太空真的能给算力腾出位置吗？从地表到轨道的算力战争（轻科普）

太空算力：一场被物理定律、经济学和国家战略共同塑造的远征 AI正在吃掉全世界的电。大模型训练一次消耗的电力相当于数千个家庭一整年的用量，而日常推理服务每年累加的总能耗又是训练的十几倍。地球上的电网开始绷不住了——这不只是电价上涨的问题，而是很多地区根本没有富余的电力容量来支撑大规模AI集群。在这种背景下，有人提出了一个听起来很科幻的解决方案：把数据中心搬到太空去。 太阳在那里近乎无限地供应能量，太空本身又冷得接近绝对零度，看上去一切都刚刚好。但仔细一想，这个设想似乎又离谱得过分——往天上扔几千吨设备，光是发射费就够在地面建几十个数据中心了。 科技界有一条著名的阿玛拉定律：我们总是倾向于高估一项技术的短期影响，而低估它的长期影响。太空算力这件事，恰恰卡在短期和长期之间的尴尬地带。而在这场跨时代的算力远征中，不同国家的路径选择、技术储备和战略考量，正在塑造完全不同的技术可操作性图景。 太空为什么不冷？ 绝大多数人对太空温度的第一反应是：那里接近绝对零度，芯片扔上去不就冻住了吗？这个直觉恰恰是最大的误解。 初中的物理课讲过热量的三种传递方式。传导，是两个物体直接接触时热量从热的流向冷的。对流，是液体或气体流动带走热量。辐射，是物体把热量以红外线的形式直接发射出去。 在地面上，数据中心散热三条路都用得上。芯片的热量先传导到散热片，散热片再由风扇吹风对流带走，同时还有一部分热量以辐射方式散掉。但到了太空，传导和对流同时失效了——没有东西和芯片接触，也没有空气或液体可以流动。散热只剩下辐射这一条路。 更麻烦的是，辐射散热的效率取决于物体本身的温度，而且和温度的四次方成正比。这个关系由一百五十年前的斯特藩-玻尔兹曼定律描述。在芯片工作温度上限——大约八十五摄氏度——附近，每平方米散热板只能辐射掉大约八百瓦的热量。作为对比，地面液冷系统在同样的面积内可以带走三四十千瓦。差了两个数量级。 这意味着太空数据中心必须放弃所有高功耗芯片。英伟达H100这种单颗七百瓦的怪兽级芯片，在太空根本没法用。只能选择功耗控制在两百瓦以内的低功耗推理专用芯片。散热物理已经把"什么能上太空"这件事筛选了一遍。 各主要参与方对这一物理约束的应对策略截然不同。美国商业公司倾向于"硬闯"，直接用H100做短期技术验证——Starcloud公司在2025年11月已经发射了搭载H100芯片的试验卫星，并在太空中成功运行了谷歌的Gemma模型。这种策略的代价是散热系统极其笨重，单星算力密度低，但好处是能快速拿到真实环境数据。 中国则选择了另一种路线——先在低功耗芯片和专用推理芯片上做工程积累。之江实验室2025年5月发射的"三体计算星座"首批12颗卫星，搭载的算力设备更侧重在轨协同和分布式计算验证，而非单颗芯片的峰值性能。两条路线没有绝对优劣，但反映了一个根本差异：美国企业赌的是"技术突破能解决散热问题"，中国企业赌的是"在物理约束下找到最优工程方案"。 训练是写教科书，推理是开卷考试 大模型的生命周期分成两个阶段：训练和推理。 训练是一次性的巨型工程。就像写一本教科书，作者需要反复查阅资料、反复修改章节，整个创作过程耗时长、功耗高、需要高度集中。GPT-4一次训练消耗的算力是个天文数字，但跑完就结束了。整个训练期间芯片二十四小时满负荷运转，功耗曲线是一条没有波动的平直线。 推理是持续的日常服务。教科书出版之后，千万读者每天翻阅它来回答问题，每一次查询消耗的算力微不足道，但架不住每天上亿次请求。一年三百六十五天累积下来，推理的总算力消耗是训练的十五倍左右。 这个差别对太空部署的影响非常直接。训练芯片必须常年满负荷运转，热量输出恒定且巨大，太空那点可怜的辐射散热能力根本招架不住。推理芯片的负载却是波动的——白天多、晚上少，工作日忙、周末闲。这种波动性可以用储能电池来削峰填谷，散热压力只集中在峰值时段而不是全天候。而太空的太阳能供电本身也是波动的，和推理的节奏天然匹配。 各主要力量在这个问题上的选择，折射出各自对"太空算力"的底层定义差异。 