Google 要把 TPU 送上太空：将搭乘 SpaceX 的火箭升空 验证太空数据中心设想
一颗原型卫星将把四颗 TPU 送入轨道，实测发射振动、辐射与散热；卫星之间的激光互联要等下一阶段。
Google 准备把四颗 TPU 送入轨道。它们装在一颗与 Planet 合作制造的原型卫星里，将搭乘 SpaceX 的 Transporter-18 拼车任务升空。这次试验属于 Project Suncatcher（追日者计划）：Google 想知道，利用低轨道近乎持续的阳光供电，再把许多搭载 TPU 的卫星连起来，能否在太空承载大规模机器学习计算。
这颗卫星暂时不会组成“太空数据中心”。它先测试四颗 TPU 能否熬过火箭发射，并在轨道的辐射、真空和温度条件下运行。
把这次补充的几份官方材料按时间排开，计划的变化会更清楚：
- 2025 年 11 月的项目首发文章写的是：Google 与 Planet 计划在 2027 年初前发射两颗原型卫星，同时验证硬件在轨运行和卫星间通信。
- 2026 年 9 月 24 日的新长文在双星任务之前增加了一次单星试验。按文章发布时的说法，第一批 TPU 将在“下一周”进入轨道；这次先寻找硬件失效点，再把数据用于后续任务。这里的“下一周”是 Google 当时给出的计划窗口，不是已经完成发射。
- Google 的发布帖补充了单星载荷数量：原型卫星携带 四颗 TPU。Sundar Pichai 的帖子则确认，这颗与 Planet 合作制造的卫星搭乘 SpaceX Transporter-18 拼车任务。
因此，这不是原定双星试验已经提前完成，而是 Google 在 2027 年双星互联之前插入了一次更小的在轨硬件试验：先回答 TPU 和散热系统能不能工作，再回答两颗卫星能不能高速互联。
这段短片负责解释团队为什么愿意做这项实验，而不是证明方案已经成立。片中先承认这个想法听起来“很疯狂”，随后把逻辑落到太阳能：如果要把太阳能供电继续扩大，在合适轨道上部署就成了一个值得测试的方向。结尾又明确说，这类项目有风险、有时不会成功，但实验过程中可能得到原先没有预料到的新结果。因此，短片支持的是研究动机与试错价值；四颗 TPU 能否在轨工作，仍要由这次任务的数据回答。
为什么要把 AI 算力搬上天？
原因先从供电说起。在低地球轨道（Low Earth Orbit, LEO），特定轨道上的卫星可以接近持续地晒到太阳。Google 测算，在这种光照条件下，同样面积的太阳能帆板最高可以产生地面的 8 倍电力。
官方视频把“特定轨道”说得更具体：团队比较过包括地球同步轨道在内的多种选择，认为晨昏轨道（dawn-dusk orbit）更适合这项设想，因为太阳能帆板在那里可以获得接近全天候的日照。视频给出的同面积发电量区间是地面的 5 至 8 倍。因此，“8 倍”是选定轨道和理想日照条件下的太阳能帆板上限，不能直接理解为整座太空数据中心的净能源优势。
如果未来能用高速网络连接多颗太阳能卫星，它们就可能共同处理超过单星能力的 AI 计算任务。但“8 倍”只说明光照带来的发电潜力，还没有回答芯片能否在轨道上长期运行、卫星之间能否交换足够多的数据，以及整套系统是否值得建。此次单星试验只回答第一项。
第一颗卫星先回答：TPU 能在轨道上工作吗？
TPU 原本在温度和供电都受控的机房里运行。送进轨道后，它要接连面对火箭振动、高能粒子和无法用空气带走热量的真空环境。
这次单星任务会记录芯片经历发射、辐射和温度变化时的表现，再据此修改后续双星硬件与任务设计。
发射前，团队分别做了振动、质子束照射和热真空测试：
发射振动：芯片能承受升空过程吗？
火箭从点火到进入近地轨道大约需要 10 分钟。航天器在此期间会剧烈振动，整体承受的持续加速度载荷最高可达 10g；包括 TPU 在内的单个部件可能承受 50 到 100g。
- 地面测试做法：团队把整颗卫星放到振动台上，沿三个轴向摇动，模拟火箭发射时的振动频率。这项测试同时检验 Planet 为硬件设计的定制封装能否阻止部件在升空过程中损坏。
- 目前结论：Google 表示，硬件承受住了三轴振动测试。
轨道辐射：计算错误会怎样影响任务？
进入轨道后，太阳活动产生的高能粒子和宇宙射线会给电子器件带来辐射风险。高能粒子穿透半导体时，可能引起“比特翻转”（bit flip），即存储或计算单元中的位值发生异常变化（例如由 0 变 1 或由 1 变 0）。视频把辐射问题分成两类：单次粒子撞击造成的单粒子翻转（single-event upset）通常可以纠正；长期暴露累积的总电离剂量（Total Ionizing Dose）则会逐步损伤器件。
