新闻详情

新闻详情

首页 / 资讯中心 / 详情

把数据中心搬上天:谷歌“太阳捕手计划“即将发射首颗TPU卫星,太空算力竞赛正式打响

发布时间:2026/11/13 10:36:00来源:尧图网络
把数据中心搬上天:谷歌“太阳捕手计划“即将发射首颗TPU卫星,太空算力竞赛正式打响
一台普通冰箱大小的卫星将在不久后把四颗谷歌自研的TPU芯片送入近地轨道。这不是科幻电影的桥段而是谷歌刚刚敲定的真实行程——代号MVP的原型卫星已确定搭乘SpaceX猎鹰9号火箭的Transporter-18拼车任务从范登堡太空军基地升空。谷歌在9月24日发布的官方更新中确认这次发射标志着太阳捕手计划Project Suncatcher从纸面研究正式迈入在轨验证阶段。回溯这个计划的起源时间要拨回到2025年11月。当时谷歌首席执行官桑达尔·皮查伊将其称为一项全新的登月计划核心构想直白而大胆让搭载TPU芯片的太阳能卫星在近地轨道组网把机器学习基础设施直接建在太空。选择太空的理由几乎无可辩驳——在合适的轨道上卫星几乎全年无休地沐浴在阳光里同等面积的太阳能板发电效率可以达到地面上的八倍。更诱人的是轨道数据中心完全不占用土地不消耗冷却用水也不必挤占早已吃紧的地球电网。当然把精密的AI芯片扔进宇宙远比把它放进恒温机房要残酷得多。为了让TPU在太空中活下来谷歌的工程师们至少闯过了三道鬼门关。第一道关来自火箭升空的那十分钟。发射过程中芯片要承受50到100G的加速度和剧烈振动足以让任何娇贵的电子元件粉身碎骨。进入轨道后真正的持久战才刚开始——宇宙射线和太阳风暴随时可能在芯片内部制造灾难性的比特翻转。为此谷歌团队把第六代Trillium TPU送上了加州大学戴维斯分校的粒子加速器用质子束进行模拟轰击。测试结果令人振奋芯片顺利扛住了相当于五年太空任务累积剂量的辐射考验全程没有出现硬故障。第二道关是散热。AI处理器全力运转时发热惊人而太空是真空环境地面上习以为常的风扇对流冷却彻底失效热量只能靠热管和辐射板一点点晾出去。谷歌为此研制了结合热管与精密散热器的复合冷却架构并在热真空舱内反复验证。据透露这次升空的MVP卫星功率仅约1千瓦——大致相当于一台微波炉芯片每次只能连续运行15分钟左右就必须停下来歇口气让散热器追上来。第三道关则是卫星之间的对话。未来的轨道数据中心将由数十颗卫星组成编队彼此通过激光链路共享海量数据。这与传统卫星通信截然不同AI计算需要的是超短距离、超高带宽的传输激光束要在卫星高速飞行中精准命中数英里外硬币大小的接收端。实验室里谷歌已经用单对收发器实现了1.6Tbps的传输速率。按照规划2027年发射的两颗原型卫星将对这套星间光通信系统进行严格的在轨实测。放眼全球这场太空算力竞赛早已硝烟弥漫。SpaceX在2026年初向美国联邦通信委员会提交了规模高达百万颗轨道数据中心卫星的申请蓝色起源的日出计划也规划了五万余颗算力卫星。中国同样没有缺席——2025年5月之江实验室与国星宇航合作发射的12颗三体计算星座算力卫星已在轨组网。当谷歌用拼车火箭把第一批芯片送上天时整个行业的目光都已锁定同一片星空。不过冷静的声音同样存在。谷歌自己算过一笔账目前向近地轨道运送物资的成本约为每公斤3600美元而要让太空数据中心在成本上真正与地面掰手腕这个数字得降到200美元以下。乐观估计这一平衡点可能在2035年前后到来前提是可复用火箭的运力实现指数级增长。谷歌研究与技术社会事务高级副总裁James Manyika也坦言未来几年内这项计划不会产出任何真正可用的商业成果。但这恰恰是登月计划的意义所在。当AI的胃口越来越大地球的土地、电力和水资源愈发捉襟见肘时把计算的边界推向宇宙至少提供了一种不依赖地球电网的想象空间。从1969年阿波罗飞船的计算机到今天装进冰箱大小卫星里的四颗TPU人类把算力送上天的梦想从未熄灭。10月1日的这次发射或许只是万里长征的第一步但orbit上的第一缕太阳光已经照亮了下一代基础设施的轮廓。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