谷歌推出项目Suncatcher，探索基于太阳能的人工智能卫星用于轨道机器学习

简要

谷歌刚刚推出了Project Suncatcher，一个探索使用配备其AI芯片的太阳能卫星在轨道上运行AI工作负载的月球计划研究项目。

科技公司谷歌宣布了太阳捕捉者计划，这是一个研究倡议，调查部署配备人工智能芯片的太阳能卫星，以在轨道上运行人工智能工作负载，利用阳光来减少地面数据中心的能源需求。

该项目设想了紧凑的卫星星座，携带谷歌TPU，通过自由空间光学链路相互连接，提供大规模计算的潜力，同时限制对地面资源的影响。

初步研究结果详述在一篇题为“面向未来的基于空间的高度可扩展人工智能基础设施系统设计”的预印本论文中，该论文解决了一些关键挑战，例如高带宽卫星通信、轨道动力学和辐射对计算的影响。

Project Suncatcher延续了谷歌追求雄心勃勃、高影响力的科学和工程项目的传统。

评估用于基于空间的人工智能卫星的机器学习基础设施的可行性

根据公告，提议的系统设想了一个卫星网络，在黎明到黄昏的太阳同步低地轨道上运行，以最大限度地提高持续的太阳能照射并减少对重型电池的依赖。

实现这一愿景需要克服几个技术挑战。首先，星际之间的链路必须达到数据中心级别的带宽，支持每秒数十太比特，这可以通过多通道密集波分复用(DWDM)和近距离卫星编队中的空间复用来实现。基准测试已经证明每对收发器的单向传输速率可达800 Gbps。

其次，维持紧密集群的卫星编队需要精确的轨道控制。团队利用基于希尔-克劳赫西-威尔特希尔方程的物理模型，并通过可微分模拟进行优化，已证明相距数百米的卫星集群可以通过适度的保持机动保持稳定。

第三，TPU 加速器必须能够承受太空辐射；谷歌的 Trillium v6e Cloud TPU 的测试表明，组件在远高于预期五年任务暴露剂量的情况下仍然可以正常工作。

最终，经济可行性取决于发射成本的下降，预测表明，到2030年代中期，发射成本可能会降到$200 每千克以下，这可能使基于太空的人工智能数据中心的每千瓦时成本与陆地设施相当。

谷歌探索基于太空的人工智能的可行性，计划进行原型卫星任务

初步评估表明，基于太空的机器学习计算是可行的，并且不受物理或高昂成本的根本限制，尽管仍然存在重大工程障碍，包括热管理、高带宽地面通信和可靠的轨道操作。

为了应对这些挑战，计划与Planet合作开展一项学习任务，目标是在2027年初发射两颗原型卫星，以测试TPU在太空中的性能，并验证分布式机器学习工作负载的光学星际链接。从长远来看，大规模千兆瓦星座可以采用更集成的卫星设计，将针对太空优化的计算架构与紧密耦合的太阳能收集和热管理相结合，类似于现代系统芯片技术通过智能手机创新的进步。