谷歌的Project Suncatcher在轨道上测试AI芯片

多年来谷歌一直担忧辐射问题——这有充分理由，因为此次任务中使用的TPU是标准商用Trillium（TPU v6e）芯片，而非抗辐射加固型硅片。但一旦原型进入轨道，更棘手的问题却变成了散热。太空中没有空气或水来带走芯片产生的废热，卫星唯一的散热方式只能是通过热辐射向真空中释放热量。这一物理限制迫使TPU在运行Gemini和Gemma模型的AI推理任务时，只能以大约15分钟为周期进行短时爆发式工作，随后必须关机，以便卫星的散热器将积聚的热量排出^[1]。对于一个仅含四块芯片的原型而言，这种折衷方案尚可接受；但当谷歌设想未来每颗卫星搭载数十块芯片并扩展规模时，同样的15分钟工作周期便成为决定性工程难题^[2]。

谷歌并非唯一押注于此的企业。由英伟达支持的初创公司Starcloud早在2025年11月就已将其约60公斤重的Starcloud-1卫星送入轨道，其中搭载了一块Nvidia H100 GPU，并成功利用它从太空运行了谷歌自家的Gemini模型^[3][4]。此后，英伟达自身也宣布推出Space-1 Vera Rubin模块，声称其在轨推理性能可达H100的25倍，既作为芯片供应商又直接挑战谷歌TPU的技术路径^[3]。这场竞争远不止硬件厂商之间展开：埃隆·马斯克表示SpaceX预计最早于2028年开始部署自己的轨道AI计算卫星；杰夫·贝佐斯提出十年甚至更长时间内建设吉瓦级空间数据中心的构想；据报埃里克·施密特已收购火箭公司Relativity Space，专门用于推进将数据中心送入轨道的计划^[5]。科技界多位最具影响力的人物正各自独立地追逐同一目标，而谷歌的TPU原型则为其增添了新的飞行数据——尽管目前Starcloud已在实际运行方面取得领先。

谷歌在加州大学戴维斯分校Crocker核实验室进行的地面测试显示，Trillium TPU所能承受的总电离辐射剂量超过了五年太空任务所预期的水平^[2]。目前的在轨结果不仅证实了这一点，甚至表现更优：芯片承受了高达15千拉德的辐射剂量，远超目标轨道中受屏蔽保护的五年任务实际积累的大约750拉德(Si)^[1]。这一 关键数字令人安心，但其背后的细节却不容忽视：大多数由辐射引发的比特翻转只需重启芯片即可恢复，但测试中也检测到一次‘静默数据损坏’事件^[1]。系统崩溃只是麻烦，而静默损坏则是最难察觉且最危险的故障模式——芯片继续运行并报告一切正常，却悄悄输出错误结果。对于一个仅含四块芯片、每次运行15分钟的原型来说，这只是个脚注；但对于未来可能由数十块TPU组成、执行无人监管机器学习任务的集群而言，这类可靠性问题必须得到解答，否则无人会信任其输出结果。

并非所有人都相信这项登月计划能够达标。天体物理学家尼尔·德葛拉司·泰森直接驳斥轨道数据中心是一种失败的商业模式，认为基于地面的可再生能源将持续比发射成本更具经济优势，后者永远无法逾越这一鸿沟^[6]。《科学美国人》报道称，专家普遍警告仍存在大量尚未解决的工程与成本效率挑战，包括在轨道上维护硬件的成本可能是修复地面数据中心的10至100倍^[7]。同一篇报道引用的天文学家警告称，大规模部署轨道数据中心可能会加剧光污染，使夜空观测变得更加困难^[7]。谷歌为此项目描绘的最终愿景是一个横跨约一公里、由81颗卫星组成的集群^[9]。此外，得克萨斯大学航空航天工程教授兼轨道碎片专家莫里巴·贾指出，大规模轨道计算部署可能显著增加本已拥挤的轨道层中的碰撞风险，他更倾向于用‘轨道承载能力’的概念来思考问题，而非局限于严格的凯斯勒综合征框架^[8]。这种分歧也反映在网络舆论中：爱好者社群将此次发射视为迈向太阳能戴森云的第一步，而更多持怀疑态度的公众则质疑这是否只是为AI资本支出披上炫目的外衣。