Google har fått sitt första AI-genererade svar från en satellit i omloppsbana. Det är ett viktigt steg i företagets planer på att flytta framtidens AI-datacenter ut i rymden, där solenergi kan finnas tillgänglig nästan dygnet runt. Men försöket visar också hur långt det är kvar innan stora AI-system kan drivas utanför jorden.
Google meddelade den 30 oktober att företagets Project Suncatcher genomfört sitt första lyckade test med en språkmodell på en satellit. Prototypen sköts upp med en SpaceX-raket den 1 oktober och har sedan dess genomgått flera tekniska tester.
Det avgörande försöket bestod av en fråga som skickades från jorden till språkmodellen Gemma 4, installerad på satelliten. Modellen genererade en kort dikt om rymden och skickade tillbaka svaret när satelliten passerade över Svalbard.
Det var första gången Google fick ett AI-genererat svar från en av företagets datacenterklassade TPU-processorer i omloppsbana.
Därför vill Google bygga AI-datacenter i rymden
Den stora drivkraften är elektricitet.
AI-system kräver enorma mängder beräkningskraft, och AI:s växande elförbrukning har blivit en allt större utmaning för teknikföretagen. Datacenter behöver både el till processorerna och energi till kylningen.
I rymden skulle solpaneler kunna utnyttja solljuset betydligt effektivare än på jorden. Google undersöker satelliter i särskilda omloppsbanor där panelerna kan få nästan oavbrutet solljus.
Enligt företagets forskningsberäkningar skulle solpaneler under gynnsamma förhållanden kunna producera upp till åtta gånger så mycket energi över tid som motsvarande paneler på jorden vid mellanlatituder.
Det skulle kunna minska behovet av stora batterisystem och göra AI-beräkningar mindre beroende av jordens elnät.
Men fördelarna kommer med stora tekniska problem.
Fyra problem som måste lösas
Att få en språkmodell att skriva en dikt är något helt annat än att driva ett datacenter med tusentals kraftfulla processorer.
| Utmaning | Problemet i rymden |
|---|---|
| Kylning | Utan luft kan värmen inte föras bort med vanliga kylsystem. |
| Strålning | Partiklar från rymden kan störa beräkningar och skada elektroniken. |
| Kommunikation | Processorerna måste kunna överföra enorma datamängder mellan satelliter. |
| Kostnader | Uppskjutning, underhåll och utbyte av utrustning är betydligt svårare än på jorden. |
Kylningen är särskilt intressant. Rymden är kall, men vakuum gör inte automatiskt elektronik lättare att kyla.
På jorden kan fläktar och vätskekylning transportera bort värmen. I rymden måste värmen i slutändan strålas ut, vilket kräver särskilda konstruktioner och tillräckligt stora kylytor.
Det innebär att den solenergi som gör idén attraktiv också kan skapa ett stort kylproblem när kraftfulla processorer används.
Google har redan genomfört tester av hur TPU-processorer påverkas av strålning. Företaget forskar också på snabba laserförbindelser mellan satelliter, men har ännu inte visat att ett helt nätverk fungerar i den skala som stora AI-datacenter kräver.
Vad har Google egentligen bevisat?
Det första AI-svaret är ett tekniskt genombrott för projektet, men det är viktigt att skilja mellan vad som faktiskt fungerar och vad som fortfarande är en framtidsvision.
| Google har visat | Det återstår att bevisa |
|---|---|
| En språkmodell kan köras på satellitens TPU-processor. | Att många processorer kan arbeta tillsammans kontinuerligt. |
| AI-genererade svar kan skickas tillbaka till jorden. | Att stora datamängder kan överföras tillräckligt snabbt. |
| Processorn fungerar efter uppskjutningen. | Att utrustningen klarar flera års drift med hög belastning. |
| En färdigtränad modell kan användas i rymden. | Att stora AI-modeller kan tränas effektivt där. |
Den sista skillnaden är avgörande. Googles demonstration handlar om att använda en redan tränad språkmodell, så kallad inferens.
Att träna framtidens största AI-modeller kräver betydligt mer datorkraft, energi och kommunikation mellan processorerna.
Prototypen har dessutom begränsad tillgång till elektricitet. Enligt TechCrunch kan dess TPU-processorer bara köras under kortare perioder, omkring 20 minuter åt gången.
Uppskjutningskostnaderna kan avgöra framtiden
Google räknar med att tekniken kan bli ekonomiskt intressant om kostnaden för att skicka upp utrustning sjunker kraftigt.
I företagets forskningsmodell används ett framtida uppskjutningspris på under 200 dollar per kilo under mitten av 2030-talet.
Det är fortfarande en prognos. Även om uppskjutningarna blir billigare måste satelliterna byggas, kylas, kommunicera med varandra och ersättas när de blir uttjänta.
Google är heller inte ensamt om att undersöka möjligheterna. Förenade Arabemiraten har presenterat en stor satsning på AI-satelliter, även om AI-bearbetning på satelliter inte är samma sak som fullskaliga datacenter i omloppsbana.
Nästa stora test kommer 2027
Google planerar att gå vidare med två sammankopplade satelliter under 2027. Då ska företaget bland annat undersöka hur processorerna fungerar under verkliga förhållanden och hur beräkningar kan fördelas mellan satelliter.
Något datum för kommersiella AI-datacenter i rymden finns ännu inte.
Det första AI-svaret visar att grundtekniken fungerar. Den betydligt större frågan är om Google kan bygga ett system som producerar tillräckligt mycket beräkningskraft, kan kylas effektivt och kostar mindre än motsvarande datacenter på jorden.
Mer information om försöket finns i Googles officiella redovisning av Project Sunchatchers första AI-svar.