研究

Google 在軌 TPU 回傳第一首 AI 俳句,太空資料中心跨過 Hello World

Google 的 Project Suncatcher 原型衛星完成首次在軌 AI 推論,用星上的 Gemma 4 模型寫出一首俳句並回傳地面。這批 TPU 一次只能開一顆、每次約 20 分鐘,接下來要驗證輻射與熱應力。

陳柏宇陳柏宇
熱度:1,750
Google 在軌 TPU 回傳第一首 AI 俳句,太空資料中心跨過 Hello World

一顆晶片、二十分鐘、一首俳句。Google 的原型衛星回傳了第一段由在軌 TPU 生成的文字,太空資料中心從圖紙走到實測,也第一次有了可驗證的成績。

Project Suncatcher 是什麼:把 TPU 送上軌道的實驗

Google 在 2026 年 10 月 1 日把 Project Suncatcher 的原型衛星送上軌道,搭乘 SpaceX 的 Falcon 9,同批還有 100 多艘太空載具。

衛星上裝了 4 顆 TPU。TPU 是張量處理單元,Google 自己設計、專門跑機器學習運算的晶片,平常待在資料中心裡。這顆衛星的發電功率最高約 1 千瓦。

功率就是限制所在。1 千瓦大約等於一台吹風機的耗電量,用這點電去推一顆資料中心級的 AI 晶片,能做的事很有限。所以一次只開 1 顆,每次約 20 分鐘。這個細節說明現在的實驗規模有多大,也說明離商用還有多遠。

先把兩個常被混用的詞分清楚。推論是指模型訓練完成之後,拿來回答問題、生成內容的過程;訓練則是用大量資料調整模型參數。太空環境對兩者的影響程度不同,後面的輻射測試要分開看,原因就在這裡。

三週調機之後,第一次收到 AI 回覆

接下來三週,團隊處理供電、TPU 托盤,以及早期的機器學習測試。本週完成他們口中的「Hello World」里程碑:第一次從在軌的資料中心級 TPU 取得 AI 回覆。

過程不太浪漫。地面站在一次過境窗口,把第一道指令上傳給衛星上預先安裝的 Gemma 4 開源模型,要它寫一首關於身處太空的俳句。衛星飛到挪威斯瓦爾巴(Svalbard)地面站上空時,把結果傳回地面。

過境窗口是這裡的節奏來源。衛星繞地球一圈,只有幾分鐘會落在某個地面站的訊號範圍內,錯過就等下一圈。為了這幾分鐘,團隊得先排好指令、確認供電狀態,任何一個環節出錯,整趟就白跑。

回傳的句子是這樣:

Blue marble below / Data streams in silent grace / Starlight feeds my core.

之後團隊又測了太空主題的打油詩,以及回報載荷系統技術狀態的遙測指令。Google 發言人對 TechCrunch 表示,衛星運作正常。

為什麼要把資料中心放上太空:電力與散熱

多數人第一次聽到這個題目,會以為答案跟延遲有關,其實相反。衛星離使用者更遠,訊號來回一趟並不會更快。真正的理由是地面資料中心愈來愈難解決的兩件事:電從哪裡來,熱往哪裡去。

太空有幾乎不間斷的日照可以發電,環境溫度低,散熱的條件比在地面機房好。Google 對這件事的定位放得很遠,他們設計的是 2030 年代才會划算的基礎設施,不是明年要上線的服務。

這個定位值得記住。它代表現在的每一次測試,目的都是驗證物理條件與工程假設,不是在衝商業里程碑。

把資料中心送上天還有一個容易被忽略的好處:模組化。地面機房要配合土地、電力、水資源與地方審批,一蓋就是好幾年;在軌道上的算力單元只要能發射上去,理論上可以一顆一顆加。前提是發射成本夠低,這點後面會談。

真正的難關:熱應力與輻射造成的位元翻轉

下一步要測 TPU 在熱應力與空間輻射下的表現。

太空沒有大氣層幫忙擋宇宙射線,高能粒子打到晶片上,可能讓某個位元從 0 翻成 1,這叫位元翻轉。麻煩的是它不會觸發常規監控,資料被改掉了,系統還以為自己算得沒錯。

