Google 于2026年10月30日宣布了一项颇具科幻色彩的技术进展：一颗在地球轨道上运行的卫星，使用 Google 自研 TPU 芯片执行 Gemma 4 大语言模型，成功生成一首关于太空的俳句，并将结果传回地球。
这意味着，Google 的 Project Suncatcher（逐日者计划）已经实现了一个重要里程碑：数据中心级 AI 加速芯片首次在轨道上完成了经确认的语言模型推理，并向地面返回结果。
一首短诗背后，是 Google 试图回答的一个大胆问题：未来的大规模 AI 数据中心，能否建在太空？
一、一首来自太空的俳句
2026年10月1日，Google 与卫星公司 Planet 合作研制的实验卫星，搭乘 SpaceX 的 Transporter-18 拼车任务进入近地轨道。
在随后数周，工程师陆续完成了卫星系统检查、主机及 TPU 计算模块启动，以及初步机器学习测试。
10月30日，Google 正式公布成果。
当卫星经过挪威斯瓦尔巴群岛附近、进入地面站通信窗口时，工程师向运行于卫星上的 Gemma 4 模型发送了一条指令：写一首关于身处太空的俳句。
卫星返回了一首三行短诗，大意是：
蓝色星球在下方，
数据之流静静穿行，
星光滋养我的核心。
——
原诗句：
Blue marble below
Data streams in silent grace
Starlight feeds my core. ✨
这段文字并不是由地面 Google 数据中心生成后通过卫星转发，而是由卫星搭载的 TPU 执行模型推理生成，再下传到地面。
随后，团队还测试了其他诗歌生成任务，以及要求模型报告卫星载荷技术状态的提示词。
从应用角度看，写诗几乎没有什么实用价值。但从工程角度看，它证明了计算硬件、模型软件、卫星供电、热管理和天地通信组成的基本链路能够协同工作。
这相当于太空 AI 数据中心的第一个“Hello World”。
当然，现阶段还不能将其称为投入运行的太空数据中心。据媒体披露，这颗卫星虽然搭载了四颗 TPU，但一次只能运行其中一颗，计算能力及连续运行时间也受到限制。
二、为什么 Google 要把 AI 送上太空？
驱动 Project Suncatcher 的核心因素，是 AI 算力对能源和基础设施的巨大需求。
地面 AI 数据中心不仅需要昂贵的加速芯片，还需要稳定供电、散热系统、土地、水资源以及配套电网。
随着 AI 模型规模和计算需求继续增长，能源供应和散热能力可能逐渐成为制约算力扩张的重要因素。
而太空具有一个独特优势：太阳能。
Google 在研究中指出，在合适的轨道条件下，太阳能电池板的单位装机发电量最高可以达到地面相应系统的约八倍。
这里需要注意，八倍并不是太阳能电池转换效率提高八倍，而是综合考虑光照强度、昼夜变化、天气和大气影响之后，特定条件下的能源产出优势。
Google 考虑采用晨昏太阳同步轨道，让卫星尽可能长时间接受太阳照射，从而减少电池容量需求。
其构想是将计算芯片、太阳能电池板、供电系统和散热装置整合到卫星中，再通过高速通信连接形成分布式算力系统。
如果最终实现，太空将不只是通信、导航和遥感基础设施的所在地，也可能成为一种新的计算基础设施部署环境。
不过，太阳能获取更便利，并不代表建设和运营成本一定更低。要把芯片送入轨道，还必须解决一系列地面数据中心很少遇到的困难。
三、太空算力面临的三大工程难题
第一道难题：在真空中如何散热？
这可能是太空 AI 数据中心最违反直觉的地方。
太空环境温度可以很低，但太空并不意味着天然具备强大的散热能力。
地面服务器可以通过空气流动、水冷系统和冷却塔将热量带走。真空中缺乏空气，无法依靠普通的对流散热。
卫星内部可以使用热管等装置传导和输送热量，但最终仍必须依靠散热器通过热辐射将能量排向外层空间。
因此，太空 AI 计算系统需要解决一个基本问题：如何在有限质量和表面积条件下，为高功率 TPU 配备足够的散热能力？
