当我们在地球上为电力缺口焦头烂额时,StarCloud 创始人 Philip Johnston 已将目光投向 500 公里外的轨道。星舰时代将开启单次发射 10MW 算力的新纪元,这可能成为解决 AI 算力饥渴的终极方案。
观看完整对话地球上建设数据中心的边际成本在递增,而太空由于星舰的出现,正在进入边际成本递减的新阶段。
空间计算不仅是"可能",更是解决地面电力审批红线(5-10年)和高额基建成本的必然选择。
GPU 任务天生具有随机性,这使其在充满辐射的太空环境中表现出惊人的韧性——在轨 H100 芯片零重启。
太空并不"冷",真空环境散热只能靠红外辐射。散热能力与温度的 4 次方成正比,这是最大的工程挑战。
单枚星舰可携带 50 颗 StarCloud 3 卫星,单次发射即可部署 10MW 算力。月均百次发射时,年增数十 GW 新算力。
StarCloud 定位于太空中的"基础设施提供商",提供电力、散热和机位,客户自带芯片和软件栈。
地球上建设数据中心的边际成本在递增,而太空由于 Starship(星舰)的出现,正在进入边际成本递减的新阶段。
随着发射频率(如 SpaceX 的星舰)增加,制造和发射的单位成本会迅速下降。
Philip 在麦肯锡工作期间敏锐察觉到发射成本的断崖式下跌。在造访 SpaceX 德州基地后,他意识到每天发射三枚星舰的能力将彻底改变商业逻辑。
起初他们研究"空间太阳能",但发现能量传输损失巨大。既然地面能源项目大多是为了供给数据中心,为什么不直接把数据中心搬到太空,在能源产地直接消费?
空间计算不仅是"可能",更是解决地面电力审批红线和高额基建成本的必然选择。
在北美,一个 100MW 的能源项目仅审批可能就需要 5-10 年。
地面太阳能成本由土地补偿、电池储能和太阳能电池板组成。
零土地成本(无需获得土地许可)、无需储能(黎明-黄昏轨道 24/7 全天候阳光直射)、8倍效率(无大气层阻挡)。
只要星舰将发射成本降至 $500/kg 以下,太空数据中心的成本就将低于地面。
GPU 任务天生具有随机性,这使其在充满辐射的太空环境中表现出惊人的韧性。
Philip 透露,他们 30% 的工程精力用于芯片可靠性。
他们在布鲁克海文国家实验室使用重离子加速器,在 24 小时内模拟 5 年的太空辐射。
目前在轨的 H100 芯片没有发生过一次由于芯片本身的重启。GPU 处理 AI 任务(如推理)时,微小的"位翻转"(Bit Flip)可能只会改变诗歌中的一个词,而不影响整体输出质量,这种随机性天然适合太空。
太空并不像大众认知的那么"冷",散热是空间计算面临的头号工程挑战(耗费 70% 工程精力)。
太空是真空,意味着没有空气对流,散热只能依靠效率极低的"红外辐射"。
首颗卫星 StarCloud 1 使用潜热材料吸收热量(无法持续运行);未来的 StarCloud 3 将使用巨大的、可展开的液体循环散热器。
散热能力与温度的 4 次方成正比。通过热泵将 60℃ 的芯片余热提升至 100℃ 的散热器温度,可以极大地提高效率。
星舰的"Pez 自动糖果分配器"式装载能力,将开启单次发射 10MW 算力的新时代。
StarCloud 3 卫星重约 3 吨,功率 200kW。
单枚星舰可携带 50 颗此类卫星。这意味着单次发射即可部署 10MW 的算力。
当星舰达到月均百次发射的频率时,每年可增加数十 GW 的新算力,直接挑战全球算力供应格局。
通过星链(Starlink)回传数据,延迟低于 50 毫秒,足以支持视频生成、语音助手等几乎所有推理业务。
StarCloud 定位于太空中的"Equinix"(基础设施提供商),而非直接竞争 AWS 的应用层。
SpaceX 虽然有更低的发射成本,但主要服务于自家模型(如 Grok)。
像 Google、Meta 等超大规模用户如果无法获得空间算力,将在未来 5-10 年面临规模化瓶颈。
StarCloud 提供电力、散热和机位。客户自带芯片和软件栈。这样既降低了 StarCloud 的财务压力(客户买芯片),又利用了现有云服务的生态优势。
太空数据中心的基建成本仅为地面的 1/3,且具有更高的物理安全性。
地面数据中心基建需 $15M-$20M/MW,而太空仅需不到 $5M/MW(去掉了冷却塔、备用发电机等冗余设备)。
攻击一个时速 2.7 万公里的动态目标,比攻击弗吉尼亚州的地面中心难得多。
设计寿命 5-6 年,与芯片更新周期同步。
主要是需要处理海量太空数据(如 SAR 合成孔径雷达影像)的军方和政府机构,因为把原始数据传回地面太慢了。
Philip 认为人类可能正面临"大筛选器"(Great Filter),而超级智能 AI 将是理解宇宙的关键。
银河系有 4 万亿颗行星,如果生命普遍存在,我们早该看到戴森球了。Philip 倾向于认为"文明在达到超级智能后往往会自我毁灭"。
他预测未来 99.9% 的 GDP 将花在推理上,因为物理经济最终会演变为算力经济。
Philip 最希望 AI 教给他关于"感质"(Qualia)和意识本质的答案。
当地面边际成本递增时,去寻找边际成本递减的新领域。这是识别范式转移的关键信号。
散热不是靠"冷",而是靠"红外辐射"和"高温差"。理解物理定律的数学形式(4 次方关系)能解锁工程解决方案。
在不确定的新领域,做基础设施(Equinix 模式)往往比做应用层更稳健且高毛利。提供"铲子"而不是"挖金"。
GPU 的随机本质使其天然适应高辐射的太空环境,这是 AI 与太空结合的隐形福利——随机性不再是缺陷,而是特性。
密切关注星舰的发射频率和成本变化,那是开启万亿级太空经济的唯一钥匙。当发射成本降至 $500/kg 以下,游戏规则将被重写。