谷歌推出項目Suncatcher，探索基於太陽能的人工智能衛星用於軌道機器學習

簡要

谷歌剛剛推出了Project Suncatcher，一個探索使用配備其AI芯片的太陽能衛星在軌道上運行AI工作負載的月球計劃研究項目。

科技公司谷歌宣布了太陽捕捉者計劃，這是一個研究倡議，調查部署配備人工智能芯片的太陽能衛星，以在軌道上運行人工智能工作負載，利用陽光來減少地面數據中心的能源需求。

該項目設想了緊湊的衛星星座，攜帶谷歌TPU，通過自由空間光學鏈路相互連接，提供大規模計算的潛力，同時限制對地面資源的影響。

初步研究結果詳述在一篇題爲“面向未來的基於空間的高度可擴展人工智能基礎設施系統設計”的預印本論文中，該論文解決了一些關鍵挑戰，例如高帶寬衛星通信、軌道動力學和輻射對計算的影響。

Project Suncatcher延續了谷歌追求雄心勃勃、高影響力的科學和工程項目的傳統。

評估用於基於空間的人工智能衛星的機器學習基礎設施的可行性

根據公告，提議的系統設想了一個衛星網路，在黎明到黃昏的太陽同步低地軌道上運行，以最大限度地提高持續的太陽能照射並減少對重型電池的依賴。

實現這一願景需要克服幾個技術挑戰。首先，星際之間的鏈路必須達到數據中心級別的帶寬，支持每秒數十太比特，這可以通過多通道密集波分復用(DWDM)和近距離衛星編隊中的空間復用來實現。基準測試已經證明每對收發器的單向傳輸速率可達800 Gbps。

其次，維持緊密集羣的衛星編隊需要精確的軌道控制。團隊利用基於希爾-克勞赫西-威爾特希爾方程的物理模型，並通過可微分模擬進行優化，已證明相距數百米的衛星集羣可以通過適度的保持機動保持穩定。

第三，TPU 加速器必須能夠承受太空輻射；谷歌的 Trillium v6e Cloud TPU 的測試表明，組件在遠高於預期五年任務暴露劑量的情況下仍然可以正常工作。

最終，經濟可行性取決於發射成本的下降，預測表明，到2030年代中期，發射成本可能會降到$200 每千克以下，這可能使基於太空的人工智能數據中心的每千瓦時成本與陸地設施相當。

谷歌探索基於太空的人工智能的可行性，計劃進行原型衛星任務

初步評估表明，基於太空的機器學習計算是可行的，並且不受物理或高昂成本的根本限制，盡管仍然存在重大工程障礙，包括熱管理、高帶寬地面通信和可靠的軌道操作。

爲了應對這些挑戰，計劃與Planet合作開展一項學習任務，目標是在2027年初發射兩顆原型衛星，以測試TPU在太空中的性能，並驗證分布式機器學習工作負載的光學星際連結。從長遠來看，大規模千兆瓦星座可以採用更集成的衛星設計，將針對太空優化的計算架構與緊密耦合的太陽能收集和熱管理相結合，類似於現代系統芯片技術通過智能手機創新的進步。