谷歌 Project Suncatcher：探索太空机器学习基础设施

经过多年研究，Project Suncatcher 计划实施首次轨道测试，发射一颗原型卫星，以评估 Google 张量处理单元（TPU）在太空环境中的表现。

去年发布的 Project Suncatcher 是一项探索太空是否能承载可扩展机器学习基础设施的长期研究性“登月计划”。在低地球轨道，卫星可获取近乎恒定的阳光，其太阳能发电量最高可达地面的八倍。未来，多组卫星星座有望相互连接，从而在轨道上管理更大规模的 AI 负载。

重大突破往往源于从终极目标反向推导。对我们而言，终极目标就是确保 AI 在医疗保健和科学发现等关键领域的巨大益处，能惠及全球每一个人，并持续面向未来。正如早期的自动驾驶和量子计算研究，都在历经数年实验后，才催生出实用的系统，探索太空算力同样需要迈出谨慎而审慎的步伐。

将这一构想变为现实，首先要回答一个基础问题：我们的 AI 硬件能在太空中运行吗？这一最初的测试任务将搭载 SpaceX 即将执行的 Transporter-18 拼车任务升空，由 Planet 协助开发。该任务旨在收集在轨数据，评估我们的 TPU 如何应对太空飞行的物理应力，以及太空中的辐射和极端温度环境。

在筹备早期的测试发射并向 2027 年的下一个里程碑迈进之际，Project Suncatcher 团队在新一期视频系列中，深入探讨了本次任务背后的科学原理，分享了我们希望获取的知识点以及当前面临的工程挑战。

硬件生存

飞往低地球轨道的火箭旅程大约持续 10 分钟。期间，航天器会经历剧烈振动，并承受高达 10 倍地球重力（g）的持续加速度负载。单个组件（如 TPU 芯片）承受的力度更大，最高可达 50 至 100 g。团队通过沿三个轴向剧烈震动卫星，模拟火箭发射时的频率，进行了振动测试。这类测试很少能顺利按计划进行，因此硬件能经受住如此巨大的冲击力，令我们颇感意外与欣慰。

一旦 TPU 芯片进入太空，地球大气层外的辐射水平便成为必须克服的又一难题。太阳活动和宇宙射线可能对电子设备造成严重破坏。为此，我们在运行 AI 任务期间，于加州大学戴维斯分校的 Crocker 核实验室质子束设施中对 TPU 进行了测试。测试期间，我们密切监测错误（如比特翻转）对任务的影响。初步结果表明，我们的 Trillium TPU 表现卓越，能够承受高于五年太空任务辐射累积剂量的总电离剂量。

但有些挑战只有在太空中才能验证。下周我们将首批 TPU 送入轨道，以便获取数据和经验，为后续发射提供参考。

太空散热

为轨道数据中心散热是一项关键的科研挑战。TPU 在狭小区域内产生大量热量，必须安全导出，否则芯片面临过热风险。然而太空中没有空气对流，真空中只能通过散热器扩散热量，这要求采用完全不同的电子冷却方案。

我们正在研究多种方法，例如结合热管和散热器来冷却芯片。目前，团队已在模拟太空热环境和真空条件的热真空腔中测试了该技术。我们将观察新的 TPU 散热系统在太空中的表现，并随着深入了解而优化设计。

卫星互联

未来卫星设计将搭载数十颗 TPU 芯片，以集群形式绕地球运行。为维持处理 AI 任务所需的带宽，每颗卫星必须掌握自身位置及其与邻近卫星的相对位置。为此，卫星将通过激光进行通信。

太空中的相关技术已存在，但大多数先进系统为长距离低带宽场景优化，而我们的激光需要在极短距离内实现极高带宽。维持这种连接需要极高的精度，就像在两个点都在运动时，从数英里外击中硬币大小的靶子。我们计划在 2027 年让两颗卫星进入轨道时测试这方面的成果。

只是开端

把太空变成可扩展 AI 算力的可行之地，不可能一蹴而就。这需要扎实的工程验证——第一步就是证明我们的硬件能应对轨道环境中各种物理条件和不可预测的状况。这次首次发射的重点在于验证哪些方案可行、找出潜在故障点，并把发现应用到后续任务中。

Google 打造的每一项变革性技术，都始于一个大胆的目标，以及通过逆向拆解、逐一攻克难题的务实精神。随着我们最新的登月计划即将升空，团队很期待分享这次任务中的收获，以及推动这项工作前进背后的科学原理。