Google wyśle w przyszłym tygodniu swój pierwszy sprzęt sztucznej inteligencji w kosmos, co stanowi pierwszy krok projektu Suncatcher — najnowszego „moonshotu” firmy — ambitnej inicjatywy mającej ustalić, czy niska orbita okołoziemska, strefa kilkuset kilometrów nad planetą, gdzie działają już Międzynarodowa Stacja Kosmiczna i większość aktywnych satelitów, może kiedyś pomieścić infrastrukturę obliczeniową AI na dużą skalę. Eksperymentalny satelita o nazwie MVP ma wystartować na pokładzie misji rideshare SpaceX Transporter-18 z bazy Vandenberg Space Force Base w Kalifornii i został opracowany we współpracy z operatorem satelitarnym Planet Labs.

Satelita MVP zabiera cztery układy tensorowe Google Trillium — wyspecjalizowane układy AI napędzające modele Gemini — wraz z około jednym kilowatem mocy paneli słonecznych, co odpowiada zapotrzebowaniu pojedynczego serwera w centrum danych. Jego cel jest wyłącznie eksperymentalny: zebranie danych o tym, jak układy znoszą siły startowe, ekspozycję na promieniowanie i ekstremalne warunki termiczne środowiska kosmicznego. Konfiguracja odzwierciedla też sposób, w jaki realizuje się eksperymenty orbitalne: misje rideshare takie jak Transporter-18 umieszczają dziesiątki małych satelitów na jednej rakiecie i stały się standardową, niskokosztową drogą na orbitę, dzięki czemu pierwszy test taki jak ten pozostaje mały i stosunkowo tani.

Wyzwania inżynieryjne są znaczne. Podczas wznoszenia poszczególne komponenty mogą doświadczać sił rzędu 50 do 100 krotności ziemskiej grawitacji — warunki, które zespół odtworzył na Ziemi za pomocą testów wibracyjnych w trzech osiach. Promieniowanie stanowi inne zagrożenie — zjawiska słoneczne i promieniowanie kosmiczne mogą powodować przekłamania bitów zniekształcające dane — dlatego Google poddał swoje układy testom wiązką protonów w Crocker Nuclear Laboratory UC Davis, jednocześnie uruchamiając rzeczywiste obciążenia AI. Wstępne wyniki były obiecujące: sprzęt wytrzymał całkowitą dawkę jonizującą przekraczającą poziom z pięcioletniej misji kosmicznej, a większość błędów wywołanych promieniowaniem można było usunąć poprzez restart układów.

Chłodzenie pozostaje najtrudniejszym problemem. W próżni kosmicznej nie ma przepływu powietrza, więc ciepło można odprowadzać wyłącznie przez promienniki — proces znacznie wolniejszy niż chłodzenie powietrzem i cieczą, na którym opierają się naziemne centra danych. Rozwiązanie Google łączy rurki cieplne, materiały interfejsu termicznego i stos promienników z aluminium i miedzi. Na orbicie układy mogą pracować około 15 minut, po czym wymagają cyklu chłodzenia, podczas którego mogą przetwarzać krótkie zapytania z kosmosu.

We're sending TPUs to space (yes, really). After years of research, we're launching a satellite to evaluate if and how Google Tensor Processing Units (TPUs) hold up in orbit. The test mission, as part of our latest moonshot — Project Suncatcher — is designed to gather data… pic.twitter.com/LaPuYonb3w

— Google (@Google) September 24, 2026

Dlaczego orbitalne centra danych mają znaczenie dla branży AI

Logika strategiczna projektu Suncatcher odzwierciedla rosnącą presję na naziemne centra danych. Zapotrzebowanie na moc obliczeniową napędzaną przez AI wywołało w kilku regionach sprzeciw społeczny z powodu hałasu, obciążenia sieci energetycznej i rosnących kosztów energii. Satelita na odpowiedniej orbicie może otrzymywać do ośmiu razy więcej energii słonecznej niż porównywalna moc na Ziemi, co potencjalnie oferuje niemal ciągłe, czyste zasilanie bez konkurowania o naziemną sieć energetyczną.

Google nie jest sam w realizacji tej wizji. SpaceX, Blue Origin i startup Starcloud pracują nad koncepcjami obliczeń orbitalnych, a niektóre propozycje przewidują konstelacje tysięcy, a nawet milionów połączonych ze sobą satelitów. Sceptycy, w tym dyrektor generalny OpenAI Sam Altman, wątpią, czy obliczenia orbitalne osiągną skalę komercyjną w tej dekadzie, wskazując na koszty startów, wąskie gardła produkcji satelitów i nierozwiązane problemy inżynieryjne.

Mapa drogowa Google jest celowo stopniowa. Test z dwoma satelitami w 2027 roku oceni łacza laserowe o dużej przepustowości wymagane do synchronizacji obliczeń w klastrach satelitów — wyzwanie precyzyjne porównywalne z trafieniem w cel wielkości monety z odległości kilometrów, gdy oba punkty są w ruchu. Dłuższoterminowe projekty przewidują floty liczące ponad 80 satelitów lecących w formacji, z których każdy zabiera dziesiątki układów TPU. Firma szacuje, że wraz ze spadkiem kosztów startów orbitalne centra danych mogłyby osiągnąć parterowość kosztową z obiektami naziemnymi około połowy lat 30. Ta sekwencja wyznacza jasne punkty do obserwacji: czy TPU satelity MVP zwrócą użyteczne dane o promieniowaniu i zachowaniu termicznym, czy łacza laserowe w 2027 roku zapewnią precyzję, od której zależy projekt klastra, oraz czy koszty startów będą dalej spadać zgodnie z założeniami ścieki do parterowości kosztowej.

Dla branży AI ta misja sygnalizuje zmianę podejścia — energia i geografia zaczynają być traktowane jako ograniczenia do rozwiązania, a nie jako stałe. Choć działające orbitalne centrum danych to wciąż kwestia lat, udana misja potwierdziłaby fundamentalne założenie, że sprzęt AI może niezawodnie działać poza atmosferą Ziemi — otwierając nowy front infrastruktury obliczeniowej w momencie, gdy naziemna ekspansja napotyka swoje granice.

Źródło: Metaverse Post