当下的全球 ，正面临一个残酷现实：“真正的 AI 瓶颈不是 GPU，而是电力（Power）”。

近日,微软首席执行官Satya Nadella在采访时坦言，微软现在有大批英伟达的因为缺电放在仓库里积灰。同样的情况出现在谷歌数据中心，因电网限制被迫延期。

在此背景下，谷歌在本月正式启动一项名为“太阳捕手计划”（Project Suncatcher）的项目，宣布将自研 TPU AI 芯片送入太空，并且与卫星公司 Planet Labs 合作，在距地 650 公里的低地球轨道上构建 AI 计算集群。

看起来像是在技术炫技，实际上只是为了应对能源危机的抉择。

开头提到，来自地面电力体系的压力，是谷歌转向太空的直接动因。AI 算力的爆发式增长让数据中心能耗呈指数级飙升：2010 年全球数据中心耗电约 200 太瓦时，2024 年已逼近 500 太瓦时，预计 2030 年将占全球总发电量的 8%。OpenAI 训练 GPT-4 单次电耗超 1200 万千瓦时，相当于欧洲小城市月用电量；一个万卡 AI 集群运行功率就超过 7 兆瓦，绝非普通电网能承载。

谷歌自身的困境就更加明显：其欧洲新数据中心因电网接入问题多次延迟，而爱尔兰等数据中心密集地区已直接暂停新审批。

即便谷歌已将 Gemini 模型查询能耗一年内降低 33 倍，但 AI 应用的增长速度远超能效优化幅度，地面电力已严重阻碍了自家AI应用的发展。

相比之下，太阳每秒输出的能量是人类全球电力生产总量的 100 万亿倍以上。

按照谷歌的计划，在选定的晨昏太阳同步低地球轨道上，板不仅能获得地面 8 倍的能量密度，更能实现全年 99% 的持续供电，彻底摆脱昼夜与天气干扰。有意思的是，太空真空环境还能完美解决了地面数据中心的冷却难题，地面机房 35%-45% 的运营成本消耗在散热上，而太空中的辐射散热机制能让 TPU 芯片在无需复杂冷却系统的情况下维持稳定运行。

这样一来，太空的数据中心可以不将电能传回地面，而是直接在太空完成计算仅回传结果，大幅提升了方案可行性。

报道称，目前的TPU 芯片已经实现了太空适配性突破，谷歌专为该计划定制的 Trillium（TPU v6e）芯片，已通过 67 兆电子伏质子束的严苛测试：在承受 15krad 的辐射剂量时未出现硬件故障，即便最敏感的高带宽内存（HBM）子系统，也能在 2krad 的剂量下保持稳定。

最后，为了构建规模化算力，谷歌设计了由 81 颗卫星组成的密集星座：在 650 公里轨道上以 100-200 米间距编队飞行，通过自由空间光学链路实现数据互联。地面测试已实现 1.6Tbps 的双向传输速率，采用密集波分复用技术后，单链路理论带宽可达 10Tbps，满足 AI 集群的低延迟通信需求。

当然，疯狂的计划背后也要算一笔经济账。谷歌的财务模型显示，当火箭发射成本降至每公斤 200 美元以下时，太空数据中心的综合成本将与地面持平。这里可以参照SpaceX 的星舰计划，花旗等机构预测 2035 年左右即可实现价格拐点。当前发射成本虽仍高达每公斤 1500-2900 美元，按 SpaceX 的曲线，累计发射质量每翻倍，成本就能下降 20%。

如果一切顺利，谷歌将在2027 年初与 Planet 公司合作发射的两颗原型卫星，用来验证 TPU 在轨运行稳定性、光学链路通信效率及分布式机器学习能力。

尽管散热材料优化、训练任务抗辐射等难题仍待攻克，但这一探索已为 AI 突破能源枷锁指明方向。