SpaceX 計劃採用 Nvidia 技術建立軌道 AI 系統,係一次備受注目嘅實驗:規模接近資料中心嘅運算,究竟可唔可以離開地球、喺太空真正運作?眼前最搶眼嘅消息係時間表——馬斯克話,SpaceX 對 2027 年將 Nvidia Vera Rubin NVL72 系統送入軌道「相當有信心」。但更難回答嘅問題,係軌道運算喺物理限制、商業成本同監管層面,能否支持有意義嘅部署。
馬斯克到底宣布咗乜?
9 月 13 日,馬斯克表示,SpaceX 會喺翌年將 Nvidia「VR NLV72」AI 電腦送上太空;外界普遍理解佢所指嘅係 Nvidia Vera Rubin NVL72 系統。
2
呢個講法重申咗 8 月公布嘅合作方向:SpaceX 同 Nvidia 已設計出一套為太空優化嘅 Vera Rubin NVL72 系統,目標係 2027 年第四季送入軌道,並計劃喺 2028 年擴展到「相當規模」。馬斯克形容,呢個設計相比傳統機架更簡單、更輕、密度更高、成本亦更低。
4
6
Nvidia 表示,SpaceXAI 計劃中第一代 Starmind AI 衛星,會採用經優化嘅 Vera Rubin NVL72 機架級系統。
6 有關計劃嘅報道指出,Starmind 嘗試將原本用於地面 AI 基建嘅系統架構改造後帶入太空。
10
Starmind 喺 Nvidia 太空運算部署中扮演咩角色?
Starmind 構想屬於 Nvidia 更大嘅策略一部分:唔止供應單一加速器,而係提供更完整嘅運算平台。Nvidia 喺 2026 年 3 月 GTC 大會公布針對體積、重量同耗電受嚴格限制環境嘅太空運算平台,包括 Space-1 Vera Rubin Module、IGX Thor 同 Jetson 平台。現有報道指,呢批產品瞄準軌道資料中心、地理空間情報同自主太空操作。
兩者分別好重要。衛星 AI 可以只係做較小型嘅機上處理,例如先分析影像,然後先將較少資料傳返地面。Starmind 就走得更遠:佢計劃喺軌道部署整合而且經優化嘅機架級系統,而唔係淨係搭載小型邊緣運算載荷。
6
10
不過,呢個唔代表軌道資料中心今日已經投入服務。現有資料只支持「已公布設計」同「預定時間表」,並唔證明一套完整 NVL72 規模電腦已經喺太空成功運行。
11
點解要喺軌道處理 AI?
軌道運算最有說服力嘅用途,係資料本身由太空產生,而將全部原始資料傳返地面並唔划算嘅情況。譬如衛星感測器所收集嘅資料,如果可以喺接近收集地點嘅軌道上即時處理,就有機會減少下傳資料量,亦可加快部分決策。
但呢個理由,同證明太空可以經濟地取代地面超大型資料中心、處理廣泛 AI 訓練或面向消費者嘅 AI 服務,係兩回事。現有來源並未證實後者喺技術或商業上可行。
最大工程難關:點樣散熱?
太空有陽光,但冇大氣對流。對高耗電運算而言,呢點係重大限制:太空器產生嘅廢熱,主要要靠熱輻射排走,可能需要非常大面積嘅散熱器。布魯金斯學會指出,大型軌道資料中心點樣冷卻仍未明朗;喺真空環境中,熱輻射可能係唯一可行嘅散熱方法。
18
其他未解難題仲包括抗輻射能力、發電與儲能、網絡連接、發射整合、維修、太空碎片,以及故障硬件嘅更換成本。呢啲唔係附帶問題,而係直接決定整個概念可唔可以擴展。
點解 2027 年第四季只可以當目標?
馬斯克提出嘅 2027 年第四季時間表,比早前 SpaceX 在報道中披露嘅說法更進取;後者只稱最快可於「2028 年」部署。
4
目標日期可以作為研發里程碑,但唔等於發射已落實,亦唔等於太空器設計已驗證。要由完整規模嘅軌道運算載荷驗證概念,系統首先要證明其封裝、供電、熱控、防輻射同通訊,能夠喺實際飛行環境中穩定配合運作。
11
18
所以較審慎嘅理解係:2027 年係已公布嘅目標,唔係已確立嘅正式投產日期。
百萬衛星構想帶來嘅更大爭議
Starmind 計劃亦連繫住一場關於軌道資料中心嘅大型爭論。根據相關報道,SpaceX 曾尋求授權,發射最多 100 萬枚以太陽能供電、配置成軌道資料中心嘅衛星。
17
一旦規模真係去到咁大,影響就唔止係建造系統嘅公司。更多航天器會令軌道擠塞同碰撞管理要求增加;大型反光結構亦可能影響天文觀測。一項學術分析研究咗約 500 公里高度、公里級運算陣列嘅影響,結論認為佢哋可明顯改變日間與夜間天空;研究模型中一個 4 × 4 公里陣列,從地面睇嘅視角大小約等同月亮。
17
呢啲情景唔係描述 Starmind 第一枚衛星,而係說明如果未來由示範任務發展成龐大星座,就必須嚴肅審視太空安全同環境後果。
總結
馬斯克 9 月嘅說法,係再次確認 SpaceX 同 Nvidia 嘅目標:2027 年將為太空優化嘅 Vera Rubin NVL72 系統送入軌道,之後喺 2028 年進一步擴展。
2
6 呢個計劃將 Nvidia 面向太空嘅硬件部署,放到一項極具野心嘅嘗試核心——將機架級 AI 運算帶入軌道。
呢個概念或許適合部分特定衛星工作,尤其係喺軌道直接處理資料有明確優勢嘅場合。但由一枚計劃中嘅 Starmind 載荷,跳到具經濟競爭力嘅軌道資料中心網絡,中間仍然有極大距離。散熱、可靠性、發射成本、監管審批,以及龐大衛星星座對環境嘅影響,先係比發射目標日期更關鍵嘅考驗。
10
18