文 | 反熵
几天前，一首由 AI 创作的诗从太空传回了地球。
它由谷歌 Gemma 4 模型生成，运行在一颗绕地球飞行的卫星上：
Blue marble below
Data streams in silent grace
Starlight feeds my core.
大意是：蓝色星球在脚下，数据流静静穿行，星光为我的核心注入能量。
诗的文学水平暂且不论，创作地点却很特别。谷歌首次利用在轨数据中心级 TPU 芯片，完成了从地面发送指令、星上 AI 推理到结果回传的完整流程。
就在谷歌公布成果的第二天，马斯克谈起了太空算力的未来。10 月 31 日，他在社交平台 X 预测，到 2028 年底左右，轨道算力的月度部署量可能超过地面，并在 2029 年大幅领先。
当地面拥有成熟的数据中心，人类为什么还要把如此庞大的算力送上太空？
01 太空算力竞速
谷歌并非第一家让 AI 在太空运行的企业。
2025 年 11 月，美国初创公司 Starcloud 将搭载英伟达 H100 GPU 的卫星送入轨道，随后宣布运行谷歌 Gemma 模型，并利用 nanoGPT 完成小规模语言模型训练。
谷歌此次使用的是自家 TPU 芯片。这颗由美国卫星企业 Planet 参与研制的卫星，于 10 月 1 日入轨，属于谷歌 " 捕日者计划 " 的先期试验。
虽然实验成功了，卫星的计算能力却相当有限。
据 TechCrunch 报道，它搭载四颗 TPU，太阳能发电功率最高约 1 千瓦，受供电限制，每次只能启动一颗芯片。单次运行约 20 分钟，还需要配合地面站的通信窗口，才能将结果传回地球。
谷歌计划继续测试芯片在太空辐射和温度变化下的可靠性，并于 2027 年开展双星互联试验，让两颗卫星尝试通过激光通信交换数据，为未来多星协同计算任务做准备。
而在 SpaceX 和蓝色起源的规划中，轨道计算早已超出单星试验的规模。两家公司分别向美国联邦通信委员会申请部署最多 100 万颗和 51600 颗计算卫星，试图将轨道计算发展成新的基础设施。
只是，让一颗卫星运行 AI，和让成千上万颗卫星持续提供算力，难度显然不同。更何况，地面数据中心已经发展多年。太空算力要进入这个市场，必须先找到自己的优势。
02 太空算力的代价
马斯克为什么看好太空？一个重要原因是电力。
国际能源署预计，全球数据中心年耗电量将从 2025 年的 485 太瓦时增长至 2030 年的 950 太瓦时，接近翻倍。
大型 AI 数据中心需要持续、集中的电力供应，但发电设施和电网扩容都需要时间。即使一个地区并不缺电，也未必能立即为新增数据中心提供足够的接入容量。
太空没有这样的电网限制。
在晨昏太阳同步轨道上，卫星沿着接近地球昼夜分界线的方向运行，可以获得接近持续的日照。谷歌研究认为，在特定条件下，轨道太阳能电池板的年发电量最高可达到地面中纬度地区的八倍。
可太阳能虽然充足，计算设备却不能直接搬到太空就开始工作。
地面服务器可以用风扇、冷却液带走热量，太空没有空气对流，芯片产生的废热主要依靠散热器向外辐射。算力规模越大，散热系统通常也越庞大，而这些设备都需要火箭运输。
维修同样麻烦。地面服务器坏了可以更换部件，在轨计算设备却很难获得这样的维护条件，严重故障甚至可能让整颗卫星提前报废。
波士顿咨询集团（BCG）今年 8 月估计，轨道数据中心 20 年总拥有成本约为每兆瓦 6.6 亿至 7.5 亿美元，地面为 2.3 亿至 3 亿美元，涵盖建设、运行维护和设备更换等长期支出。
即使未来发射成本降低 67%、卫星单位算力质量下降 50%，轨道计算仍然受到设备故障率影响。按照 BCG 的模型，故障率为 30% 时，成本约为地面的 1.8 倍；降至 10%，才能缩小到 1.5 倍。
如果还要向地面用户提供服务，计算任务和结果必须通过卫星通信链路传输。尤其是批量生产视频等数据量较大的业务，通信带宽和频谱资源也可能限制服务规模。
太空有充足的阳光，却需要为运输、散热和通信付出额外代价。即使未来成本逐步下降，也未必所有 AI 计算都适合搬上去。
03 算力该去哪里
