网还介绍了正在建设的Gigasat工厂，计划最快从2027年末开始支持大批量AI卫星的生产与部署。^[4]

另一个常被转发的数字，是“100万颗”。它来自SpaceX于今年1月提交的轨道数据中心系统申请上限。申请规模、实际发射数量和能够提供的计算服务，是三个不同指标。^[5]

SpaceX的优势，可以这样理解：它希望同时参与运输、组网和算力部署。火箭把设备送上去，卫星网络连接设备，计算卫星再尝试向客户交付服务。

其中任何一环成本过高，都可能影响整笔生意。

还有一条值得放在旁边看的新消息。10月26日，SpaceX宣布获得约400亿美元GPU及相关设备融资租赁安排的承诺，公告明确指向地面算力扩建，交易仍有交割条件。^[6]

地面在扩建，轨道在筹备。把这两条线分清，才能看懂它的实际进度。

这场探索也有一条中国读者值得关注的路线。

2025年5月14日，之江实验室联合合作伙伴发射了“三体计算星座”的首批12颗计算卫星。

据今年2月的科技日报报道，团队已完成10个AI模型与应用的在轨部署和验证，并开展了三星协同的水环境监测试验：采集数据，在轨处理，通过星间链路协同，最后下传任务结果。^[7]

这条路线的价值很好理解：数据本来就在太空产生，先在太空处理，可能比把原始资料全部传回地面更有用。

比如，卫星拍下大量影像。地面需要的是发生变化的区域、某类目标或一条告警，未必需要每次都先接收整批原始数据。具体收益，还要看任务和链路条件。

其他团队也在沿类似方向推进。

Starcloud的首颗试验卫星在2025年11月携带英伟达H100入轨，公司随后披露了模型运行和nanoGPT训练实验；其下一颗商业任务的公开目标是到2027年投入完整运行。^[8]

Axiom Space则披露，前两个轨道数据中心节点已于2026年1月11日发射，面向在轨数据处理、存储和连接等用途。^[9]

它们与谷歌的大规模互联计算愿景，各有侧重。把所有项目都叫作“太空机房”，容易看漏最重要的问题：谁的数据，在哪里处理，最后交付给谁？

太阳能听起来诱人，芯片长期工作却还要过几道关。

第一关，是散热。

太空没有空气，风扇无法像在地面那样通过空气流动把热带走。设备内部需要传热路径，再通过辐射器把热量排向外部环境。

谷歌正在测试热管与辐射器等方案。对一颗长期受光、持续运算的卫星而言，发电板和散热器，都可能是相当重要的重量与结构成本。^[2]

第二关，是互联。

一颗卫星独立运行模型，与一群卫星共同承担大型AI任务，对通信的要求不同。

后者需要很高的带宽、足够低的延迟和稳定连接。两颗都在运动的卫星，要持续把激光对准彼此，不能只用“已经有卫星互联网”来证明这件事已经解决。

谷歌把2027年的双星互联测试列为下一步，正是为了验证这类能力。^[1][3]

第三关，是可靠性和换代成本。

辐射会给电子设备带来出错风险。谷歌已进行地面辐照测试，接下来仍要积累真实在轨数据。^[2]

而AI芯片会更新。地面机房更换设备，需要机柜、供电和运维配合；轨道上的设备如何维修、替换和退役，还要把运输与任务寿命一起考虑。

所以，一张有用的成本表，至少要包含：卫星与芯片、发射、供电散热、通信、故障损失，以及后续替换。

省下的地面资源成本，能否覆盖这些支出，要靠项目的实际数据回答。

太空算力已经有硬件入轨，也有真实任务验证。接下来，不同项目会逐步回答更难的问题：

能连续稳定运行多久？能完成多大的工作量？客户愿意为何种结果付费？与地面方案相比，总成本是多少？

更容易理解的早期需求，来自卫星影像、环境监测、科学载荷等在轨数据。这些业务有明确输入，也有可以验收的输出。

至于把大型通用AI算力成规模地搬上去，还需要更多供电、散热、组网与经济性验证。

我们观察这类新闻，也可以随手分三栏记：已经做成的，正在测试的，公司计划中的。

以后再看到“几十万颗卫星”“吉瓦级算力”，先把它放进对应的一栏，再看它离真实服务还有多远。

谷歌的那首诗，已经传回地球。

接下来值得等的，是这些轨道上的计算设备，能持续交出什么结果。