英偉達H100太空首秀，AI模型首次在軌完成訓練與推理

近日，英偉達支持的初創公司 Starcloud 正式宣布，其發射的 Starcloud-1 衛星已在地球低軌道上成功運行英偉達 H100 GPU，并完成了人工智能模型的訓練和推理任務。這是人類首次在太空軌道上完成此類任務。

Starcloud 的這一突破直接回應了 AI 與算力基礎設施快速擴張帶來的能源、冷卻與資源壓力問題。當 AI 模型規模不斷擴大、數據中心對電力與水資源的需求急劇上升之時，構建能夠長期穩定運行且能源自給的軌道計算平臺成為行業關注的前沿方向。

據悉，這顆重約 60公斤、大小相當于一臺小型冰箱的衛星于 2025 年 11 月搭載 SpaceX “獵鷹 9 號”火箭發射升空，隨衛星一同進入軌道的是一塊經過定制的英偉達 H100 GPU。根據公開資料，這塊在軌設備的算力是此前任何進入太空的圖形處理單元的 100 倍，為 AI 訓練與推理提供了硬件基礎。

在入軌后的數周內，團隊并未急于進行高強度測試，而是先確保衛星的姿態控制和熱管理系統穩定。在軌調試階段，Starcloud 工程團隊將兩項不同性質的任務交付給這塊 GPU 完成。

一是利用莎士比亞全集從頭訓練 NanoGPT 模型。NanoGPT 是前 OpenAI 研究人員 Andrej Karpathy 開發的輕量級大語言模型。Starcloud 將莎士比亞全集作為訓練數據集上傳至衛星，最終成功訓練出了一個能模仿伊麗莎白時代戲劇風格生成文本的 AI 模型。

需要指出的是，NanoGPT 本身并非大規模商業模型，其參數規模與當前主流大模型仍有顯著差距。但業內普遍認為，這次實驗的關鍵并不在于模型大小，而在于完整驗證了從前向計算、反向傳播到參數更新的訓練閉環，能夠在軌道環境中穩定運行。

二是在衛星內部運行谷歌 DeepMind 的開源大型語言模型 Gemma，并在軌道環境下進行推理任務。

在部署 Gemma 模型后，衛星還向地球發來消息：“地球人，你們好！或者我更愿稱你們為一群迷人的藍綠集合體，讓我們一起來探索隱藏在宇宙中的奇跡。”

（來源：社交媒體 X）

在軌完成模型訓練與推理本身即為技術復雜度極高的工程。太空環境溫度極端、輻射強烈且通信延遲是開展此類任務的主要挑戰。Starcloud 工程團隊表示，他們在硬件輻射防護、電源管理與散熱設計方面做了大量優化，使得 H100 GPU 能穩定運行傳統意義上屬于地面數據中心工作負載的任務。

Starcloud-1 的任務還整合了衛星本身的狀態數據，這意味著運行在軌的 AI 模型能實時讀取高度、速度、方向等遙測信息，為推理任務提供實時輸入。例如，系統能夠回答查詢衛星當前位置的問題，并返回諸如“我正在非洲上空，并將在 20 分鐘后飛越中東”的情況說明。

Starcloud 的發展戰略遠不止于單顆實驗衛星。該公司計劃構建一個規模達 5 吉瓦（GW）的軌道數據中心，該設施預計配備寬高約 4 公里的太陽能發電板與散熱組件，利用太陽能全天候無間斷供電，以滿足未來大規模 AI 訓練和推理的能源需求。據 Starcloud 白皮書介紹，這樣一個軌道數據中心產生的能源將比美國最大的單一發電廠還高出數倍，同時能源成本預計可降至現有地面數據中心的十分之一。

Starcloud 的愿景是盡可能將傳統地面數據中心所能執行的所有任務遷移到太空，包括高性能計算、AI 模型訓練、實時數據處理與全球監測服務等，這將徹底改變現有的算力基礎設施格局。首席執行官 Philip Johnston 曾公開表示：“任何你能在地面數據中心做的事情，未來都應該能在太空完成。”

