AI的盡頭是“電”：硅谷的太空豪賭與中國“彎道超車” | 甲子光年

當微軟CEO納德拉抱怨，GPU因缺電而閑置時，谷歌、英偉達和SpaceX正在制定昂貴的太空數據中心藍圖。但在他們行動之前，中國有一家公司已經發射、組網并開始商業運營。

作者｜Richard

編輯｜栗子

“我們有海量閑置的英偉達GPU，但他們只能躺在機架上，因為根本沒有足夠的電力去點亮他們?！?/p>

微軟CEO納德拉最近的這句驚人言論，向市場揭示了一個殘酷的真相：AI競賽的終極瓶頸，已經從芯片供應轉向了最基礎的資源——電力。

這背后是冷酷的財務焦慮。在AI的“淘金熱”中，英偉達的芯片迭代速度太快，從H100到Blackwell，“有效保質期”越來越短。對于手握價值數千億美元GPU的科技巨頭而言，電力每延遲一天，這些昂貴的硬件資產就在無聲地“蒸發”，還未創造利潤，便已逐漸要過時。

但AI對“無限”算力的追求，正撞上地球有限的電力、水和土地資源的“物理之墻”。

這場危機正迫使巨頭們啟動昂貴的“B計劃”。在地面，亞馬遜和谷歌，已開始布局小型模塊化反應堆（SMR），試圖通過小型模塊化核反應堆來解決問題。

另一個更激進的選項則指向太空——英偉達和谷歌這些科技巨頭們，都在搶著把芯片送“上天”。

但令人驚訝的是：在這場關乎AI未來的新競賽中，第一個沖過起跑線的并非硅谷巨頭。

一家名為“國星宇航”（ADASPACE）的中國公司，早在2025年5月14日，就已成功發射了全球首個太空計算衛星星座。這并不是一次簡單的技術測試，而是一個已經實現商業化、正在太空中為客戶運行AI算法的算力網絡。

在全球AI版圖重構之際，中國是如何在“太空算力”這一關鍵高地上，悄然取得先發優勢的？這對未來的技術格局意味著什么？

1.硅谷的“太空B計劃”

納德拉對電力短缺的抱怨，是日益緊迫的行業危機。為了擺脫“地球物理墻”，硅谷巨頭們的“B計劃”——將數據中心送入軌道，正從科幻變為嚴肅的工程藍圖。

谷歌的“捕日者”（Project Suncatcher）計劃最為詳盡。它的目標是在軌部署自研的 TPU芯片。根據谷歌的論文，它設計了一個由81顆衛星組成的計算集群，在1公里半徑內以100-200米的間距緊密編隊飛行。

這是一個極其激進的方案，其背后是精明而高風險的技術取舍。谷歌之所以要冒著極高風險采用100-200米的超近編隊飛行，是因為只有在如此近的距離上，才能產生足夠高的接收功率，從而允許他們直接使用地球數據中心已經成熟的、高功率的DWDM光通信模塊，以實現1.6 Tbps的高帶寬。這種設計雖然巧妙，但也極大地增加了軌道控制的復雜度。

不過在實驗室中，谷歌已取得關鍵進展：他們用67MeV質子束模擬太空輻射，證實TPU芯片的抗輻射能力遠超5年任務預期，星間所需的1.6 Tbps高速光鏈路也已在地面驗證成功。

但谷歌也坦承其計劃的“阿喀琉斯之踵”：這個計劃的經濟可行性，完全依賴于發射成本能否降到200美元/kg以下。所以，谷歌將時間表定在2年后，首批兩顆原型衛星將于2027年發射。

英偉達則采取了截然不同的投資路線，全力支持初創公司Starcloud，這是一家新銳的創業公司。Starcloud的行動迅速：在2025年11月2日，利用SpaceX的火箭成功發射了其首顆測試衛星。

這顆衛星搭載了英偉達H100，它的任務不是組網，而是測試在軌AI推理。這顆衛星的特別之處，在于其“集各家之長”的輕資產模式：它依賴英偉達的H100進行計算，計劃在軌運行谷歌的Gemma開源模型，并由SpaceX負責發射。

盡管其最終藍圖，是建設一個5吉瓦、由4公里寬，由太陽能陣列供電的龐大軌道數據中心，并大膽預測“十年內幾乎所有新數據中心都將在太空建造”，但其當前階段仍是“原型驗證“，商業化最早也要等到2026年。

亞馬遜和SpaceX也已入局。貝索斯預測，未來10至20年內，將出現吉瓦級的太空數據中心。而馬斯克則明確表示，SpaceX將利用其帶寬達1 Tbps的“星鏈V3”衛星進入太空計算領域。

可見，科技巨頭們都紛紛發布了他們的AI太空數據中心藍圖，那么一個關鍵問題是：究竟是什么樣的危機，迫使科技巨頭們，如此一致地將目光投向成本高昂、技術未定的太空？

2.科技巨頭們為何被迫“上天”？

這些動輒耗資千億的太空計劃，源于地球上日益嚴峻的三重物理困境：

最大的就是能源瓶頸。AI正成為“吞電巨獸”。到2030年，全球數據中心將需要額外67吉瓦的電力，這相當于67座大型核電站的發電量。這背后是“時間”與“財務”的雙重錯配：英偉達芯片快速的迭代周期，與電網擴容長達2至5年的審批建設周期，形成了致命的時間差。

