为什么是太空：太阳能，以及一个很远的假设

Google 在官方博客里把动机写得很克制：卫星不缺太阳，所以如果 AI 硬件能在轨可靠运行，太空就可能成为大规模机器学习基础设施的候选场地。Project Suncatcher 就是为回答这个问题而设的研究项目，9 月 24 日公布的是它的第一次在轨测试。

这次上天测什么

  • 发射段：低轨之旅约 10 分钟，整星承受持续过载，而像 TPU 这样的单个部件可能经历 50 至 100 g 的力；团队在地面用三轴振动台模拟过火箭频率，官方说硬件撑住了，他们自己都觉得意外；
  • 辐射：在地面用 UC Davis Crocker 核实验室的质子束，一边打一边跑真实 AI 负载，观察位翻转这类错误对任务的影响。官方给出的初步结论是 Trillium TPU 表现相当稳，能承受超过五年太空任务累积的电离总剂量；
  • 热：真空里没有空气可以带走热量，团队用热管加散热器的组合，先在地面热真空舱验证，再拿到轨道上看真实表现。

后面还有两道更难的关

官方路线图里写着两件事：未来的卫星设计每颗要带数十颗 TPU，并以星群方式绕地运行；星与星之间要靠激光通信维持带宽。难点在于现有最先进的空间激光系统是为「远距离低带宽」优化的，而星群需要「极短距离极高带宽」，精度要求被官方形容为「隔着几英里打中一枚硬币、而且两边都在动」。这一步的验证安排在 2027 年——届时会有两颗卫星在轨。

它现在不是算力新闻

要注意这次任务的性质：它是数据采集，不是服务上线。首飞的目的就是把地面测不到的部分测出来，官方也明确说未来设计还会根据这次学到的改。也就是说，短期内太空算力不会改变任何团队的推理账单；把它当成趋势去调整采购或架构，是过早的。

可以照抄的是它的验证顺序

这份公告最有参考价值的地方是验收顺序：先做机械与热真空，再做辐射下的真实负载测试，最后才谈性能。任何把 AI 推到非受控环境的部署（边缘机柜、车载、工控、户外）都可以套用同一套顺序——环境应力过不了，后面的优化都是空谈。

先回答「芯片扛不扛得住」，再谈「能不能跑 AI」——这个顺序在太空和在你的机房里都成立。