- 地面测试做法：团队在加利福尼亚大学戴维斯分校克罗克核实验室（UC Davis Crocker Nuclear Laboratory）的质子束装置中对 TPU 进行了照射测试，在芯片运行 AI 工作负载的同时，密切监测类似比特翻转的错误对计算负载的具体影响。
- 目前结论：地面测试的初步结果显示，团队参与测试的 Trillium TPU 展现出了良好的耐受性，能够承受的总电离辐射剂量（Total Ionizing Dose）超过了一颗执行 5 年太空任务卫星的理论累积量。
- 发现过什么错误：视频中的工程师称，团队在束流测试中第一次观察到一次静默数据损坏（Silent Data Corruption, SDC）。它比明显崩溃更难发现：系统仍在运行，但计算结果已经悄悄出错。这也是在照射期间持续运行真实 AI 工作负载的原因。
这项测试还有一层工程取舍：如果商用 TPU 加上封装、纠错和监测就能满足任务要求，团队可以较快采用地面芯片产业的更新成果，不必为每代芯片重新走一遍漫长的航天级定制周期。当前试验只说明这条路线值得继续验证，还没有证明普通商用硬件可以不经改造直接上天。
真空散热：芯片产生的热送到哪里？
地面数据中心通常依靠风扇吹动强冷风或水冷系统带走热量，但太空中处于真空状态，完全没有空气流动，对流散热手段全部失效。TPU 在较小的芯片面积上会产生大量热量，必须安全散出，否则将面临过热风险。
- 散热机制：在太空真空中，向外排出热量的最终途径是通过散热辐射板向冰冷的宇宙背景发射红外线辐射。但在卫星内部，芯片产生的热量依然要先通过热管或泵驱流体回路，从机身内部送到外部辐射板。
- 难点在尺度，不在原理：辐射散热是成熟的航天技术。视频中的工程师给出的量级是，辐射板每平方米只能散掉数百瓦，而一块手掌大小的 TPU 会产生数千瓦热量，因此每颗 TPU 可能需要数平方米量级的散热面积。这是远期“每星数十颗 TPU”很难直接缩小成普通卫星尺寸的原因之一。
- 地面测试做法：团队把集成后的载荷放入热真空舱（Thermal Vacuum Chamber），同时模拟真空与温度条件，再运行功能测试观察整套散热路径的反应；实际在轨表现还要等这次任务观测。
振动台、质子束设施和热真空舱提供的仍是地面测试结果。真实轨道会把这些条件同时施加在同一套硬件上。这次发射要获取在轨数据，找出地面测试没有暴露的失效点。
从一颗卫星走向多星互联，还要解决什么？
一颗卫星装不下足够多的 TPU。要处理更大的 AI 工作负载，多颗卫星必须像数据中心里的机器一样交换数据、协同计算。Google 设想未来每颗卫星搭载数十颗 TPU，再让多颗卫星组成在轨集群。
根据规划，这项研究将分步推进：
- 这次单星任务：观测 TPU 经历发射、辐射和散热挑战后的在轨表现。
- 计划中的 2027 年双星任务：测试两颗卫星之间的短距离、高带宽激光连接。
- 远期设想：多颗卫星结成集群，每颗搭载数十颗 TPU，共同承担更大的计算任务。
多星协同依赖星间激光互联，但现有系统不能直接满足这种计算集群的需要：
- 带宽和延迟都要接近数据中心：Google 的视频说明，远期集群中的数千颗芯片既要在单颗卫星内部通信，也要跨卫星通信；两处都需要高带宽、低延迟。现有太空激光系统大多针对远距离、低带宽通信，而计算集群需要在较短距离内持续交换大量数据。
- 高精度相对定位要求：为了保障 AI 计算所需的通信带宽，每颗卫星都必须实时获知自身位置以及相对于邻近卫星的位置，并通过激光维持高速数据链路。
- 激光对准的高难度：在轨道运行中保持这种高带宽连接需要极高的对准精度。Google 将其形容为：在两端都在运动的情况下，从数英里之外精准击中一枚硬币大小的目标。
Google 已经完成一个地面概念验证：团队把现成的光纤光学收发器稍作改造，让它不再驱动光纤，而是驱动两台望远镜；测试得到两个方向各 800 Gbps 的双向链路。这个数字证明的是实验室里的收发器和光路组合能传数据，不代表运动中的两颗卫星已经能在轨道上长期保持 800 Gbps。
这项激光互联技术，计划在 2027 年两颗原型卫星送入轨道时展开实地测试。
这次发射之后该看什么？
发射是否成功只能说明卫星到了轨道。接下来要看四颗 TPU 能否持续运行、辐射错误会怎样影响 AI 工作负载、散热结构能否压住温度。这些数据会用于修改下一轮硬件。双星试验则要验证，两颗不断移动的卫星能否长期保持稳定、高带宽的激光链路。
