谷歌的 Project Suncatcher 将在 SpaceX Transporter-18 拼车任务中发射一颗搭载 Trillium TPU 的原型卫星，进行在轨振动、辐射和散热测试以验证芯片与散热系统在太空环境下的可行性。此次任务是对将来可能把 AI 计算搬上轨道的关键硬件生存性检验，但商业化和大规模部署仍受发射成本、可靠性与轨道监管等挑战制约。
谷歌正在把“太空数据中心”从一份研究设想推进到第一次在轨测试。公司 9 月 24 日发布的最新说明称，Project Suncatcher 将搭载一颗原型卫星参加 SpaceX 的 Transporter-18 拼车任务，测试谷歌 Tensor Processing Unit（TPU）在低地球轨道中的抗振动、抗辐射和散热能力。
这不是一座已经投入运营的轨道数据中心，也不是谷歌宣布了商业化部署。它更像一次硬件生存实验：如果芯片和卫星平台无法在真实太空环境中稳定工作，后续关于“把大规模机器学习基础设施搬到轨道”的设想就无从谈起。
第一步不是训练大模型，而是让芯片活下来
谷歌在 Project Suncatcher 最新项目说明 中说，这次任务由 Planet 参与开发，重点收集 TPU 在太空物理环境中的数据。卫星发射时将承受剧烈振动和加速度，进入轨道后还要面对真空、辐射和极端温度变化。
谷歌表示，火箭飞行大约持续 10 分钟，航天器承受的加速度最高可达 10 倍重力，而卫星内部的单个部件可能承受更高的瞬时载荷。为此，团队沿三个轴对卫星进行了振动测试，模拟发射过程中的频率和冲击。
辐射测试则在加州大学戴维斯分校 Crocker 核实验室进行。研究人员在运行 AI 工作负载的同时，用质子束照射 Trillium TPU，观察位翻转等错误是否会影响计算。谷歌称，初步结果显示，Trillium 可以承受高于五年太空任务预期的总电离剂量，但这仍不能替代真正的在轨测试。
《纽约时报》9 月 24 日报道，谷歌目前名为 MVP 的冰箱大小卫星计划于 10 月 1 日搭载 SpaceX Falcon 9 火箭，从加州范登堡太空军基地发射。谷歌的官方表述是“下周”进行首次在轨测试，因此两者对应的是同一项近期任务；具体发射时间仍应以发射方后续安排为准。
真空中的散热，可能比发射更难
地面数据中心可以使用风冷或液冷把芯片产生的热量带走，但太空是真空，没有空气对流。计算芯片的热量必须通过热管传递到散热器，再以辐射方式释放到太空中。
谷歌说，团队已经在热真空舱中测试由热管和散热器组成的冷却方案。首颗卫星的意义之一，就是确认这些设计在真实轨道环境中能否工作，并找出实验室难以重现的故障模式。
这项挑战也说明，太空算力并不是简单地把地面服务器装进卫星。太阳能收集、计算芯片、热管理、结构强度和通信系统必须从一开始就作为一个整体设计。未来的轨道计算设备，可能需要采用与传统数据中心完全不同的硬件架构。
谷歌为什么认为 AI 计算可能要去太空
Project Suncatcher 的长期逻辑，是把 AI 算力增长与能源、土地和水资源约束放在同一个问题中考虑。谷歌 2025 年公布的 Project Suncatcher 系统设计研究 提出，在合适的日同步轨道上，太阳能板可以近乎持续获得阳光，单位面积的发电效率最高可能达到地面太阳能板的约八倍，也能减少对大型电池的依赖。
谷歌设想的不是一座巨型空间站，而是许多携带 TPU 的小型卫星组成的紧密编队。卫星之间通过自由空间光通信，也就是激光链路，组成类似分布式数据中心的计算网络。谷歌研究团队的台架演示已经实现单个收发器对双向总计 1.6Tbps 的传输速率，即每个方向 800Gbps。
这种设计的代价是卫星必须飞得非常近。研究论文以 650 公里高度、半径约 1 公里的 81 颗卫星编队作为示例，卫星之间的距离约为 100 至 200 米。距离越近，激光通信越容易获得足够的接收功率，也有利于降低跨节点计算的通信延迟，但编队控制和碰撞规避的难度会显著上升。
在地面，AI 数据中心面对的能源问题已经促使企业探索需求响应、储能和电网协同，例如英伟达、谷歌与 Emerald AI 最近成立的 AI Energy Management Alliance 就试图让数据中心根据电网状态调整负载。Suncatcher 则选择了另一条更激进的路径：直接把一部分能源和计算系统放到地面资源约束之外。
经济账仍取决于发射成本
谷歌 2025 年的研究认为，如果送入近地轨道的成本在 2030 年代中期降至每公斤约 200 美元，太空数据中心的发射与运营成本才可能接近地面数据中心的能源成本。但这是建立在发射价格持续下降、设备寿命足够长且系统能够大规模复制的假设上。
这意味着 Project Suncatcher 当前还不能被解读为谷歌找到了更便宜的 AI 算力。卫星制造、发射、在轨维护、冗余设计和地面通信都会带来额外成本。与此同时，太空中的设备无法像地面机房那样方便地更换损坏芯片，系统必须通过冗余硬件和更严格的可靠性设计来应对故障。
谷歌论文也承认，高带宽地面通信、热管理和在轨系统可靠性仍是未解决的问题。公司提出的 81 颗卫星只是示例架构，最终规模和系统形态都可能改变。
从一次在轨实验到轨道计算网络，还有多远
谷歌此前曾表示，下一阶段目标是在 2027 年初与 Planet 发射两颗原型卫星，验证 TPU 硬件和卫星间光链路。最新项目说明显示，近期的 MVP 任务将先收集芯片和冷却系统在轨运行的数据；这表明 Suncatcher 正沿着“先验证关键部件，再扩大规模”的路线推进，而不是直接部署完整的 AI 数据中心。
即使首次测试成功，距离大规模训练模型仍有很长距离。谷歌需要证明卫星能够长期维持精确编队，激光链路能在动态环境下持续提供数据中心级带宽，辐射错误不会破坏训练任务，散热器能处理持续计算负载，而且发射和替换成本可以被商业模式消化。
同样重要的是，太空部署也会带来新的监管和环境问题，包括轨道拥堵、碰撞风险、频谱与光通信管理，以及退役卫星的处置。把算力送上轨道可能缓解部分地面能源和用水压力，却不会让基础设施成本和安全责任消失。
Project Suncatcher 的现实意义因此不在于谷歌已经建成了“太空云”，而在于一家大型 AI 基础设施公司正在用真实硬件检验一个曾经更像科幻的方向。接下来几个月的发射和在轨数据，将决定这项研究究竟只是一次大胆的工程探索，还是未来轨道计算产业的早期起点。
来源：Google Research：Exploring a space-based, scalable AI infrastructure system design、Google：Behind Project Suncatcher, our moonshot to put AI in space、The New York Times：Google Takes the A.I. Data Center Race to Outer Space、Ars Technica：If you want to satiate AI’s hunger for power, Google suggests going to space。