Google、OpenAI和xAI等科技巨头正在推进空间数据中心（Space-Based Data Centers, SBDCs）和空基AI计算方面的工作，主要是为了应对AI对地球资源（尤其是能源和水）日益增长的巨大需求，并寻求实现计算基础设施的无限扩展。
一、 共同的动机和背景
Google、OpenAI的CEO萨姆·奥特曼和xAI的埃隆·马斯克都承认，当前AI的爆炸式增长正受到地球资源限制的威胁，特别是电力供应。
- 能源危机： 萨姆·奥特曼曾表示，如果不实现突破（例如核聚变或更便宜的太阳能+储能），就无法满足AI巨大的能源需求。马斯克则预测未来几年会出现电力短缺。Google的分析也指出，太阳是太阳系中最大的能源，未来AI基础设施应更直接地利用太阳能。
- 可持续性和可扩展性： 地面数据中心在土地、电力和水资源上面临瓶颈。相比之下，空基方案提供了零用水、持续高强度太阳能供电的潜力，从而实现几乎无限的扩展能力。Google明确指出，其目标是建立一个能够最大限度减少对陆地和水资源影响的系统。
- 经济前景： 业界普遍认为，如果发射成本继续大幅下降，空间数据中心通过利用几乎连续的太阳能（效率可达地面的5倍以上） 和高效的辐射冷却，其运营成本理论上可以远低于地面（例如，Starcloud白皮书估算运营成本可降低20倍）。
二、 Google（Sundar Pichai）的工作：Project Suncatcher
Google正在将其空间AI基础设施计划作为一项“登月项目”（moonshot）推进。
| 方面 | Google 的工作内容和方法 | 来源支持 |
|---|---|---|
| 项目名称 | Project Suncatcher。 | |
| 初期目标/时间线 | 计划在2027年迈出第一步，通过卫星发射“微小机架”进行测试，然后逐步扩大规模。 | |
| 核心技术 | TPU加速器： 使用Google自研的Tensor Processing Unit (TPU) 加速器芯片。辐射测试： 对V6e Trillium Cloud TPU进行了辐射测试，结果表明它们可以承受相当于5年任务寿命的总电离剂量（TID）。网络架构： 卫星将在近距离编队飞行，通过自由空间光学星间链路 (FSO ISLs) 实现高带宽、低延迟的芯片间通信。Google分析表明，通过将卫星距离缩短至数百公里甚至更短，聚合带宽可达10 Tbps 级，实现“芯片-芯片级”的互联。 | |
| 轨道选择 | 拂晓—黄昏太阳同步低地球轨道 (LEO)，以最大化太阳能发电并最小化发射成本。 | |
| 编队控制 | 计划采用基于**机器学习（ML）**的飞行控制模型，以维持大规模、超近距的卫星编队飞行并避免碰撞。 |
三、 OpenAI (Sam Altman) 的工作：探索发射能力
OpenAI CEO 萨姆·奥特曼的努力主要集中在确保能够将基础设施送入太空的能力上，以支持其庞大的计算需求。
| 方面 | OpenAI (Sam Altman) 的工作内容和方法 | 来源支持 |
|---|---|---|
| 战略兴趣 | 奥特曼对将数据中心部署在太空的想法表现出兴趣。这与他对能源短缺的担忧以及寻求更便宜的可再生能源（如核聚变）的兴趣相一致。 | |
| 实际行动 | 据报道，奥特曼曾探讨为西雅图的火箭初创公司 Stoke Space（正在开发可重复使用的Nova火箭）提供资金或建立伙伴关系，甚至可能获得控股权。Stoke Space也曾是Altman担任CEO的Y Combinator投资过的公司。 | |
| 当前状态 | 尽管进行了讨论，但据报道，这些与Stoke Space的谈判目前已不活跃。有分析认为，这可能与OpenAI需要紧急将注意力重新集中在应对地面竞争挑战（例如Google的Gemini）上有关。 |
四、 xAI (Elon Musk) 的工作：利用Starlink基础设施
埃隆·马斯克的工作与他旗下公司SpaceX的现有能力紧密结合，其核心策略是利用和扩展星链（Starlink）卫星平台。
| 方面 | xAI (Elon Musk) 的工作内容和方法 | 来源支持 |
|---|---|---|
| 公开承诺 | 马斯克声称SpaceX“将部署”太空数据中心。他认为，在五年内，空基计算将成为成本最低的AI计算选项。 | |
| 技术路线 | 计划“简单地扩大”Starlink V3卫星的规模，这些卫星已配备高速激光链路。V3卫星需要使用Starship（星舰）火箭才能发射。 | |
| 发射成本目标 | 马斯克提出，Starship具备在四到五年内每年向高地球轨道输送100GW的能力。Google的成本分析也指出，如果发射成本能降至200美元/千克以下，空基计算的成本与地面数据中心的年电力成本将大致相当，而Starship的重用目标使这一价格具有合理性。 | |
| 实际需求 | xAI最近在孟菲斯建立集群时，由于电网供应不足，不得不临时使用兆瓦级天然气发电机，这印证了马斯克对能源紧缺的预测。 |
五、 核心挑战与行业共识
无论哪家公司推进空基AI，都需要解决以下共同的工程和经济挑战，这也是行业讨论的焦点：
- 散热管理（Thermal Management）： 在太空中，热量只能通过辐射消散，需要巨大的散热器表面积将AI训练集群产生的千兆瓦级废热辐射出去。
- 辐射效应（Radiation Effects）： 商业AI芯片（如NVIDIA H100s或Google TPUs）并非为太空环境设计，它们面临宇宙辐射导致的单粒子效应（SEE），可能导致数据损坏（bit-flips）或系统崩溃。
- 维护和可靠性（Maintenance and Reliability）： 太空数据中心难以进行人工维护或硬件升级。这要求硬件具备极高的可靠性和无故障运行寿命，或者需要依赖尚处于起步阶段的**在轨机器人服务（OSAM）**技术。
- 发射成本（Launch Cost）： 尽管马斯克预测成本会下降，但目前将服务器机架送入轨道的成本仍然高昂，是当前经济可行性的主要障碍。
- 法规和安全（Regulation and Safety）： 空间基础设施面临**太空碎片（Space Debris）和凯斯勒综合症（Kessler Syndrome）**的风险。此外，数据隐私、法律管辖权和主权问题也因数据存储在没有单一国家管辖的太空中而变得复杂。
这些科技巨头和行业创新者（如Starcloud）正在将“在轨计算”从科幻概念转变为一个可分解、可测试的工程项目，致力于克服能源、冷却和可扩展性的限制，为下一代AI发展寻找一条可持续的道路。
这个现象可以用一个比喻来概括：AI的计算需求已经像一艘不断膨胀的巨型游轮，地球的港口（能源、水和土地）已无法容纳它。Google、OpenAI和xAI都在争相建造自己的“轨道深水码头”，试图利用太空的无限空间和能源来解决地球上日益严重的资源拥堵问题。