即便两阶段测试都达到预期，也只能说明关键工程环节迈过了早期验证。把少量原型扩展成可持续、可维护、经济上合理的 AI 基础设施，仍是后续研究要回答的问题。
太空能办数据中心吗？Google 先送四颗 TPU 上天试水
这不是原定双星试验已经提前完成，而是 Google 在 2027 年双星互联之前插入了一次更小的在轨硬件试验：先回答 TPU 和散热系统能不能工作，再回答两颗卫星能不能高速互联。
2025 年 11 月 Google 首次宣布计划时，设想是在 2027 年初发射两颗原型卫星，一步到位同时验证硬件生存与星间激光通信。然而在 2026 年 9 月的长文中，Google 调整了策略：在双星互联之前插入一颗与 Planet 合作的原型卫星，搭载四颗 TPU 借道 SpaceX Transporter-18 发射，以更轻的代价提前摸索真实失效点。
原定 2027 年初发射两颗卫星，同时打包验证硬件在轨生存与卫星间高速通信。
携 4 颗 TPU 升空，优先验证火箭发射耐受、热真空排热与真实轨道辐射耐受性。
在两颗移动卫星间实测短距离、双向 800 Gbps 级高带宽光通信与动态高精度瞄准。
为什么要把 AI 算力搬上天？晨昏轨道的能源上限
在低地球轨道（Low Earth Orbit, LEO），特定轨道上的卫星可以接近持续地晒到太阳。Google 测算，在这种光照条件下，同样面积的太阳能帆板最高可以产生地面的 8 倍电力。团队比较多种轨道后选定晨昏轨道（dawn-dusk orbit），同面积发电量约为地面的 5 至 8 倍。
值得注意的是，“8 倍”只是选定轨道和理想日照条件下的帆板理论上限，绝不能等同于整座太空数据中心的净能源优势。算力不仅依赖电力，更受制于排热面积、抗辐射开销和星地传输瓶颈。
核心物理屏障：真空无对流环境下的散热尺度危机
TPU 原本运行在具备强力风冷或水冷对流机房中。而在太空真空中，完全没有空气流动，任何对流手段瞬间失效。手掌大小的芯片发出的巨大热量，成为考验整套系统的生死线。
除了散热，硬件还必须经历发射段剧震：整星承受最高 10g 持续加速度，个别部件更面临 50 至 100g 冲击。地面测试通过三轴振动台验证了 Planet 的定制结构封装，热真空舱也模拟了温差与真空，但唯有真轨数据能检验一体化散热表现。
辐射风险剖析：静默数据损坏（SDC）与商用化取舍
轨道上的太阳高能粒子与宇宙射线随时可能穿透半导体引发逻辑错误。Google 在 UC Davis 克罗克核实验室用质子束对 TPU 展开照射，测试其承受极端辐射环境的上限。
单个高能粒子击中引起存储单元 0/1 跳变，通常可通过校验纠错与重算机制及时修复。
Trillium TPU 展现出良好耐受性，地面测得可承受 TID 超出一颗卫星 5 年任务的理论累积量。
它比明显崩溃更难发现：系统仍在运行，但计算结果已经悄悄出错。这也是必须持续跑真实 AI 负载的原因。
工程商业路线取舍：采用现成地面商用 TPU 配合加固封装与软件容错，能够迅速跟上地面芯片迭代步伐，摆脱传统航天级芯片数年甚至十年的漫长研发周期。当前单星任务正是在实地检验这套低成本折中路线是否可行。
走向多星在轨集群：星间激光互联的挑战
单颗卫星面积有限、装不下太多 TPU。为了跑通大规模模型，未来必须将多颗卫星连接成集群协同计算。不同于现有卫星互联网长距离、低带宽的星间链路，计算集群要求极短距离、超高吞吐与极低延迟。
团队通过改造现成光纤收发器驱动望远镜，在实验室光路中验证了双向各 800 Gbps。但轨道上的最大挑战在于动态极高精度瞄准：
这项高精度微弧度对准与高速传输技术，将在 2027 年双星在轨任务中迎来真正考验。
发射之后看什么？试错价值大于既定结论
发射是否成功仅仅说明硬件平安抵达轨道。更关键的是入轨之后：四颗 TPU 能否持续工作、辐射引发的 SDC 错误率能否被容忍、被动与流体散热能否稳定控温。正如官方短片所强调的，这项前沿实验本身伴随巨大风险，核心价值在于探寻未预料到的失效模式并修正后续工程硬件。
Breadcrumb
Home
Innovation & AI
Models & research
Google Research
Behind Project Suncatcher, our moonshot to put AI in space
Sep 24, 2026
|
x.com
Copy link