马斯克的SpaceX和xAI合并后，提出了最激进的方案：直接把AI训练搬到太空。按照他的设想，太空可能是运行耗能巨大的AI训练工作负载成本最低的地方，因为那里有无限的太阳能和天然的辐射散热条件。SpaceX已向FCC申请部署多达一百万颗卫星的轨道数据中心网络，这是一个"地数天算"的逻辑——地面的数据送到天上算。 中国的选择则更加务实。北京大学高文院士明确表示，中国不应效仿马斯克将庞大AI数据中心发射到轨道，而应优先发展在近地轨道安装计算系统来处理卫星自身产生的海量数据。这就是"天数天算"的逻辑——天上的数据在天上就地处理，只把有用信息传回地面，节省超过90%的下行带宽。 两种逻辑没有对错，但它们的"技术可操作性"完全不同。马斯克的方案要解决的是"如何把几千吨设备发射上天并散热"，而中国的方案要解决的是"如何让卫星自己变得更聪明"。前者是工程极限的挑战，后者是芯片、算法和卫星平台的协同优化。 异步推理：让延迟变得不重要 对延迟的敏感度，把推理任务分成了两个世界。 同步推理是用户在线等待结果的场景，比如跟ChatGPT对话。人类的感知极限大约在两百毫秒左右，超过这个时间就会觉得卡顿。在这种场景下，地面光纤网络显然更有优势。 异步推理是完全不同的逻辑。用户提交一批数据，系统排进队列，几小时甚至过夜之后再返回结果。夜间整理当天的卫星遥感图像、离线翻译大量文档、周期性分析散布在各地的传感器数据——这些任务对延迟几乎无感。 有趣的是，如果只看纯物理传输延迟，近地轨道卫星反而优于地面长距离通信。卫星距地面只有五百多公里，光信号跑一个来回也就几毫秒，而光纤穿越大陆需要几十毫秒。异步推理真正绕开的不是传输延迟，而是地面的排队和调度延迟——当大量请求涌入时，地面数据中心也会拥塞，而太空节点可以独立处理特定范围的请求，避免了主干网络的拥堵。 从技术可操作性角度看，美国和中国在这个领域的落地路径也呈现明显差异。美国的Starcloud公司已经开始尝试在轨推理服务，计划2026年10月发射集成Blackwell芯片的"Starcloud-2"卫星，算力提升十倍以上，并携手云服务商打造轨道公共云。这是典型的商业驱动路径——先验证技术，再找市场。 中国则更聚焦在具体应用场景上卡位。国星宇航已经在测试通过自然语言指令远程调用太空算力、操控地面人形机器人的技术。应用场景包括应急救援、远洋作业、无人矿山等——这些都是地面云服务覆盖不到的空白地带。三体计算星座的重点也放在对地球观测数据的实时处理上，设想的应用包括天气预报、灾害管理和国防领域。 太空辐射是藏在暗处的杀手 前面谈的散热和成本，都是可以靠工程手段解决的问题。但太空辐射对芯片的影响，是物理层面的硬约束。 太空里充满了高能粒子和宇宙射线，它们打中芯片时会引发两种问题。一种是单粒子翻转——粒子击中存储单元导致某个比特位从零翻成一或者从一翻成零，推理结果可能因此出现错误。另一种叫总电离剂量——长期累积的辐射慢慢损伤芯片内部结构，导致性能退化和最终失效。普通商用芯片在近地轨道环境中，设计寿命通常不超过五年，而地面芯片可以稳定运行十到十五年。 不同国家的技术路线在应对辐射问题上也表现出明显差异。美国商业公司倾向于用冗余设计来对冲——星座方案通过大量备用卫星实现容错，某颗坏了还有其他顶上。Starcloud和SpaceX走的都是这条路。而中国依托的是国家主导的长周期研发体系，在星载抗辐射芯片、星间激光通信等关键技术和产品研发上持续投入。之江实验室等机构推动的是"体系化验证"，从芯片选型、载荷设计到卫星平台、火箭发射全链条打通。 各国战略路径：三种模式，三种可操作性 把以上所有技术因素放到国家战略框架下看，当前全球太空算力竞争呈现出三条截然不同的路径。 美国：商业驱动，先发优势 美国的特点是"商业航天生态+科技巨头主导"。SpaceX凭借可重复使用火箭技术确立了成本优势，星链积累了大规模低轨星座的建设和运营经验，英伟达、谷歌、亚马逊、蓝色起源等企业各自从芯片、模型、云服务、发射等维度切入。这种模式的优势是灵活、快速、敢于冒险。FCC主席甚至将马斯克的百万卫星计划拔高到"迈向卡尔达舍夫Ⅱ型文明第一步"的高度。 