這意味著，當微軟和亞馬遜還在為新數據中心排隊等電時，他們倉庫里價值數十億美元的GPU資產正在迅速貶值。這迫使巨頭們需要思考更創新的能源方案。

還有散熱與水資源消耗。AI芯片的高密度運行，散熱也成為非常大的問題，而液冷技術，是在耗電量和用更多水之間取平衡，如果想減少耗電量，就會成為“耗水巨獸”。根據國盛證券的一份報告，以Meta為例，其新建的數據中心日最高用水量達600萬加侖，遠超當地全郡用水量。

最后是土地與選址困境。吉瓦級的數據中心占地巨大，在經濟中心附近選址變得極其昂貴，甚至引發了與民生爭奪土地和電網的矛盾。

在太空軌道建設AI數據中心的方案之所以可行，在于它不僅解決了能源、散熱等資源問題，還在根本上重構了數據流。

首先，它一舉解決了物理限制。在軌衛星能享受8倍于地球效率的7x24小時不間斷太陽能（谷歌數據），同時擁有-270℃的極寒真空作為完美、零耗水的天然散熱器。

其次，新一代方案也解決了數據傳輸的問題。傳統的“天感地算”模式（衛星拍照、數據下傳、地面分析）早已不堪重負。正如中國工程院院士王堅所指出的，因帶寬限制，衛星收集的海量數據“只有很小一部分能真正傳回地面”。

而“太空計算”的范式是“天數天算”（在軌計算）。衛星不再是“數據采集器”，而是“智能分析師”。Starcloud的CEO曾生動地描述了這一模式：把數據在軌處理后，衛星只需下傳一個1KB的“洞察”（例如“一艘船在某位置正以某速度航行”），而不是數百GB的原始雷達圖像，這從根本上規避了帶寬瓶頸。

不過，硅谷巨頭的宏偉藍圖，無論是谷歌的“2027原型星”、英偉達/Starcloud的“測試星”，還是馬斯克和貝索斯的“未來十年愿景”——都還是“未來時態”。

但在這場太空競賽中，發令槍其實已經打響，當所有人都將目光投向硅谷的“未來”時，一個“現在進行時”的故事，已經在中國上演。

3.悄然的領跑者——中國公司的“太空計算”版圖

就在硅谷的“PPT造星”計劃正酣時，這場競賽的第一個“實干家”，已經悄然完成了布局。

答案不在舊金山或西雅圖，而在中國。

這家公司，就是國星宇航（ADASPACE）。它并非一家傳統的商業航天公司，核心瞄準在“太空計算衛星星座”，而非“衛星制造”。傳統的商業航天模式是“B2G”或“B2B”，出售的是衛星硬件、發射服務或原始的遙感數據。

而國星宇航在圍繞“太空算力”做事情，核心產品不是衛星本身，而是搭載了AI載荷、具備在軌計算能力的“智算衛星”。它瞄準的客戶，是AI企業和需要實時智能數據的行業，它更像是一家“星際之門的太空版”。

如果來打個比方——馬斯克是要把通信基站搬到太空，而國星宇航是要把算力中心搬到太空。

國星宇航的核心工程，是“星算”計劃。這不是一份“遠景PPT”，而是已經拿到“地契”的在軌藍圖。

首先是軌道申請。在日益擁擠的近地軌道，國星宇航已向國際電聯（ITU），申請了2800顆衛星的頻率與軌道資源。在太空競賽中，這無異于提前鎖定了未來“算力地產”的黃金地塊。

其次是發射。早在2025年5月14日，早于Starcloud的H100測試星，“星算”計劃首發星座（一箭12星）就在酒泉成功發射。這12顆衛星，均搭載了智能計算系統和星間通信系統，組網后形成了全球首個在軌的太空計算中心，總算力達5 POPS（每秒5千萬億次運算）。

此外，國星宇航的商業化速度驚人。當谷歌還在等待2027年的原型星時，國星宇航的太空算力中心已經在“接單”了。2025年9月，國星宇航宣布了全球首個太空計算的商業化案例：與A股上市公司佳都科技的合作。

佳都科技將其“城市交通大模型”算法，通過地面站注入到軌道上的“星算01”星座中。星座利用自帶的AI算力，在軌計算，實時處理廣州市的遙感影像。最終，星座只將計算后的“洞察”（如路網分析結果）傳回地面，而非海量的原始影像數據。

這場合作不僅僅是“演示”，還實現了不少“效率指標”。比如它已經將傳統遙感數據服務的響應時間，從“小時級或天級”，壓縮到了“分鐘級”。同時，由于在軌處理，也節省了90%的下行帶寬和地面站資源。

“星算”計劃首發星座只是一個開始，未來的“星算”計劃02組星座（甚至再之后的03組），也已經進入設計研制階段，由中國科學院上海技術物理研究所研究員、國科大杭州高等研究院院長王建宇擔任首席科學家，重點突破更高速的星間激光通信技術——這正是馬斯克“星鏈V3”和谷歌“捕日者”計劃所依賴的核心技術。

4.重置AI競賽的“制高點”

AI的未來發展，正受限于地球能源和物理空間的瓶頸，這也在背后推動了一場不可避免的“太空算力競賽”。

但這場競賽的發令槍并非在2025年11月（Starcloud發射）或2027年（谷歌計劃）才響起，而是在2025年5月的中國酒泉。

國星宇航的案例表明，中國不僅在AI應用層快速追趕，更在AI基礎設施的“下一戰場”——太空——取得了關鍵的先發優勢。

隨著AI對算力的需求呈指數級增長，地球上的電力和土地資源將成為最稀缺的商品。未來，誰掌握了軌道上的“算力高地”，誰就可能在數據和智能時代掌握真正的戰略主動權。

（封面來源：AI生成）