太空算力:AI新赛道还是资本泡沫?

当 AI 的尽头变成抢电和抢水, 科技巨头们终于把目光投向了天空 。马斯克在 2026 年 2 月的一次访谈中抛出一个大胆判断: 未来 30 至 36 个月, 在太空部署 AI 算力将是最便宜的方式。这听起来像科幻, 但 SpaceX、亚马逊和一批初创公司已真金白银押注。这究竟是破解地球算力危机的妙招, 还是收割资本的海市蜃楼?

📌 地球算力告急: 电和水都不够了

国际能源署预测, 到 2030 年全球数据中心用电量可能接近 950 太瓦时 , 约等于日本全年用电量。英伟达即将推出的 Vera Rubin 架构, 单卡功耗高达 2.3kW, 一个机柜轻松突破百千瓦。电网建设根本追不上 AI 的胃口。AI 还是个“水老虎”: 训练一次 GPT- 3 级别模型, 间接用水量约 70 万升, 相当于两万人一天的用水量。美国多个州的数据中心项目因抢水抢电被社区抗议叫停, 涉及金额超 180 亿美元。

🔍 巨头混战: 百万卫星与千亿赛道

• SpaceX 与 xAI 合体 :2026 年 1 月,SpaceX 提交发射 100 万颗卫星的规划。同年 2 月,SpaceX 收购 xAI, 估值达 1.25 万亿美元, 并申请 SpaceXAI 商标, 覆盖太空算力、通信、社交网络。
• 亚马逊的“日出计划”:2026 年 3 月, 蓝色起源提交 Project Sunrise 申请, 计划部署最多 5.16 万颗数据中心卫星, 建设太空吉瓦级数据中心。
• 初创公司先行一步 :2025 年 11 月,Starcloud 将英伟达 H100 全尺寸 GPU 送入轨道, 完成 1.7 亿美元 A 轮融资, 跻身独角兽。
• 中国力量加速 : 北京初创企业轨道辰光完成 577 亿元融资, 计划建设晨昏轨道 GW 级数据中心。之江实验室与国星宇航发射三体计算星座, 实现卫星在轨 AI 处理。

💡 物理瓶颈: 三大“拦路虎”

• 散热难题 : 真空无法用风扇或水冷, 只能靠热辐射。散掉 1 兆瓦热量需要约 1200 平方米散热板, 相当于四五个网球场。英伟达 A100 芯片热流密度高达 36.3W/cm2, 远超传统航天器散热极限。
• 宇宙射线威胁 : 商用芯片在太空高辐射环境下极易发生单粒子翻转, 死机、乱码是常事。未经加固的 GPU 年化故障率可能高达百分之个位数, 而更换一块太空显卡需要重新发射火箭。
• 经济账算不过来 :SpaceX 招股书坦承, 轨道 AI 算力举措依赖未经证实的技术。即便星舰将发射成本降至每公斤 100-300 美元, 加上散热板和防辐射外壳, 整体成本仍远高于地面。AI 芯片每两年迭代, 旧卫星只能报废。

📊 监管盲区与“洗绿”陷阱

围绕“把服务器送上天: 太空算力是破局还是泡沫?”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。

🚀 总结: 太空算力的现实与未来

将大规模 AI 训练全盘搬上太空, 目前仍是资本狂热下的远期想象 。但退一步看, 在太空中进行边缘计算和 AI 推理, 已是切实可行的破局之道。例如, 北京邮电大学天算星座已实现星地 AI 协同推理, 卫星回传数据量减少 90% 以上。太空算力注定是地面算力网络在特殊场景下的昂贵补充, 而非替代方案。从实验室概念走向大规模商业部署, 至少还需 10 到 20 年。