但这种模式的挑战同样明显：美国部分地区正面临严重的电网瓶颈——微软CEO纳德拉坦言"不是没有芯片，而是插不上电"。这种"被逼上太空"的紧迫感驱动着美国企业激进推进，但也意味着一旦遇到物理极限的硬墙，调整成本极高。 中国：新型举国体制，体系化推进 中国的模式是"国家战略牵引、产业体系协同"。之江实验室、北京科研机构等国家队牵头，地方国资参股或控股的公司作为投资运营主体，系统性整合从芯片、载荷、卫星平台、火箭发射到运营应用的全产业链。北京市的项目计划在700-800公里晨昏轨道建设集中式大型计算设施，第一阶段目标2027年完成，电力容量最终达到1吉瓦。 中国的核心优势在于能源底气。中国发电量约为美国两倍，电价更低，特高压输电网络和"东数西算"工程系统性解决了算力与能源的协同布局。高盛预测到2030年中国将拥有约400吉瓦备用电力容量，约为届时全球数据中心预期用电量的三倍。这意味着中国发展太空算力的驱动力不是"地面没电可用"，而是"让天上产生数据就地处理更高效"——这是一个增值逻辑，而非逃生逻辑。 技术短板也同样存在。可重复使用火箭的工程化应用仍待突破——蓝箭航天朱雀三号一子级回收尚未完全成功，若要满足大规模星座部署要求，中国年均需发射约500枚中大型运载火箭。发射成本仍是制约大规模部署的重要瓶颈。 欧洲：绿色主权导向，长周期布局 欧洲走的是第三条路——以"绿色可持续"和"数字主权"为双核心诉求的ASCEND项目。计划2031年发射单星功率50千瓦的试验星，2036年部署10兆瓦级最小可行产品，2050年扩展至吉瓦级。这条路线时间跨度最长，但一旦成型，将具备零碳排放和主权可控的双重战略价值。 法国的Thales Alenia Space公司主导的可行性研究指出，该方案在技术上依赖发射成本降低与辐射防护等关键突破，但其在提供兼具主权保障与低碳属性的数据托管服务方面有独特价值。 技术可操作性的共同底线 尽管路径不同，所有国家都面临同样的底层技术制约。散热物理、辐射防护、发射成本这三个变量共同构成了太空算力的"可操作性三角"——三者必须同时达到工程可行和经济合理的阈值，大规模部署才能真正落地。目前全球公认的技术路线中，分布式星座方案被视为短期内更可行的选择，因为它天然具备冗余能力来对冲辐射损伤和设备失效。 结论：填补空白，而非取代主流 把全部因素串起来，可以得出一个比"太空数据中心"这个宏大叙事更冷静的判断。 散热物理把高功耗的训练芯片挡在门外，只给低功耗推理芯片留了条缝。推理市场规模确实够大，成本结构也确实更匹配太空的波动供能和波动散热。异步推理对延迟不敏感的特性，恰好弥补了卫星通信在交互体验上的劣势。经济上虽然发射成本惊人，但在足够大的规模下有机会打平。辐射可靠性这个变量，最终把太空推理限定在了"可容忍偶尔出错"的批处理场景。 各国的技术可操作性决定了谁能先走通这条路。美国凭借商业航天生态和先发优势正在快速验证，但电网危机驱动的激进策略可能遇到物理极限。中国依托举国体制和能源底气在体系化推进，但可重复使用火箭等关键技术仍需突破。欧洲则选择了最稳妥但也最缓慢的绿色主权路径。 更准确的说法是：太空数据中心的第一步，不是"推理"这个宽泛概念，而是"对延迟不敏感、对出错有一定容忍度、对功耗极其敏感的批处理推理节点"。它不会取代地面AI服务，也不会成为主流算力来源。它的角色是填补一个非常具体的空白——那些地面光纤和电网同时覆盖不到的边缘地带，同时数据又必须在本地处理的场景。 这个判断恰好印证了阿玛拉定律。短期内，把几千吨设备发射上天、在辐射环境中运行批处理任务，已经有人在尝试了，但离规模化还很远。长期看，如果人类真的在太空建立了大规模基础设施，算力节点的迁移可能就是其中顺理成章的一步。只不过这个"长期"的刻度，可能比乐观者想象的更久一些——不是五年十年，而是二十年到三十年的尺度。 太空算力不会取代地球上的数据中心，但它可能会成为地面算力版图上最后一块拼图，覆盖那些今天连电和网都还到不了的地方。这个角色不够性感，但足够真实。而在这场漫长的远征中，不同国家的技术路径选择，正在决定着谁能率先把这块拼图放到位。

