Google的Suncatcher项目将机器学习基础设施部署到太空

Hacker News Top 新闻

摘要

Google的Suncatcher项目正进行首次轨道测试,旨在评估太空中的AI硬件性能,这是探索近地轨道可扩展机器学习基础设施的长期倡议的一部分。

<a href="https:&#x2F;&#x2F;www.nytimes.com&#x2F;2026&#x2F;09&#x2F;24&#x2F;technology&#x2F;google-suncatcher-ai-data-center-space.html" rel="nofollow">https:&#x2F;&#x2F;www.nytimes.com&#x2F;2026&#x2F;09&#x2F;24&#x2F;technology&#x2F;google-suncatc...</a> (<a href="https:&#x2F;&#x2F;archive.ph&#x2F;BGFnP" rel="nofollow">https:&#x2F;&#x2F;archive.ph&#x2F;BGFnP</a>)
查看原文
查看缓存全文

缓存时间: 2026/09/24 22:10

# 探索Suncatcher项目背后的技术:我们将AI送入太空的宏伟计划 来源:https://blog.google/innovation-and-ai/models-and-research/google-research/google-project-suncatcher-facts/ 了解我们为在太空扩展AI计算能力开展的早期测试。在新推出的系列视频中,Suncatcher项目团队将深入探讨这项太空探索背后的科学原理、已取得的发现,以及仍需解决的工程挑战。 --- --- 您的浏览器不支持音频播放。 收听文章音频 \[\[时长\]\]分钟 本内容由Google AI生成。生成式AI技术仍处实验阶段 经过数年研究,Suncatcher项目即将在轨道上开展首次测试,将发射原型卫星以评估Google张量处理单元在太空环境中的性能。 去年公布的Suncatcher项目(https://blog.google/innovation-and-ai/technology/research/google-project-suncatcher/)是一项长期研究型太空探索计划,旨在探索未来能否在太空建立可扩展的机器学习基础设施。在近地轨道上,卫星能够获得近乎持续的光照,产生的太阳能发电量最高可达地球的八倍。最终,通过连接多个卫星星座,有望实现卫星集群协同处理更大规模的AI计算任务。 重大突破往往始于对终极目标的逆向思考。在我们的愿景中,这一目标是确保AI在医疗保健、科学发现等关键领域的深远效益能惠及所有人,并持续影响未来。正如早期自动驾驶和量子计算研究需要经历多年实验才能形成实用系统,太空计算的探索同样需要循序渐进、审慎推进。 将这一构想变为现实,首先需要回答基础问题:我们的AI硬件能否在太空中正常运行?即将搭乘SpaceX运输船-18拼单任务的首次太空实验,是与Planet公司(https://www.planet.com/)合作开发的。该实验旨在收集轨道数据,分析TPU芯片如何应对太空飞行的物理应力,以及太空辐射与极端温度带来的挑战。 在筹备早期测试发射并向2027年下一里程碑迈进之际,Suncatcher项目团队在新系列视频(https://www.youtube.com/playlist?list=PLAeFjVYtuU34)中探讨了预期收获与待攻克的工程难关。 ## 硬件生存能力 火箭进入近地轨道的飞行过程约持续10分钟,期间航天器会经历剧烈振动和持续加速载荷,最高可达重力加速度的10倍。而单个部件(如TPU芯片)承受的冲击力甚至可能达到50至100倍重力加速度。团队通过三轴高强度震动测试模拟火箭发射频率来检验卫星性能。此类测试往往难以完全按计划进行,因此当硬件成功经受住力量冲击时,我们感到十分欣慰。 当TPU芯片进入太空后,地球大气层外的辐射水平带来新的挑战。太阳活动和宇宙射线可能对电子设备造成严重干扰。为此,我们在加州大学戴维斯分校克罗克核实验室的质子束设施中测试TPU在运行AI工作负载时的表现。测试过程中,我们密切观察比特翻转等错误对计算任务的影响。初步结果显示,我们的Trillium TPU表现异常出色,能够承受超过五年太空任务所需辐射总剂量的考验。 但有些测试唯有在太空中才能完成。下周将首批TPU送入轨道,将为我们提供关键数据与经验,为未来发射任务提供参考。 ## 太空散热方案 轨道数据中心的散热是重要研究课题。TPU在小面积内产生大量热量,若无法有效散热,芯片面临过热风险。但太空中没有空气流动,在真空环境下只能通过辐射器散热,这要求采用完全不同的电子设备冷却方案。 我们正在探索多种解决方案,包括结合热管与辐射器的芯片冷却系统。目前团队已在模拟太空热真空环境的设备中测试该技术。随着研究深入,我们将观察新型TPU冷却系统在太空中的实际表现,并持续优化设计。 ## 卫星互联技术 未来卫星设计将搭载数十个TPU芯片,通过轨道集群方式绕地运行。为维持AI处理所需的带宽,每颗卫星必须精确掌握自身位置及相对邻星的方位。为此,卫星将采用激光通信技术。 太空激光通信技术已存在,但现有先进系统多针对长距离低带宽场景优化,而我们的激光需要在超短距离内实现极高带宽传输。维持这种连接需要极高精度,好比在移动中从数英里外击中硬币大小的目标。我们将在2027年双卫星在轨测试中验证这项技术。 ## 探索才刚刚开始 将太空打造为可扩展AI计算基地的探索不会一蹴而就。这需要系统化的工程验证,首先要证明硬件能应对轨道运行的物理现实与不可预测性。首次发射的核心目标是测试有效性、识别故障点,并将成果应用于未来任务。 Google所创造的每一项变革性技术都始于大胆愿景——并通过逆向解题的严谨思维攻克沿途所有难关。随着我们最新太空计划迈向发射台,团队期待分享探索成果,展现推动这项事业前进的科学力量。

相似文章