10 月 1 日，一枚猎鹰 9 号火箭从范登堡太空军基地升空，执行 SpaceX 的 Transporter-18 拼车发射任务。在一堆小型卫星里，藏着一颗由地球影像公司 Planet 参与建造的原型卫星——它携带着 4 颗谷歌自研 TPU 芯片进入太阳同步轨道，任务是验证这些为地面数据中心而生的芯片，能否在辐射、振动和真空环境里继续干活。这是谷歌"捕日者计划"（Project Suncatcher）的第一颗原型星，也是云端巨头第一次把自家 AI 加速器送进太空。
几乎在同一时间，另外两场更大胆的"上天"计划正在铺开：SpaceX 被曝正推进名为 Starmind 的轨道 AI 数据中心项目，规划最多 100 万颗 AI 卫星；中国的"星算"计划则在 9 月 1 日送出了 02 组首批 8 颗计算卫星。当地面数据中心越来越"吃电、吃水、吃地"，把机房搬上太空正从科幻脚本变成一场多国参与的真实竞速。
谷歌先落一子：4 颗 TPU 进同步轨道，每次只能跑 15 分钟
按照谷歌官方博客与多家美国科技媒体的披露，这颗原型卫星的核心任务不是"算得快"，而是"活下来"。入轨之前，团队把卫星放在三轴振动台上反复摇晃，模拟火箭发射约 10 分钟的剧烈振动——单个部件在发射过程中承受的力最高可达 50 到 100 倍重力；芯片还被送进质子束设施，在运行 AI 工作负载的同时接受空间辐射轰击。在轨期间，4 颗 TPU 将运行谷歌的开源 Gemma 模型回答简单问题，每次连续运行约 15 分钟。
15 分钟的瓶颈指向同一个敌人：散热。太空中没有空气对流，谷歌在技术材料中把芯片冷却称为"关键研究挑战"，正在测试管道加辐射散热器的组合方案；辐射器也是当前任务中最重的部件，而更重的载荷意味着更贵的发射费用。项目高级总监特拉维斯·比尔斯（Travis Beals）给出的逻辑很直白：太阳贡献了太阳系几乎全部的能量，"这个项目在某种程度上，就是找到用太阳能运行 AI 算力的最佳方式"。由于卫星运行在太阳同步轨道，光伏板几乎永远晒得到太阳，连重型备用电池都可以省下。
谷歌对这一定性非常谨慎：这是一次"最小化的可行性测试"，目标是在轨运行一年。按照规划，明年公司将再发射两颗原型卫星，专门测试卫星之间的激光互联；更远期的蓝图，是在约 650 公里高的轨道上部署 81 颗卫星紧密编队，组成太阳能驱动、星间激光互联的分布式天基算力集群。这一概念最早在 2025 年 11 月的研究博客中对外披露。
SpaceX 更激进：Starmind 盯上 100 万颗卫星和 1 太瓦
相比谷歌的研究口径，SpaceX 的胃口大得多。据科技媒体披露的方案，这家公司已启动名为 Starmind 的轨道 AI 数据中心项目，计划构建一个由最多 100 万颗 AI 卫星组成的轨道数据中心，目标在 2027 年底实现年化 1 吉瓦的太空 AI 算力部署，并最终迈向 1 太瓦。作为对照，1 吉瓦大约相当于一座大型核电机组的输出功率。
2026 年 6 月披露的 AI1 卫星方案显示，其翼展约 70 米的光伏阵列可支持约 120 千瓦的平均计算载荷，模块化的计算载荷架构可以容纳不同厂商的 AI 芯片；星链已经铺开的高速星间激光链路，则被顺势用作空间数据传输的骨干网。一边是谷歌"两颗两颗发着验证"，一边是 SpaceX"按吉瓦做规划"，两种路线图的差别，本身就是这场竞赛最真实的注脚。
中国"星算"与全球创业公司：太空机房赛道不止两家
中国的进度同样不慢。9 月 1 日，国星宇航公司为"星算"计划 02 组首批 8 颗计算卫星举行出征仪式，这些卫星搭载自主可控的算力模块，入轨后与 01 组卫星协同组网，完善天地一体化算力网络；按照规划，"星算"将在 2035 年前完成 2800 颗卫星组网，建成一个覆盖全球的太空数据中心。
创业公司则把"在轨算力"往前推了一大步。Starcloud 的 Starcloud-1 在 2025 年 11 月发射时，就直接搭载了为地面 AI 数据中心设计的英伟达 H100，并在轨运行了 Gemma 模型、训练了安德烈·卡帕西（Andrej Karpathy）的 nanoGPT，英伟达称其算力约为此前任何太空 GPU 载荷的 100 倍；规划中的 Starcloud-2 是一颗 8 千瓦级的计算卫星，预计 2027 年全面运行。Aethero 用 Deimos 任务验证了在轨推理与软件更新，2026 年 3 月发射的 Phobos 卫星搭载 Jetson Orin NX，算力最高 157 TOPS，其下一颗 Titan 卫星试图把 Jetson Thor 模块集群到 16000 TFLOPS——不过这只是公司目标，最早也要等到 2027 年二季度。商业空间站玩家 Axiom 则在国际空间站和两个自由飞行节点上部署了云原生计算节点，并披露了 2.5Gbps 的光学链路。
