太空数据中心的概念早已不再局限于科幻小说。随着SpaceX、Blue Origin等公司纷纷入局,将太空用于计算基础设施的想法正在获得越来越多的关注。
然而,尽管无限太阳能、绕开地球电网限制等潜在优势颇具吸引力,成本、技术与运营可行性方面的挑战表明,前方仍是一段漫长的道路。
刚完成轰动性IPO的SpaceX,不仅因其发射业务和Starlink卫星网络备受瞩目,还因其将数据中心送入太空的计划而引发广泛关注。
该公司已向FCC申请批准一项太阳能驱动的太空数据中心星座计划,拟部署多达100万颗卫星,通过光学通信互联,并与Starlink整合,实现向地球的数据传输。
据《经济学人》的一篇报道,SpaceX首颗AI卫星的设计算力约等于传统数据中心的一个机柜。电力将由两组太阳能电池板提供,总翼展约70米,冷却则依靠约9米长的大型散热器。公司还计划大幅扩展Starlink制造设施,AI卫星的生产预计明年启动。
这一方案的吸引力不言而喻——太空可提供近乎无限的太阳能,无需面对本地许可审批,也不受日益制约地球数据中心发展的电网瓶颈影响。
然而,相关技术在很大程度上仍停留于理论层面。轨道数据中心从未实现商业规模部署,其经济可行性高度依赖于更低的发射成本,诸多运营挑战也尚未得到解决。
地面数据中心的补充而非替代
仲量联行(JLL)近期发布的一份报告,尝试分析轨道计算实现商业可行性所需具备的条件。报告认为,天基设施更可能是对地面数据中心的补充,而非取而代之。
目前,电网接入周期从孟买等市场的约两年,到日本部分受限地区的多达10年不等,这一挑战推动了投资者对替代方案的兴趣。
"大约一年前,当相关报道开始大量涌现时,我们的客户就开始询问太空数据中心的问题了,"仲量联行数据中心研究全球负责人Andrew Batson对《数据中心知识》表示,"主要是投资方客户在问。"
Batson表示,讨论的核心在于这一概念对现有基础设施投资可能产生的影响。
"投资者问的是:'这对我们在地球上的长期数据中心投资构成什么风险?'"他说。
AI训练是重要应用场景
即便在乐观情景下,仲量联行也不认为数字基础设施行业会大规模迁移至轨道。报告认为,某些特定工作负载可能比其他类型更适合在太空中运行。
AI训练、大规模仿真、批处理以及直接在轨道上产生的数据,通常对延迟不敏感,且需要消耗大量能源。实时推理和面向用户的应用则很可能仍需部署在更靠近地球用户的位置。
"最显而易见的应用场景就是AI训练,"Batson说。
然而,障碍依然巨大。辐射暴露、硬件更换、碎片风险、冷却系统、卫星生命周期以及发射成本,都是不可忽视的挑战。
报告指出,目前已有超过17,000颗卫星在轨运行,另有约44,000个被追踪的、尺寸超过10厘米的物体存在碰撞风险。
"另一个障碍是将技术送入太空的成本,这仍是一个关键门槛,"Batson说。
报告认为,每千克约500美元是轨道计算在成本上能与地面方案竞争的临界点。SpaceX的星舰项目目标发射成本约为每千克200美元,而目前猎鹰9号的成本约为每千克2,700美元。
太空数据中心竞赛加速
目前,仲量联行将轨道数据中心视为长期可能性,而非即将到来的转变。
"这不是一项明天就能就绪的技术,"Batson坦言。
他补充说,即便十年后,轨道设施在整体市场中也可能只占很小一部分,也许是总算力的5%到10%。
杰夫·贝索斯旗下的Blue Origin也已加入轨道计算竞争,于今年3月向FCC提交了"日出计划"方案,拟建设一个由51,600颗太阳同步卫星组成的天基数据中心网络,运行高度在地球上空500至1,800公里之间。
美国科技初创公司Orbital计划于2027年4月搭乘SpaceX猎鹰9号发射测试卫星,以验证持续GPU运算、辐射抗性以及轨道AI推理能力。
其他相关探索也在推进中,包括红帽与Axiom Space计划在国际空间站开展的轨道数据中心测试、Lonestar Data Holdings已成功完成的月球数据中心载荷任务,以及Rotonium推动研发天基量子计算机的努力。
Q&A
Q1:太空数据中心有哪些实际的应用场景?
A:根据仲量联行报告,太空数据中心最适合的应用场景包括AI训练、大规模仿真、批处理以及直接在轨道上产生的数据处理。这些工作负载对延迟不敏感,但需要消耗大量能源,恰好契合太空中近乎无限的太阳能供给优势。而实时推理和面向用户的应用,由于对延迟要求较高,仍会部署在靠近地球用户的位置。
Q2:SpaceX的太空数据中心计划具体是怎样的?
A:SpaceX已向FCC申请批准一项太阳能驱动的太空数据中心星座计划,拟部署多达100万颗卫星,通过光学通信互联,并与Starlink整合实现数据回传地球。首颗AI卫星的算力约等于传统数据中心的一个机柜,由两组总翼展约70米的太阳能电池板供电,并配备约9米长的散热器用于冷却,AI卫星生产预计明年启动。
Q3:太空数据中心在成本上能和地面数据中心竞争吗?
A:目前还难以实现。仲量联行报告指出,每千克约500美元是轨道计算具备成本竞争力的临界点。SpaceX星舰项目目标是将发射成本降至每千克约200美元,但目前猎鹰9号的成本仍约为每千克2,700美元,差距较大。整体来看,太空数据中心的经济可行性高度依赖发射成本的持续下降,短期内尚难形成商业竞争力。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。