Learn about our early test to scale AI compute in space. In a new video series, the Project Suncatcher team explores the science behind this moonshot, what they've found, and the engineering challenges that remain to be solved.
Travis Beals
Senior Director, Paradigms of Intelligence
x.com
Copy link
Your browser does not support the audio element.
Listen to article
[[duration]] minutes
This content is generated by Google AI. Generative AI is experimental
Voice
Speed
Voice
Speed
0.75X
1X
1.5X
2X
Read AI-generated summary
Project Suncatcher is launching a prototype satellite to test if our artificial intelligence hardware can survive the harsh conditions of space. This mission evaluates how our chips handle extreme radiation, intense vibrations, and unique cooling challenges in a vacuum. You can follow our progress and learn about the engineering hurdles ahead by watching our new video series on the science behind this mission.
Summaries were generated by Google AI. Generative AI is experimental.
Project Suncatcher explores if space can host scalable machine learning infrastructure for future AI.
A prototype satellite will test how Google’s AI chips perform in harsh space conditions.
Engineers are tackling major challenges like extreme radiation, intense vibrations, and cooling in vacuums.
Future missions aim to link satellite clusters using high-bandwidth lasers for massive AI workloads.
This initial launch helps the team learn what works before scaling up by 2027.
Summaries were generated by Google AI. Generative AI is experimental.
Google is launching a satellite to see if AI hardware can survive the harsh conditions of space. They want to know if space is a good place to run AI because satellites get plenty of solar power. The team is testing how their chips handle extreme heat, radiation, and the intense shaking of a rocket launch. This is just the first step in a long-term plan to build powerful AI systems in orbit.
Summaries were generated by Google AI. Generative AI is experimental.