Google 已经在地面热真空试验设备中测试相关方案，当前的轨道实验将进一步评估实际表现。
未来如果要建设大规模计算集群，散热器面积、重量及其与太阳能电池板的布局关系，都可能直接决定整个系统的经济性。
第二道难题：宇宙辐射会不会让 AI 算错？
地球大气层和磁场为地面电子设备提供了天然保护。卫星运行环境中的高能粒子，则可能影响半导体芯片和存储器。
一种典型现象是位翻转：存储器中原本表示零的数据位，受到粒子作用后意外变成一。
这可能造成模型计算错误、程序异常，严重时甚至导致设备故障。
Google 在地面使用高能质子束测试了 Trillium，也就是第六代 Cloud TPU 中的 v6e 芯片。
结果发现，高带宽存储器 HBM 是较为敏感的部分。在一定累计辐射剂量之后，系统开始表现出异常，但芯片整体的耐受能力比预期更好。
实验中的部分芯片在远高于预估五年任务累计辐射剂量的条件下，仍未出现归因于累计电离辐射的永久性失效。
不过，累计辐射耐受与单粒子造成的瞬时错误是两回事。未来仍需要长期轨道测试，判断错误率、模型推理可靠性以及训练任务受到的影响。
第三道难题：计算设备能否长期可靠运行？
地面服务器出现故障，可以更换加速卡、内存、电源甚至整台设备。
而太空服务器一旦发生硬件故障，维修、替换和补充设备的成本将高得多。
同时，卫星还需要经受发射阶段的强烈振动和加速度冲击，以及轨道上的温度循环、电源波动和长期辐射影响。
因此，太空数据中心需要的不只是耐受极端环境的芯片，还需要软硬件协同的容错架构。
例如，通过错误检测、冗余计算、任务迁移及故障隔离，使个别计算节点失效时，整个集群仍能正常工作。
这些要求实际上与超大规模地面数据中心的可靠性工程存在共通之处，但太空环境使问题更加突出。
四、真正大胆的构想：让多颗卫星组成 AI 集群
如果只是让一颗卫星运行一个小型大语言模型，其意义主要在于空间边缘计算。
Project Suncatcher 的长期目标则更加激进：让大量搭载 TPU 的卫星通过高速光通信连接，构成分布式 AI 计算集群。
这与一般的卫星互联网有明显区别。
卫星互联网主要负责将用户数据从一个地点传送到另一个地点，而 Google 希望卫星之间直接协同执行机器学习任务。
大规模模型训练尤其依赖加速芯片之间的高带宽、低延迟通信。
在地面数据中心，成千上万颗加速芯片通过专用互联网络协同工作。在太空中，这些连接不能简单地由光纤替代，而需要依赖自由空间光通信，也就是激光链路。
Google 研究认为，要实现接近地面数据中心的计算协同能力，星间通信需要达到每秒数十太比特的量级。
这并不是普通卫星通信能够轻易满足的要求。
为此，Google 提出了两条相互配合的技术路线。
其一，使用密集波分复用和空间复用技术，使多路光信号并行传输，提高链路容量。Google 已在地面实验中实现单对光收发设备双向合计每秒1.6太比特的传输能力。
其二，让卫星以非常紧密的编队飞行，通过缩短通信距离来降低光信号损耗。
但第二条路线带来了新的问题。
在太空中，卫星并不是固定在某个位置。每颗卫星都在高速绕地球运动，同时还受到地球非均匀引力和稀薄大气阻力等因素影响。
要让数十颗甚至数百颗卫星长期保持精密编队，相当于在轨道上运行一个持续调整队形的计算机网络。
Google 在研究中提出过一个包含81颗卫星的模拟编队，平均轨道高度约650公里，集群半径约1公里，部分相邻卫星之间的距离仅为数百米。
研究人员利用轨道动力学模型和基于 JAX 的数值计算方法，分析这种编队的稳定性与轨道维持要求。
需要强调的是，81颗卫星仍然只是研究中的模拟方案，并非已经建成的实际星座。
真正的技术挑战，是把通信、轨道控制和计算任务调度结合起来，使整个星座表现得像一个分布式数据中心，而不只是许多独立的计算卫星。
五、太空数据中心什么时候才有经济价值？
在技术可行之外，另一个关键问题是成本。
