新闻详情

新闻详情

首页 / 资讯中心 / 详情

谷歌把 TPU 送上了天:4 颗芯片、15 分钟,太空数据中心的第一次真刀真枪

发布时间:2026/11/15 21:49:20来源:尧图网络
谷歌把 TPU 送上了天:4 颗芯片、15 分钟,太空数据中心的第一次真刀真枪
一句话总结谷歌的太空 AI 算力计划 Project Suncatcher 从纸面论文走进了发射场——首颗原型卫星定档 10 月 1 日但只带 4 颗 TPU、每次跑 15 分钟愿景81 星组网与现状一次 15 分钟的验证之间隔着真空散热、轨道碎片和一本还没算平的经济账。先说你为什么该关心这事搞 AI 的这几天大概率被 GPU 抢不到、电费单和机柜温度告警折磨过——地面数据中心的三大件土地、电力、散热哪一件都在变得更贵。于是巨头们开始认真讨论一个听起来像科幻的点子把算力搬上天直接晒太阳。这不是段子。谷歌的 Project Suncatcher直译「捕光者」去年 11 月官宣当时只是一篇系统设计论文本周它迎来了第一个实打实的工程节点——首颗原型卫星定档 2026 年 10 月 1 日搭乘 SpaceX 的 Transporter-18 拼车任务发射合作方是卫星公司 Planet Labs。路透社和 Ars Technica 都核实了排期。想看一手资料 Google 官方项目页The Keyword 官宣 · 研究论文博客版 发射定档报道路透社 · Ars Technica怎么回事一次「克扣」到极致的首测先看这次发射到底带什么上去4 颗 TPU谷歌自研的 AI 加速芯片每次只运行 15 分钟。为什么这么小气各路报道没有给出官方解释 (uncertain)但合理的推断是这是纯粹的工程验证不是算力服务——要验证的核心问题只有一个TPU 这种为地面机房设计的芯片扛不扛得住太空环境。太空对电子设备有三重考验谷歌自己在官方科普页也大方列了出来辐射低地轨道穿越辐射带芯片随时可能被高能粒子翻转比特、击穿电路——谷歌称 TPU 已通过模拟低地轨道条件的辐射测试振动火箭发射阶段的力学环境远超机房标准真空散热这是被讨论最多的一关下面单说。顺带交代一下背景节奏项目 2025 年 11 月官宣时竞品 Starcloud 已经抢先一天把一颗搭载 NVIDIA H100 的卫星送上了轨道谷歌当时放出的规划是 2027 年初与 Planet 合作发射两颗原型星。现在首测提前到今年 10 月节奏明显在加快。谷歌 CEO Pichai 此前的表态是「2027 年开始把机器送上太空」——如今看时间表在往前赶。愿景有多大太阳能板效率 8 倍、81 颗卫星组网官方论文的逻辑链条是这样的太阳是太阳系终极能源——官方引用的说法是太阳辐射功率是人类总电力生产的100 万亿倍在合适的轨道上比如晨昏线太阳同步轨道几乎永不被地球影子挡住太阳能板发电效率可达地面的8 倍且近乎连续发电电池都省了大半于是设想把 TPU 装上太阳能卫星星与星之间用自由空间光链路就是激光通信不用光纤、直接在真空里打光连成分布式算力网络。远期蓝图的数据中心级想象是1 公里规模的卫星阵列、81 颗卫星组成一个计算集群。这个数字听起来宏大但要注意分寸它目前只存在于论文设想里没有工程分解没有成本模型——论文自己也承认星间光链路需要卫星近距离编队飞行来维持而这「需要相当大的在轨演示验证」。换句话说81 星是 PPT4 颗 TPU 才是现实。最大的两关真空散热和账单社区这次吵得比去年官宣时还热闹但焦点高度集中拆开看就两条。第一条真空散热。「太空很冷」是个流行的误解——真空里没有空气对流热量只能靠辐射慢慢散发。地球上的数据中心靠风冷液冷把每张 GPU 几百瓦的热量带走太空中这些热量必须靠专门的散热辐射板「晒」出去而辐射板会吃掉卫星宝贵的质量和面积预算。HN 上一条高赞评论来自自称航天从业者的人「轨道数据中心几乎不可能或极不实用至少按 AI 销售员卖的规模是这样。」Ars 的读者论坛里散热也是被追问最多的问题。官方论文对完整热预算着墨甚少 (uncertain)。**第二条经济性。**发射成本这几年确实降了不少这次就是拼车任务费用摊薄但每瓦在轨算力的成本依然比地面高出数量级。Reddit 上被顶得很高的吐槽是「这就是接近泡沫顶峰的证据——下一步扎克伯格和奥特曼就该宣布给 ChatGPT 造戴森球了。」也有相对温和的质疑想看看「到底是哪个信封背面算出来的账」。两关里散热是物理问题账单是数学问题。物理问题这次 15 分钟的首测至少能摸到边数学问题首测根本回答不了。