出品/星动无极
Alphabet首席执行官Sundar Pichai上周对外表示，谷歌Project Suncatcher项目计划于10月1日发射一颗搭载自研Tensor Processing Unit（TPU）的原型卫星，首次在太空环境中验证TPU的运行能力。该项目被谷歌视为探索轨道AI计算基础设施可行性的第一步。如果按既定计划执行，这枚卫星将通过拼车发射方式送入近地轨道，具体任务安排尚未公开。
Project Suncatcher首先要回答一个基础问题：地面数据中心广泛使用的TPU能否在太空的真空、高低温和辐射环境下稳定工作。该项目并不直接提供商业AI算力。传统航天级计算机为了抗辐射，通常采用专用加固芯片，性能和迭代速度远低于地面商用芯片。谷歌的尝试是把地面AI加速器直接送上轨道，通过硬件加固和在轨容错设计，复用地面芯片的迭代红利。如果这一路径被证明可行，未来太空算力的成本和更新周期可能大幅压缩。
太空算力的需求正在从概念走向具体场景。2026年8月，北京邮电大学牵头建设的全球首个太空算力云已常态化提供在轨算力服务，支撑在轨大数据计算、6G通信、分布式存储等场景，累计完成数百次太空算力调用。国内卫星互联网企业也在推进算力卫星的研制，部分方案提出在轨组成千卡甚至万卡集群。这些应用的共同瓶颈之一是星上处理器的性能和功耗匹配：算力越强，卫星功耗和散热压力越大。
谷歌此时入场，意味着太空算力竞赛又多了一个重量级玩家。TPU是谷歌专门为AI训练和推理优化的芯片，其地面版本在特定大模型推理任务中已有公开 benchmark 记录。9月27日，国内媒体报道称用TPU v7运行Kimi模型推理速度比英伟达GB200高57%。该数据来自第三方测试，是否能在轨复现仍是未知数。轨道环境与地面数据中心差异巨大，TPU在轨运行需要克服单粒子翻转、热循环、电源波动和长期可靠性等多重考验。
从产业链角度看，Project Suncatcher如果成功，将推动卫星制造商和火箭发射商重新评估AI卫星的设计标准。当前通信、遥感卫星的核心载荷以射频、光学和数字波束成形为主，AI处理多由星上FPGA或低功耗CPU完成。一旦商用AI加速器可以在轨稳定运行，卫星将具备更强的实时图像识别、通信流量调度、星间路由优化能力，卫星平台的设计重心会向散热、供电和高速互联倾斜。功率、热耗和重量增加后，卫星的太阳翼面积、电池容量、结构件散热能力都要同步提升，这会直接推高卫星制造成本和发射质量。
谷歌并不是唯一盯上太空算力的科技企业。英伟达、AMD和多家初创公司都在探索把高性能GPU或专用AI芯片送上卫星。与美国企业强调单颗卫星性能不同，国内企业近期更强调在轨算力集群和网络化服务，北京邮电大学的太空算力云、上海“明珠星座计划”都提出未来要形成覆盖全球的算力服务网络。Project Suncatcher的试验路线如果验证成功，可能为这种全球化太空算力服务提供一种更接近地面数据中心迭代节奏的硬件方案。
谷歌尚未披露这颗原型卫星的轨道高度、功耗、TPU型号和试验周期。10月1日的发射窗口同样属于待验证节点，拼车任务的时间可能因火箭方或主载荷准备状态而调整。即使发射如期完成，在轨验证也需要数月甚至更长时间才能给出可用性结论。Project Suncatcher的价值不在于短期商业回报，而在于它可能验证一条新的技术路线：把地面最先进的AI芯片送上太空，让轨道算力跟上地面算力的迭代节奏。
谷歌将这颗原型卫星命名为MVP，体积约相当于一台家用冰箱，搭载4颗自研TPU，太阳翼供电约1千瓦，通过SpaceX Transporter-18拼车任务由猎鹰9号从加州范登堡发射。由于轨道真空环境无法靠风扇散热，谷歌采用导热材料、热管和辐射器把TPU热量导入太空。谷歌披露，由于散热受限，TPU每次只能连续运行约15分钟，随后需关闭冷却系统恢复。这一限制直接反映了在轨持续AI算力与热控之间的核心矛盾。
这条路线如果走通，将改变太空算力硬件的采购逻辑。传统航天任务往往为一颗卫星定制抗辐射芯片，设计周期动辄数年；而地面AI芯片的迭代周期以月计。让卫星平台复用地面芯片，意味着卫星算力可以更快地跟随地面技术进步升级。但这也要求卫星平台在散热、供电、抗辐射加固和故障容错上投入更多工程成本。谷歌Project Suncatcher的首批在轨数据，将为这一 trade-off 提供关键参考。