Google: orbitalne centra danych AI są 100 razy droższe niż naziemne

Budowa centrów danych dla sztucznej inteligencji na orbicie może kosztować nawet 100 razy więcej niż na Ziemi – przyznał Google. Pomysł, który coraz częściej rozważają giganci technologiczni, wciąż napotyka więc poważną barierę ekonomiczną.

Amanda Peterson Corio, szefowa działu energii centrów danych w Google, podkreśliła, że najpierw należy wykorzystać możliwości dostępne na Ziemi. Jej zdaniem Stany Zjednoczone mają potencjał, by dostarczyć energię potrzebną do rozbudowy infrastruktury AI, a jedną z największych przeszkód są opóźnienia w uzyskiwaniu pozwoleń na nowe obiekty.

Project Suncatcher w praktyce

Google równolegle rozwija projekt badawczy Project Suncatcher. Zakłada on sieć satelitów z procesorami AI i panelami słonecznymi, które zastąpiłyby wielkie budynki tradycyjnych centrów danych. Pierwszy satelita projektu, wielkości mniej więcej lodówki, trafił na orbitę 1 października. Ma sprawdzić, jak procesory Tensor Processing Unit (TPU) radzą sobie z promieniowaniem i ekstremalnymi temperaturami.

W ramach testu „Hello World”, ogłoszonego 30 października, Google poprosiło model Gemma 4 o napisanie krótkiego haiku o egzystencji w kosmosie. Zapytanie przetworzono na pokładowych procesorach, a wynik wysłano na Ziemię. Satelita ma cztery układy TPU i może wytwarzać do 1 kW mocy, co ogranicza pracę: jeden procesor działa jednorazowo około 20 minut. W 2027 roku Google planuje test dwóch satelitów komunikujących się ze sobą.

Wyścig o moc obliczeniową poza Ziemią

Google nie jest sam. SpaceX Elona Muska chce przetestować orbitalne systemy obliczeniowe do końca 2027 roku, a szersze wdrożenie planuje na 2028. Blue Origin Jeffa Bezosa ujawniło Project Sunrise, czyli sieć satelitów pełniących rolę kosmicznych centrów danych. Chińska korporacja CASC zapowiada infrastrukturę obliczeniową o mocy rzędu gigawatów w ciągu pięciu lat, a startup ADA Space wyniósł już satelity w ramach Three-Body Computing Constellation.

Rywalizacja o AI dotyczy więc nie tylko chipów i modeli, ale też lokalizacji i źródeł energii. Wysokie koszty pozostają jednak główną przeszkodą dla komercyjnego wykorzystania takich rozwiązań na dużą skalę.