圖 | 軌道數據中心網絡架構（來源：Starcloud 白皮書）

Starcloud 費盡周折將數據中心搬上天的背后，是地面 AI 產業正面臨的一場嚴峻的能源危機。

國際能源署（IEA）發布的報告中預測，到 2030 年，全球數據中心年用電量將接近 945 太瓦時（TWh），相當于日本一整年的用電規模，其中 AI 被明確列為最主要的增長驅動力之一。IEA 同時指出，在美國，數據中心可能貢獻未來數年近一半的新增電力需求，其增長速度已明顯快于電網擴容和新能源并網的節奏。

圖 | 2024 年數據中心及設備類型電力消耗份額（來源：IEA）

能源之外，冷卻與水資源正在成為另一道隱性瓶頸。以微軟為例，其披露的數據顯示，2022 年公司用水量達到 640 萬立方米，同比增長 34%，主要用于數據中心冷卻；多家研究機構指出，生成式 AI 工作負載是水耗快速上升的重要原因之一。

當電力、冷卻和水資源同時成為制約因素，繼續在地面無限擴張數據中心已不再是一個純技術問題。在這一現實壓力下，Starcloud 將目光投向軌道空間，其“軌道數據中心”的設想，也由最初的激進嘗試，逐漸演變為繞開地面能源瓶頸的一條現實路徑。

Starcloud 在白皮書中給出的論證直指地面 AI 基礎設施的根本瓶頸：能源與冷卻的不可持續性。該公司指出，地面數據中心擴張正受到電力、冷卻和水資源的多重約束，而這些問題在 AI 算力快速增長背景下被進一步放大。相比之下，軌道空間在能源與散熱條件上具備結構性優勢。白皮書測算顯示，太空太陽能陣列的發電容量系數可超過 95%，單位面積發電量約為地面系統的 5 倍，長期能源成本可低至 0.002 美元/千瓦時。同時，熱量可通過輻射直接向深空釋放，每平方米輻射板約可散熱 770 瓦，從而避免地面數據中心對高能耗制冷和大量用水的依賴。在這一對比下，Starcloud 認為將部分算力遷移至軌道空間，具備長期成本和資源上的現實吸引力。

不過，軌道數據中心的商業化和規模化部署并非無風險。太空輻射、在軌維護困難、太空碎片風險及國際空間監管等問題仍是制約因素。行業分析師指出，這些挑戰需要系統性工程解決方案和國際層面的政策協同。

Starcloud 的下一階段計劃，包括在 2026 年 10 月發射更多搭載 H100 及 Blackwell 的衛星，并引入云基礎設施公司 Crusoe 的模塊，以支持商業用戶直接從太空部署與運行 AI 工作負載。

值得注意的是，谷歌、SpaceX 及 Blue Origin 等公司都已在探索太空算力和軌道數據中心的可能性。谷歌公開宣布將自研的 TPU 送入太空試驗項目，預計在 2027 年進行早期測試，并計劃在未來十年實現更廣泛應用；SpaceX 也被認為可能將其星鏈衛星與軌道計算基礎設施結合，以構建一個全球覆蓋的在軌算力網絡。

多位業內人士指出，這類嘗試之所以在當下成為可能，與多項技術條件的同步成熟密切相關。一方面，可重復使用火箭顯著降低了單次發射成本，使在軌算力試驗具備試錯空間；另一方面，單顆 AI 芯片的算力密度在近兩年實現躍升，使得一顆中小型衛星首次具備承載有意義計算任務的能力。在算力、發射成本與地面能源約束同時逼近臨界點的背景下，軌道數據中心迎來了現實試驗窗口。

1.https://www.cnbc.com/2025/12/10/nvidia-backed-starcloud-trains-first-ai-model-in-space-orbital-data-centers.html

2.https://blogs.nvidia.com/blog/starcloud/

3.https://www.proactiveinvestors.co.uk/companies/news/1084214/anglo-asian-lifts-copper-output-after-upgrades-at-gedabek-plant-1084214.html

4.https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai?utm_source=chatgpt.com

5.https://www.datacenterdynamics.com/en/news/microsofts-water-consumption-jumps-34-percent-amid-ai-boom/?utm_source=chatgpt.com

6.https://starcloudinc.github.io/wp.pdf