芯片厂商已经就位。英伟达发布了面向太空环境的 Space-1 Vera Rubin Module，用于空间推理的 AI 算力最高约为 H100 的 25 倍，同时把 CUDA 生态向轨道延伸；美国《确保美国太空优势》行政令也提出，2030 年前建立永久性月球前哨站的初步要素，并让月面核反应堆具备为深空探测供能的准备。从芯片、火箭到星座，天基算力的技术栈正在一层层补齐。
为什么非得上天？地面数据中心撞上电、水、土地三重墙
把机房送上天不是工程师的浪漫，而是被地面瓶颈逼出来的想象。据联合国预测，到 2030 年，全球地面数据中心的用电需求预计将达到 945 太瓦时，约占全球电力需求的 3%；耗水量相当于 13 亿人一年的基本生活用水；占地面积将超过 14500 平方公里。土地、能耗、散热，是悬在每一座地面数据中心头上的三重枷锁。
太空提供了另一种解法：轨道上的太阳能几乎不受昼夜与天气干扰，太阳能板在轨发电效率最高可达地面的 8 倍；真空环境本身就是天然的散热场；卫星不占用地面土地，冷却所需的辐射器虽然沉重，却省下了地面机房巨额的降温用水。谷歌 2026 年环境报告承认，AI 驱动的数据中心耗电创下历史新高，无碳电力占比反而从 66% 微降到 65%——在净零承诺与算力饥渴之间，上天成了最激进的那个解法。
冷思考：在轨算力还有几道坎没迈过
第一道是工程坎。除了辐射和振动，散热器增重直接推高发射成本，星间激光链路需要极高精度的捕获、瞄准与跟踪，在轨维修更几乎无从谈起——任何一颗卫星宕机，都只能等待下一年度的补网发射。谷歌自己也强调，当前任务只是确认"芯片能在太空运行"，距离可用的计算集群还有距离。
第二道是数据坎。截至目前，没有任何在轨算力载荷公布过云买家真正需要的基准：持续的每秒 token 吞吐、单任务能耗、热节流曲线、错误率和有效在线时间，全部缺失。一次成功的模型运行只证明"可行"，而要成为有竞争力的云服务，需要日复一日的稳定性能。卡内基梅隆大学教授布兰登·卢西亚（Brandon Lucia）的评价颇为中肯：这个想法听起来"非常科幻"，但其中大部分技术已经在研究层面被证明。
第三道是经济坎。100 万颗卫星、1 太瓦的叙事足够震撼，但发射成本、在轨运维和供应链都是硬约束；谷歌并未说明 Suncatcher 何时（甚至是否）会从原型走向运营系统。更现实的图景或许是天地混合：对延迟敏感的实时推理继续留在地面，对延迟不敏感的训练与批处理任务，逐步向轨道迁移。
把视线拉回地面：开源模型、额度调整与机器人 API 接连上桌
太空竞速之外，地表侧同样热闹。蚂蚁百灵在 10 月 28 日把"中国版 Muse"背后的模型开源了：Ling-3.1-flash-1019 及其基座 Ling-3.1-flash-base 同步上架 Hugging Face 与魔搭社区，采用 MIT 许可。两款模型总参数 5600 亿、每个 token 激活约 250 亿；1019 版在 Artificial Analysis 智能指数 v4.3.2 中拿到 44 分，位列同规模开放权重模型第 4，复杂知识工作测试 AA-Briefcase 从约 1400 Elo 升至 1521 Elo，流程自动化测试 AutomationBench 从 62% 升至 68%。代价同样清晰：单任务平均成本从 1.01 美元涨到 1.49 美元，平均输出 token 增加超四成——"把一件事办完"是靠更长的思考换来的。与之配套的灵光 2.0 主打跨会话记忆、长程任务调度和独立云主机，视觉模型 Ling-3.1-flash-VL 已先行在灵光落地。
OpenAI 则在用户政策上连出两招：面向 ChatGPT Pro 与 Business 订阅者推出每月最高 500 美元的 API 额度，Pro 按订阅费等额返还、Business 按席位共享并封顶，额度到期清零；与此同时，Pro 各档位的使用额度官宣翻倍，而免费档的"重置"机制可能取消。对把 ChatGPT 当生产力工具的用户来说，订阅的价值正在被重新定价。
具身智能圈也有新玩家入场：今年 4 月成立的破壳机器人（PokeBot）在 10 月 30 日凌晨发布首款模型产品 RoboAPI，世界模型 Poke-Aurora 首次亮相，主打面向真实物理世界、可公开访问、开箱即用的具身 API。资本侧，零一万物宣布与杭州市、临平区达成合作，由市区两级国资合计投资数亿元，并将总部落地临平；柔性触觉传感企业矩侨工业完成蚂蚁领投的亿元 A 轮融资，把"电子皮肤"作为 Physical AI 的多模态感知底座。甚至内容行业也被搅动：被吐槽"降智"的 AI 短剧，靠 40 亿播放的《持械入宋》扳回一城。
从 650 公里高的同步轨道，到杭州临平的产业基地，AI 算力的竞赛正在同时向天上和地下延伸。短期内，太空数据中心仍是一张需要多年验证的远期支票；但它所指向的问题无比现实——当 AI 的胃口继续翻倍，人类得开始认真回答：下一座机房，究竟建在哪里。
暂无评论内容