最容易理解的太空计算需求，来自卫星本身。
2025 年 5 月，之江实验室牵头建设的 " 三体计算星座 " 首批 12 颗卫星入轨。截至今年 9 月公开披露时，星座已有 16 颗在轨卫星、25 个人工智能模型，总算力达到 5.8 POPS。
其中，两颗搭载宇宙 X 射线偏振探测器的卫星，利用天基天文时域模型对伽马射线暴进行在轨判定与分类，相关验证的事件识别准确率达到 99%。
这类计算有很实际的用途。例如遥感卫星拍摄了大量海洋图像，用户可能只想知道有没有异常船只。如果卫星能够直接识别目标，就可以优先传回分析结果，减少原始图像下传。
中国已经开始尝试把这种能力变成可以调用的算力服务。
10 月 30 日，北京太空算力创新中心发布天地一体化太空算力云平台，宣布覆盖 40 余颗卫星算力资源，支持地面与轨道计算设备统一调度，并开展大模型推理。
简单理解，用户可以通过平台提交任务，由系统安排计算资源。不过，实际使用规模和计算成本仍缺少充分的公开数据，长期商业需求还有待验证。
比卫星自身产生的数据更庞大的潜在市场，可能来自地面 AI 推理。
BCG 认为，批量视频生成、企业文档处理、科学分析等任务，未来可能适合放到太空完成。比如制作一批广告视频，客户未必需要几秒钟就获得结果，只要价格合适、交付稳定，也可能接受由轨道数据中心完成计算。
BCG 估计，到 2030 年，这类可以容忍一定时延的推理任务，可能占全球 AI 数据中心市场的 40% 至 45%。这只是潜在可服务市场，并不意味着其中相应比例一定会转移到太空。
相比之下，实时 AI 对话对响应速度要求更高，大模型训练则需要大量芯片高速交换数据，现阶段仍更适合地面数据中心。
如果部分地面计算任务最终能够以合理成本迁移到轨道，商业航天面对的就可能是一个远比传统卫星数据处理更大的市场。
04 轨道上的新生意
马斯克显然相信，这一天不会太远。
10 月 31 日，他的预测出现在一份相当惊人的 SpaceX 收入模型下面。红杉资本合伙人 Shaun Maguire 认为，SpaceX 的年收入可能从 2026 年的 515 亿美元增长至 2028 年的 7310 亿美元，其中相当一部分增长来自设想中的 AI 计算业务。
马斯克觉得，这个预测仍然保守。他随即谈起轨道算力，认为 2029 年的月度部署速度还将进一步超过地面。
这番话也有资本市场背景。今年 6 月，SpaceX 登陆纳斯达克，轨道 AI 算力成为其长期增长战略的一部分。投资者自然关心，火箭和星链之外，这家公司还能创造多大的新市场。
SpaceX 确实有其他算力企业难以复制的条件。它自己制造卫星、发射火箭，还运营着星链网络。如果这些能力都用于建设轨道数据中心，许多原本需要向外部采购的服务便可以由内部完成。
马斯克尤其寄望于星舰。只有大型可复用火箭实现低成本、高频发射，成千上万颗计算卫星的部署才有机会形成规模。
但即使运费足够便宜，太空也无法无限容纳卫星。
SpaceX 申请的百万颗计算卫星，计划运行在 500 至 2000 公里高度范围。如此庞大的星座会增加碰撞规避、空间碎片治理和频谱协调的压力，也可能干扰天文观测。
航天领域有一个著名的凯斯勒效应：卫星碰撞产生碎片，碎片又撞上其他卫星，最终可能形成连锁反应，让部分轨道长期难以安全使用。
火箭发射和卫星制造的成本由企业承担，轨道拥挤带来的风险却可能影响所有使用这片空间的航天器。
相对马斯克对 2029 年的乐观判断，BCG 给出了更长的时间表：到 2040 年，轨道数据中心可能占全球 AI 数据中心市场的 10% 至 15%。这一预测同样建立在发射成本下降、计算技术成熟以及部分地面任务迁移等假设上。
从谷歌的一首太空诗，到 SpaceX 规划中的百万颗计算卫星，轨道算力已经吸引了大量技术投入和资本关注。如果未来低成本发射能够成为现实，太空确实有机会承接更多 AI 计算任务。但随着计算卫星不断增加，轨道拥挤和空间环境风险也将日益突出。
地面数据中心受到电力和土地的限制，太空数据中心同样需要面对自己的资源约束。技术可以推动算力进入轨道，却无法让近地轨道成为取之不尽的空间。
