Tech-ledare som Elon Musk och Jeff Bezos föreslår att skicka upp data centers i omloppsbana för att möta AI:s enorma beräkningsbehov, men experter pekar på betydande hinder. Från stora solpaneler och kylproblem till strålningsrisker förblir byggandet av sådana anläggningar i rymden långt borta. Projekt som Googles prototyper 2027 visar tidigt intresse, men produktionsskalig genomförbarhet är avlägsen.
Den ökande efterfrågan på generativ AI, som ChatGPT, har intensifierat behovet av enorma data centers som kräver gigawatt av effekt – jämförbart med miljoner hushålls förbrukning. På jorden förlitar sig dessa anläggningar alltmer på ohållbara energikällor som naturgas, då förnybart kämpar med att leverera nödvändig skala och tillförlitlighet.
För att hantera detta har personer som Elon Musk och Jeff Bezos föreslagit orbitala data centers i låg jordbana, som utnyttjar konstant solljus via solpaneler för obruten effekt. Bezos, genom sitt företag Blue Origin, förutspår gigawatt-skalade anläggningar inom 10 till 20 år.
Google avancerar mer konkreta insatser med Project Suncatcher, och planerar att skjuta upp två prototyp-satelliter utrustade med dess TPU AI-chips 2027. Under tiden har Nvidia-stödda Starcloud gjort framsteg i år genom att deploya en enda H100 grafikenhet i rymden, även om detta bleknar mot den miljon sådana chips som OpenAI reportedly använder.
Experter är skeptiska till när実現barhet. Benjamin Lee vid University of Pennsylvania säger: «Ur ett akademiskt forsknings perspektiv är [rymdata centers] långt ifrån produktionsnivå.» Nyckelhinder inkluderar den enorma fysiska fotavtrycket: AI:s effektbehov kräver kvadratkilometer av solpaneler, medan kylning i rymdens vakuum enbart förlitar sig på att stråla ut värme, utan jordens evaporativa metoder. Lee noterar: «Kvadratkilometer av yta kommer att användas separat både för energin och för kylningen.» Starcloud ser en 5000-megawatt-center som spänner 16 kvadratkilometer – 400 gånger ytan på den internationella rymdstationens solarrayer.
Ytterligare utmaningar omfattar högenergi-strålning som kan inducera beräkningsfel, vilket kräver omstarter och felkorrigeringar och därmed medför en «prestandarabatt» jämfört med jordbaserade system. Att koordinera tusentals satelliter skulle kräva exakta laserkommunikationer, komplicerade av atmosfärisk interferens med jordlänkar.
Krishna Muralidharan vid University of Arizona ser dessa som övervinneliga: «Det är inte ett problem, det är en utmaning,» och citerar potentiella innovationer som termoelektriska enheter för att återvinna värme till el. Han tillägger: «Det är en fråga om när, inte om.»
Tittandes framåt, även om AI:s beräkningshunger planar ut – som tidiga tecken antyder med träningskrav som potentiellt når topp – kunde rymd-data centers fortfarande stödja månutforskning eller jordobservation, enligt Muralidharan.
