Nvidia助力Starcloud首創太空AI訓練模組

Nvidia支持Starcloud成功於太空訓練首個AI模型

位於華盛頓、獲Nvidia支持的初創公司Starcloud，首次在太空中成功訓練AI模型，這標誌著太空軌道數據中心發展的一大步。

今年十一月，Starcloud發射了一顆搭載Nvidia H100 GPU的衛星。這款GPU的運算能力遠超以往送入太空的晶片。

這顆名為Starcloud-1的衛星，在軌運行Google開源的大型語言模型Gemma，成為首個在地球外使用高性能GPU運行的此類模型。

此外，Starcloud還在衛星上訓練了由OpenAI創辦成員Andrej Karpathy開發的NanoGPT AI模型。

公司表示，利用太空中的太陽能供電技術，有望減輕地面數據中心日益增長的能源消耗及對環境的影響。

Starcloud計劃在2026年10月發射的下一顆衛星中，增添更多Nvidia晶片並整合其他雲端平台。

深度解析：太空數據中心的發展挑戰與機遇

儘管Starcloud這次的衛星發射與AI模型訓練令人振奮，但太空數據中心要成為真正商業化的選項，仍需克服不少難關。專家指出，若要與地面數據中心的每千瓦年成本相匹配，發射成本必須降至每公斤200美元以下，而這一目標需要到2030年代中期才能實現。

太空環境中的輻射問題，可能導致硬件每五至六年就要更換一次，且太空中的熱控系統需要大型散熱器，增加了系統質量。此外，衛星間的高速連接必須達到每秒數十太比特，且衛星間距離必須維持在公里級甚至更近，這對技術提出極高要求。

Google內部研究的Project Suncatcher顯示，位於日夜交替軌道的太陽能板能產生地球上同功率輸出的8倍電量，但火箭發射及返回過程產生的污染物對臭氧層造成的環境代價，仍是未解的問題。

地面站的角色也非常關鍵。為了處理軌道上的AI計算任務，必須有高速下行鏈路與雲端連接，這為地面站作為服務的網絡提供了商機。像挪威的KSAT擁有超過300個衛星天線，印度的Dhruva Space則提供低地球軌道衛星追蹤服務，這些基礎設施能支持高速數據回傳。

此外，Telesat Lightspeed計劃的198顆LEO衛星系統，能提供千兆位每秒的速度，並符合Metro Ethernet Forum標準，這讓地面站能在空間工作負載中加入快取和機器學習運營層，實現軌道與地面基礎設施的混合計算。

評論與啟示

Starcloud在太空中成功訓練AI模型，無疑是科技發展史上的一項創舉，象徵著我們正逐步邁向將計算資源從地面搬遷至太空的新時代。利用太空的無盡太陽能供電，理論上能大幅降低數據中心對地球資源的依賴，對應對全球能源危機和環境保護具有積極意義。

不過，這條路並不平坦。從技術挑戰到環境影響，從成本效益到基礎設施建設，都需要業界和政府攜手合作，持續創新和優化。尤其是火箭發射的頻繁和污染問題，若無法有效控制，太空數據中心的環保優勢可能難以兌現。

此外，地面站的發展將是連接軌道計算和地面用戶的關鍵樞紐。如何打造高效、低延遲並可擴展的地面基礎設施，將直接影響太空數據中心商業模式的成敗。

總括而言，Starcloud的突破讓我們看到了未來數據中心的新方向，亦提醒我們在追求技術前沿的同時，必須全盤考慮經濟與環境可持續性。這也是科技創新不可忽視的責任與挑戰。未來數年，太空數據中心的發展值得我們持續關注，因為它不僅是技術革命，更是人類探索與利用太空資源的全新篇章。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。