Google Project Suncatcher：在軌道上擴展機器學習基礎設施

Project Suncatcher：軌道 AI 運算的登月計畫

Google 正在發射一顆原型衛星，作為 Project Suncatcher 的一部分，旨在評估張量處理單元 (TPU) 在太空中的效能。該計畫是一項長期研究倡議，旨在確定低地球軌道 (LEO) 是否能作為可擴展機器學習 (ML) 基礎設施的可行地點。這項探索的主要驅動力在於 LEO 擁有近乎恆定的陽光，其產生的太陽能最高可達地球上的八倍。

硬體韌性與輻射測試

Google 與 Planet 合作進行的首次任務，透過 SpaceX Transporter-18 共乘發射，重點在於 AI 硬體是否能承受太空飛行的物理與環境壓力。

發射壓力與振動

硬體必須承受發射過程中強烈的振動與加速度。火箭前往 LEO 的旅程通常持續 10 分鐘，太空船會經歷高達 10g 的加速度負載。包括 TPU 晶片在內的個別組件，可能會承受 50g 到 100g 之間的力。Google 報告稱，跨三個軸向的振動測試已成功證明該硬體能夠承受這些力。

抗輻射加固

宇宙射線與太陽活動可能導致位元翻轉 (bitflips) 及其他電子故障。為了減輕此影響，Google 在加州大學戴維斯分校 (UC Davis) 的 Crocker 核子實驗室使用質子束設施對 Trillium TPU 進行了測試。初步結果顯示，Trillium TPU 能夠承受超過其在五年太空任務中所受到的總游離輻射劑量。

真空環境中的熱管理

冷卻軌道資料中心是一項主要的工程障礙，因為真空中缺乏氣流，無法進行傳統的對流冷卻。TPU 產生的熱量必須完全透過輻射散發。

Google 目前正在測試熱管與散熱器的組合，以將熱量從晶片中導出。這些系統已在模擬太空環境的熱真空室中進行了驗證，儘管團隊承認，根據軌道數據改進這些設計是關鍵的下一步。

高頻寬衛星互連

為了擴展 AI 工作負載，Google 設想了一組衛星群，每顆衛星攜帶數十個 TPU 晶片，並連結在一起作為分散式運算叢集運作。這需要高頻寬互連來維持 AI 處理所需的傳輸量。

雖然雷射通訊已經存在，但目前的尖端系統是針對長距離、低頻寬傳輸進行優化的。Project Suncatcher 需要在短距離內以極高精度運作的高頻寬雷射，以維持運動中衛星之間的連接。Google 計畫在 2027 年透過兩顆衛星的軌道測試來驗證這種互連性。

技術評論與產業觀點

圍繞 Project Suncatcher 的社群討論凸顯了人們對於太空資料中心相較於地面替代方案在經濟與營運上的可行性存在顯著懷疑。

營運與維護挑戰

批評者認為，缺乏物理接觸使得硬體維護變得不可能。地面資料中心依賴技術人員更換故障伺服器（據估計 AI 伺服器的年故障率約為 9%），而這一過程在軌道上無法經濟地複製。

經濟與物理限制

一些觀察家認為，高昂的發射成本與散熱物理學使得該計畫對於通用 AI 而言並不切實際。

"與目前地面的 AI 資料中心相比，將資料中心發射到太空會輕易地將成本提高一個數量級（甚至更多）……沒有任何方法能讓太空 AI 的數學計算比在地面上運作更合理。" — @handle

潛在的戰略動機

討論指出，該計畫可能具有通用運算以外的目的，例如：

• 軍事與情報應用： 可能與訊號情報 (SIGINT) 和軌道影像處理的需求重疊。
• 監管套利： 在任何單一國家的主權管轄範圍之外託管資料中心的可能性。
• 戰略賭注： 對未來發射成本降低、運算密度提高以及硬體可靠性改善的預先押注。