电力已经成为新时代的经济命脉！ 2025年，黄仁勋在播客里说了一句话：芯片不是瓶颈，电才是。 一个做AI芯片的人，告诉你芯片不是问题。那一刻开始，一件事变得清晰——AI往前走的最大障碍，不是算法，不是数据，而是电。 微软复活了停运五年的核电站，亚马逊锁定了一座核电站80%的产能，Meta要盖一个曼哈顿那么大的数据中心。 地面电力撞墙之后，五个阵营的人开始认真讨论同一个听起来像科幻的主意：把数据中心搬到太空。太空有7×24小时的太阳能，没人跟你抢电，听起来完美。 但存在一个问题：太空没有空气，热量散不出去。

拥有外行给外行科普的一切缺点，但是当内行不愿意、没时间或者保密需要做不了时，任何科普都是好事。 缺点就是刚刚说的，外行给外行科普的一般问题，不了解具体技术，不了解前沿研究，初学者被震撼到后习惯性的夸张和没经历反复锤炼（退稿）的语言风格。 散热不一定会成为太空算力的瓶颈，有机会突破。不过，这个机会当然不是三年内，三十年估计也不行，不在本书讨论范围内。 另一类估计有偏的是航天技术，有一些更难的没有被提到的问题，也存在一些预期更好的结果。 最后好奇一下，作者查资料时没有见到国内航天从业者痛骂星链吗？批量制造太空垃圾，威胁其他航天器安全，霸占轨道等等等等。 卫星不止飞在美国上空，星链的一百万计划不只是美国的事，还有通信频谱也是全球通用。 太空一定会是二十一世纪的战场啊。

这本书围绕AI算力供电难题展开科普，剖析地面电力供给瓶颈，探讨太空架设数据中心这一设想，结合科技企业布局实例，理性分析方案利弊，兼具行业观察与前沿思考，通俗易懂。

每一项重大成就都会带来新的问题。人类追逐算力的脚步从地面机房攀至近地轨道，以为逃离了电力的天花板便能拥抱无限，却不料真空之中热量无处可去，旧枷锁刚解开，新困局已生成。探索的本质从来不是找到终极答案，而是在解决与新生问题之间不断向前。所谓进步，便是在这永无止境的追问中，一次次把认知的边界推向更远的地方。

作者的观点是客观的，太空算力，起码在最近几年（不少于10年）应该都是噱头，太空算力目前比较适用的场景就是端侧算力，比如卫星遥感图片处理，探测数据处理等等能够提高效率的方面，成本和效果都是可观的，作者忽略的一个问题是国家体制和基础建设能力的方面，巨头们为什么搞小反应堆，搞太空算力，为什么工业强国的东大却除了端侧应用，没有太明显的动作（当然，基础技术的研究肯定一直在推进），国家体制方面，国内要搞什么只要国家推进，就没什么阻力，美国那边，土地环保，各种阻力都推高了成本，美国那么多戈壁平原，搞光伏和风能是最好的，国内沙漠光伏就是很好的例子，但是为啥不搞？再一个美国的电力基础设施技术已经落后了，且不能大量扩容，而中国一再加强基础设施建设和技术发展，燃气轮机，变压器，充足！所以不是地面撞墙了，是他们撞墙了

作者探讨了随着人工智能的快速发展，数据中心对电力的巨大需求已成为制约其进一步发展的瓶颈。 通过分析AI工具对电力的消耗、数据中心的能源瓶颈，提出了将数据中心搬迁到太空利用太阳能的解决方案。 尤其是对在太空中数据中心的散热问题的分析，切中要害。

有意思，热点问题＋作者对热点问题的炙热的提问… 作者不仅仅在书中表达了社会对这些问题的广泛关切，更是对现阶段人类为了数据中心的推进思考，做出了系统性＋科学性的整理。 至于人类目前的想法是多久能够实现，交给时间，就是最好的办法。 仅仅书中提出的问题与思考，就值得阅读，推荐👊

限制人类发展，一定是能源。 电，热，网。热是也是最难的攻克的，但是必须要解决的。除非人类避不开的门槛，除非人类永远不想离开地球。人能开启大航海时代，大航空一定也会发生，只是 AI 会促进发生。 没有 AI 的时候就有对太空的向往了。

冲出大气层，奔向太空的大方向不会有问题，散热问题的物理墙可能只能等大规模工业上天后，才能有比较经济的余热利用解决方案了，其他的工程技术问题，不远的未来应该都会很快迭代出妥善的技术路线和方案