團隊在地面用粒子加速器做過測試,結果顯示輻射對推論的影響比較小,對訓練的影響比較大。這個結論現在要拿到真實環境驗證,因為衛星上的環境比加速器複雜。

2027 年的兩顆衛星與星間光鏈路

如果這批 TPU 的表現達標,Google 計畫在 2027 年發射兩顆搭載更先進晶片的衛星,支援更高的發電功率,並示範星間光鏈路。

星間光鏈路指的是衛星與衛星之間用雷射直接通訊。Google 想靠它把多顆衛星串成一個可以協同運算的整體,內部把這種做法叫「同調分散式負載」,意思是多顆衛星像同一個系統在算。

對照其他隊伍,路線差別就出來了。SpaceX 的資料中心同樣用雷射鏈路,但軌道間距太遠,很難共享算力。Starcloud、Cowboy Space 這些公司則是把推論放在單顆衛星上跑完,不做跨衛星協作。

三條路線沒有對錯,取決於你想解決的是供電、頻寬,還是算力規模。

成本還沒算完:Starship 要飛 1,800 次?

技術之外還有一道算術題。

Suncatcher 團隊先前的同儕審查分析估算,SpaceX 需要讓 Starship 飛大約 1,800 次,才能得到類似早期火箭那條學習曲線的降本效果。TechCrunch 在 10 月 1 日的報導標題寫 1,600 次,正文寫 1,800 次,引用時最好註明這是估算值。

Alphabet 持有 SpaceX 的重要股份,這層關係讓「發射成本」對 Google 來說不完全是外部變數。即使如此,1,800 次發射仍是一個非常遠的目標,而這個數字還是建立在「每次都能重複使用、且維修成本壓得下來」的假設上。

這也是為什麼 Suncatcher 的成果要跟時間表一起讀。晶片能跑,只代表技術可行;要讓成本可行,得等整條發射產業鏈把價格壓下來。

這只是開場,還不是商用

把成果放回比例尺上:一顆晶片、20 分鐘、一首三行詩。這就是目前太空 AI 推論的全部成績。

它證明的事情有限,但關鍵:資料中心級的晶片在軌道上能開機、能接收指令、能跑完模型、能把結果傳回地面。這四個環節過去都只是紙上推演。

接下來一年,值得盯的是輻射測試的結果,以及 2027 年那兩顆衛星能不能把發電功率與星間鏈路一起做出來。任何一項沒過,時間表就會再往後推。

分享這則新聞

來源

相關 AI 新聞

同心螺旋曲線被一條垂直線穿過,線上釘著幾顆亮點
研究

Claude 被宣稱證出黎曼猜想,幾小時後 Stanford 拿出人類版本

一位受雇於 Anthropic 的數學家在個人網站貼出宣告,公司沒有背書。幾小時後,Stanford 丟出人類版本,兩份稿子都還沒被學界接受。

熱度:1,860
一疊以路徑相連的代理節點通往伺服器機櫃,機櫃上有鑰匙孔與破口標記
研究

AI agent 花 11 分鐘打穿大學伺服器,Cairn 找到 MONAI Label 的零日漏洞

操作者只交代了一句「想辦法拿到 shell」,方法留給代理自己決定。真正值得讀的,是成功之前那 148 次失敗。

熱度:1,520
漏斗把小型詞元方塊從一個模型盒送到另一個,中間有一塊盾牌擋住部分流量
研究

OpenAI 把推理被竊的成功率從 54% 壓到 0.2%,但這是自家黑箱測試

一組內部紅隊數字,說明保護思維鏈有多難,也說明為什麼 OpenAI 要把這件事拉到國家安全層級來談。

熱度:1,420
綠色晶片格狀圖,其中一格被標亮,旁邊是一條鋸齒訊號線,寫著 Blackwell fingerprints
研究

Blackwell 指紋鑑識:六個中國模型的權重洩漏了它們用哪張卡

訓練開始前,GPU 把數十億個空位填成隨機數字,填的方式會留下核心數的痕跡。有人把這道痕跡從六個中國模型的權重裡挖出來,24 個對照模型全部命中。

熱度:1,250