地面数据中心需要土地、电网、冷却基础设施及持续运营支出；太空数据中心则必须承担卫星制造、发射、轨道维持、通信系统和设备更替等费用。
Google 在2026年发表于《Joule》的研究论文中提出一种情景预测：如果可重复使用火箭继续实现稳定的成本下降，到2030年代中期，进入近地轨道的发射成本可能下降至每公斤200美元以下。
在这一假设下，太空数据中心部分成本指标可能逐渐接近地面数据中心。
但这里有两点必须区分。
首先，每公斤200美元是建立在未来发射技术和规模化运营取得进展的基础上的研究情景，而不是今天已经实现的商业价格。
其次，某些成本指标接近地面能源成本，并不等于太空数据中心的全部生命周期成本已经具备竞争力。
芯片更新换代、卫星寿命、辐射防护、轨道维护、太空碎片以及退役处置，都可能对最终商业模式产生重大影响。
此外，地面训练数据如何高效上传、计算结果如何稳定回传，也是建设太空计算设施无法绕过的问题。
因此，太空数据中心是否更经济、更环保，目前仍然需要更多实际工程数据验证。
六、2027年：从一颗卫星走向双星协同
2026年10月完成的实验，主要证明了数据中心级 TPU 可以在轨道环境中启动并执行机器学习推理。
Google 接下来将继续测试热应力、辐射和长期运行可靠性。
下一项重要里程碑安排在2027年：发射两颗能够相互连接的实验卫星，验证星间光通信以及分布式机器学习任务。
从技术演进来看，这几个阶段具有明显的递进关系。
第一阶段，证明计算芯片能够在太空工作。
第二阶段，证明多颗卫星能够通过高速通信协同计算。
第三阶段，进一步研究大规模星座的持续运行、任务调度、故障恢复和经济性。
只有跨过后两个阶段，Project Suncatcher 才可能真正从一项空间 AI 实验，转变为新型计算基础设施。
七、太空 AI 的意义，可能不止于数据中心
Project Suncatcher 最值得关注的，并不只是“把服务器搬到太空”这个大胆设想，而是它可能推动计算、通信和航天工程之间的深度融合。
过去，卫星通常承担数据采集和传输任务，大量数据需要返回地面处理。随着高性能 AI 芯片进入太空，未来卫星可能直接完成图像识别、遥感分析、目标检测乃至复杂的自主决策。
进一步发展，还可能出现由多颗卫星共同执行复杂计算任务的空间分布式 AI 系统。
对于航天基础设施而言，计算不再仅仅是服务于卫星的辅助功能，而可能成为卫星系统本身的核心任务。
Google 的这一实验距离大规模商业化仍然很远，但其技术路线已经具有清晰的研究方向。
从一首太空俳句开始，AI 算力正尝试摆脱数据中心的地理边界。未来的云计算，或许真的有一部分运行在云层之外。
参考资料
01｜Google — We’ve received our first response from the Project Suncatcher prototype satellite
02｜Google — Our Project Suncatcher prototype satellite is in orbit
03｜Google — Behind Project Suncatcher, our moonshot to put AI in space
04｜Google Research — Exploring a space-based, scalable AI infrastructure system design
https://research.google/blog/exploring-a-space-based-scalable-ai-infrastructure-system-design
05｜Joule — Toward a future space-based, highly scalable AI infrastructure system design
https://doi.org/10.1016/j.joule.2026.102678