谁在看好另一个赛道的声音把时间线拉长看质疑声大的同时这个赛道本身的玩家密度在快速上升Starcloud初创公司2025 年 11 月已把 H100 送入轨道并运行——单机验证先走了一步贝佐斯和马斯克都公开表达过「百年内太空算力」级别的设想对合作方 Planet Labs 来说81 星的潜在订单是实打实的商业利好其投资者社区对此相当兴奋当然这批讨论有明显的持仓利益相关参考时要注意。还有一个常被忽略的点谷歌入场本身就是信号。太空数据中心原本是初创公司的叙事巨头带着自研芯片和真实资金进来意味着这条路线至少通过了 Google 内部的立项评审——这不等于能成但说明它已经不是纯概念。把话说明白回到开头那个痛点地面机房抢不到电上天是不是出路把各方信息摆完图景大概是这样的——站得住的部分发射是真的、排期有 SpaceX 任务佐证、TPU 过了辐射测试、Google 的工程投入是真的「轨道太阳能效率 8 倍」这个物理事实也成立。有争议的部分从 4 颗 TPU × 15 分钟到 81 星组网之间隔着散热、星间激光组网、在轨维护、经济模型四座大山每一座都没有公开的工程解法社区主流意见尤其航天从业者认为规模化在可预见的未来不实用。没证实的部分4 颗 TPU 的具体型号、15 分钟窗口的原因、散热预算、以及最关键的——任何一版可信的成本平价测算统统没有公开 (uncertain)。对不同的人这意味着不同的东西做算力采购的地面方案在可见年限内依然是唯一现实选项关心 AI 基础设施走向的值得把 Suncatcher 的每次在轨数据当成赛道温度计写代码的各位短期唯一的影响大概是——你的训练任务暂时还不用担心被安排到离地 550 公里的地方跑。参考来源Google 官方项目页一手/官方— https://blog.google/innovation-and-ai/technology/research/google-project-suncatcher/Google Research 论文博客一手/官方— https://research.google/blog/exploring-a-space-based-scalable-ai-infrastructure-system-design/路透社发射定档报道权威媒体— https://www.reuters.com/business/media-telecom/google-plans-first-test-ai-chips-space-under-project-suncatcher-2026-09-24/Ars Technica 首测细节报道权威媒体— https://arstechnica.com/google/2026/09/googles-first-suncatcher-orbital-data-center-test-launches-october-1/DCD81 星集群与 1km 阵列设想垂直媒体— https://www.datacenterdynamics.com/en/news/project-suncatcher-google-to-launch-tpus-into-orbit-with-planet-labs-envisions-1km-arrays-of-81-satellite-compute-clusters/Hacker News航天从业者的可行性批判社区— https://news.ycombinator.com/item?id48414582OFweekStarcloud 携 H100 先行入轨的竞品脉络垂直媒体中文— https://www.ofweek.com/ai/2025-11/ART-201714-8130-30673752.html
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 2026/11/15 4:54:16

【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 2026/11/15 2:04:12

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 2026/11/14 10:11:15

【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 ... 2026/11/14 17:14:38

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 2026/11/14 16:35:50

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 2026/11/15 4:06:36

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
📞 ✉