SpaceX-Nvidia 轨道式AI数据中心

2026年8月4日，SpaceX和Nvidia宣布将联合为Starmind AI1卫星构建计算载荷^[1]，将Nvidia最新的Rubin GPU与Vera CPU组合成所谓“数据中心级空间计算”。值得关注的不仅是公告本身，更是其背后的发展轨迹：SpaceX已悄然上调卫星的功耗预算，峰值功率增加67%（从最初的150千瓦提升至约250千瓦），平均功率增加33%（从120千瓦提升至160千瓦），使单个AI1单元能够运行一整套Nvidia Rubin NVL72机架^[2]。每颗卫星设计高度为20米，太阳能翼展达70米，并配备约110平方米的液体散热器，可将热量直接排入太空真空中^[2]。Nvidia则强调芯片本身的突破：其Space-1 Vera Rubin模块中的Rubin GPU在空间推理任务上的AI算力比前代H100 GPU高出最多25倍^[12]。对于仍被批评者视为幻灯片项目的技术而言，如此规模的硬件投入实属罕见。市场也迅速认可：公告发布数小时内，SpaceX股价上涨近9%，Nvidia股价上涨约3%，而埃隆·马斯克亲自确认SpaceX将 exclusively 使用Nvidia GPU的消息，引发的公众关注甚至超过了SpaceX官方公告本身——这表明轨道计算如今受到的关注度已远超地面AI基础设施新闻。

Nvidia首席执行官黄仁勋将进军太空视为加速计算的必然延伸：“太空计算，最后的边疆，已经到来……智能必须存在于数据生成的地方。”^[12]并非所有人都认同这一时间表。乔治城大学的凯瑟琳·柯里尔（Kathleen Curlee）认为，当前广泛引用的2030–2035年部署时间线，在现有技术水平下根本不可信；东北大学工程学教授乔塞普·米格尔·霍内特（Josep Miquel Jornet）则指出一个直白的物理限制：在轨道上，“没有任何介质能像地球上的空气或水那样带走热量”^[3]。航空航天老兵则反驳这种悲观看法。Portal Space Systems首席执行官杰夫·索恩伯格（Jeff Thornburg）曾任职于SpaceX，他认为基础技术早已成熟：“我们知道如何发射火箭；我们知道如何将航天器送入轨道；我们也知道如何建造太阳能阵列”^[3]——他将此视为执行层面的问题，而非科学难题。Planet公司首席太空官詹姆斯·梅森（James Mason）持折中观点：无需新物理原理，但“电力、热管理和经济性”^[6]仍是真正的障碍。怀疑论者对时间表的质疑更为深入。《未来主义》报道援引工程估算称，一旦计入辐射屏蔽、冷却剂、泵和结构质量，一个完整规模的轨道数据中心站重量可能超过1.13亿公斤——远超当前任何运载火箭舰队的经济发射能力^[4]。即便成熟的卫星运营在星座规模下也存在真实操作风险：仅Starlink在2025年就执行了约30万次防碰撞机动^[5]。

公众讨论大多聚焦于电力与冷却，但数据显示，更紧迫的近期限制可能是数据传输，而非热量管理。Nvidia的GPU训练集群需要约每秒7.2太比特的互连带宽；而当前光学星间链路的上限约为100吉比特每秒，差距高达约70倍^[6]。正因如此，SpaceX的设计选择通过Starlink现有的激光星间链路网络将处理结果传回地球，而非新建地面基础设施^[7]——这是一种将结果传回地面的权宜之计，而非在卫星之间移动原始训练数据以进行协同计算。太空爱好者社区也独立得出了类似结论：粗略估算显示，所需星间带宽需提升约40倍，同时每公斤发射成本需降低约10倍，每吨卫星的功率密度需多倍增长，且当前每平方米散热器的质量需减少一半——这些目标被普遍认为“极难实现，但并非物理上不可能”。

SpaceX与Nvidia并非轨道计算竞赛中的唯一参与者。洛杉矶初创公司Orbital Inc.在其首席执行官欧文·潘（Euwyn Poon）带领下，已向FCC提交计划，拟部署最多10万颗卫星，提供10吉瓦的空间计算能力，该公司认为复杂性主要在于发射物流，其余部分仅涉及基本物理原理与制造^[8]。获得Y Combinator支持的Starcloud则率先实现运营突破，于2025年11月部署了首颗Nvidia H100级卫星，并单独申请了8.8万颗卫星的星座计划^[9]。这场竞争也不局限于美国：据报道，中国已制定自身星座计划，规模或将超过20万颗卫星^[13]。谷歌也在并行下注，推进基于其TPU的卫星集群项目“Suncatcher”，与此同时，据报每月向SpaceX支付约9.2亿美元，以获取地面约11万个Nvidia GPU的使用权^[10]——这提醒我们，当今真正的AI计算资金仍流向地面基础设施交易，而非轨道项目。截至2026年1月，Axiom Space已在近地轨道运行两个专用轨道数据中心节点，为该领域树立了首个实际运营先例^[11]。在所有这些相互竞争的布局中，一个共识反复浮现：用于数据主权的轨道存储，而非大规模AI训练或推理，才是最可信的近期商业用例^[6]——其余一切仍取决于发射成本能否足够快地下降到足够低的水平。