Explore other styles:
General summary
Bullet points
Basic explainer
After years of research, Project Suncatcher is scheduled to embark on its first test in orbit, launching a prototype satellite to evaluate how Google Tensor Processing Units (TPUs) perform in space.
Announced last year,
Project Suncatcher
is a long-term, research moonshot exploring whether space could one day host scalable machine learning infrastructure. In low Earth orbit, satellites can access near-constant sunlight, generating up to eight times more solar power than on Earth. Eventually, it could be possible to link together multiple constellations of satellites, allowing them to manage larger AI workloads while in orbit.
Big breakthroughs happen when you work backwards from an end goal. In our case, it's to ensure AI's profound benefits in key areas, from healthcare to scientific discovery, can reach everyone, far into the future. Just as early research into autonomous driving and quantum computing required years of experimentation before we got to practical systems, exploring compute in space begins with measured, deliberate steps.
Turning that idea into reality starts with a basic question: Can our AI hardware operate in space? This initial mission onboard the upcoming Transporter-18 rideshare mission with SpaceX was developed in partnership with
Planet
. It’s designed to gather in-orbit data on how our TPUs handle the physical stress of spaceflight and the radiation and thermal extremes of space.
As we prepare for an early test launch and work toward our next milestone in 2027, the Project Suncatcher team discussed what we hope to learn and the engineering hurdles ahead in a new
video series
digging into the science behind the mission.
Hardware survival
A rocket trip into low Earth orbit lasts about 10 minutes, during which the spacecraft experiences intense vibration and sustained acceleration loads up to 10 times the force of gravity, or g-force. Individual components, such as the TPU chips, can experience even greater forces up to 50 to 100
g
. The team conducted vibration testing by intensely shaking the satellite on all three axes to mimic the frequencies of a rocket launch. Tests like this rarely go as planned, so we were pleasantly surprised that the hardware held up to the force.
Once the TPU chips make it to space, the level of radiation outside the Earth’s atmosphere presents another challenge to overcome. Solar events and cosmic rays can wreak havoc on electronics, so our team tested TPUs in a proton beam facility at UC Davis’s Crocker Nuclear Laboratory while running AI workloads. During the test, we monitored closely to see how errors, like a bitflip, would affect our workloads. Initial results have shown that our Trillium TPUs hold up remarkably well, and can survive a radiation total ionizing dose greater than what they would receive during a five-year space mission.
But some things can only be tested in space. Putting our first TPUs in orbit next week will help us get data and learnings to inform future launches.
Cooling in space
Cooling orbital data centers is a crucial research challenge. TPUs generate a large amount of heat in a small area, which needs to be diffused safely or the chips are at risk of overheating. But in space, there’s no airflow. In a vacuum, you can only diffuse heat via radiators, which requires a totally different approach to cooling electronics.
We’re working on a number of different approaches for this, including a combination of heat pipes and radiators to cool the chips. So far, our team has tested the technology in a thermal vacuum chamber that simulates both the thermal and vacuum environment in space. We’ll see how our new TPU cooling system works in space and refine our designs as we learn more.
Satellite interconnectivity
Future designs of our satellites will each carry dozens of TPU chips while orbiting the Earth in clusters. To maintain the bandwidth necessary to process AI, every satellite has to know both its own position and where it sits relative to its neighbors. To do this, the satellites will communicate via lasers.
The technology in space already exists, but most state-of-the-art systems are optimized for low bandwidth across large distances, whereas our lasers need to operate at very high bandwidth over extremely short distances. Maintaining the necessary connection requires extraordinary precision, similar to hitting a coin-size target from miles away while both points are in motion. We’ll test our work on this in 2027 when we put two satellites in orbit.
Just the beginning
Exploring space as a viable location for scalable AI compute won’t happen all at once. It takes methodical engineering, starting with proving our hardware can handle the physical and unpredictable realities of operating in orbit. This first launch is about seeing what works, identifying points of failure, and applying those findings to future missions.
Every transformative technology we’ve built at Google began with an audacious goal — and the discipline of working backward to solve hard problems all along the way. As our latest moonshot heads to the launchpad, our team is excited to share what we learn and the science driving this work forward.
Posted in:
Google Research