Google Project Suncatcher bringt KI-Rechenzentren ins All, doch die Physik bestimmt die Bedingungen
Google Project Suncatcher hat am 1. Oktober vier Tensor Processing Units in die Umlaufbahn gebracht und damit eine spekulative Infrastrukturidee in einen realen Hardwaretest überführt. Die Chips fliegen nun in einem solarbetriebenen Satelliten, den Google gemeinsam mit Planet gebaut und SpaceX gestartet hat. Google zufolge hat das Raumfahrzeug Kontakt hergestellt und arbeitet wie erwartet.
Der Start bedeutet nicht, dass Google eine Cloud im Orbit aufgebaut hat. Er ermöglicht dem Unternehmen vielmehr erstmals, zu messen, wie kommerzielle KI-Hardware außerhalb eines Labors mit Strahlung, Startbelastungen und Hitze umgeht. Diese Ergebnisse werden darüber entscheiden, ob KI-Rechenzentren im All weitere Investitionen rechtfertigen oder ein kostspieliges Gedankenexperiment bleiben.
SpaceX, Nvidia, Starcloud, Blue Origin und mehrere kleinere Unternehmen verfolgen verwandte Pläne. Ihre Konzepte unterscheiden sich, doch sie beruhen auf derselben Annahme: Stromnetze, Wassersysteme und Genehmigungsverfahren auf der Erde werden zu Beschränkungen für den Ausbau von KI. Der Orbit scheint reichlich Sonnenlicht und weniger lokale Widerstände zu bieten, ersetzt diese terrestrischen Grenzen jedoch durch unerbittliche technische Probleme.
Google Project Suncatcher ist vom Papier in die Umlaufbahn gelangt
Google hat eine wichtige Schwelle überschritten, doch sein Satellit bleibt ein Experiment und kein funktionierendes orbitales Rechenzentrum.
Der Project-Suncatcher-Prototyp startete an Bord der Mitflugmission Transporter-18 von SpaceX. Die unbemannte Falcon 9 brachte 130 Nutzlasten vom Vandenberg Space Force Base in Kalifornien in eine niedrige Erdumlaufbahn.
Google entwickelte den Satelliten gemeinsam mit Planet, einem auf Erdbeobachtung spezialisierten Unternehmen mit Erfahrung im Bau kompakter Raumfahrzeuge. Die Nutzlast umfasst vier Trillium-TPUs, von Google entwickelte Beschleuniger für Machine-Learning-Workloads.
Laut dem Update zum Prototypen wird Google in den kommenden Wochen Betriebsdaten sammeln. Ingenieure werden untersuchen, wie die Chips auf Vibrationen, Strahlung und thermische Extrembedingungen reagieren.
Dabei geht es um grundlegende Fragen des Überlebens. Ein Beschleuniger auf der Erde arbeitet in einem sorgfältig kontrollierten Gebäude mit redundanter Stromversorgung, Kühlung, Vernetzung und Wartung. Die orbitale Variante muss ohne Techniker, Ersatzteile oder einen stabilen Raum um sie herum weiterarbeiten.
Die anfängliche Arbeitslast ist bewusst begrenzt. Die Chips werden während kontrollierter Zeitfenster kurze Gemini-Anfragen ausführen und anschließend pausieren, damit die Hardware abkühlen kann. Dieser Ablauf zeigt, wie weit der Test noch von einem kontinuierlichen KI-Dienst entfernt ist.
Ein Produktionssystem müsste Tausende Prozessoren über lange Zeiträume aktiv halten. Zudem bräuchte es ausreichend Speicher, Netzwerkkapazität und Fehlertoleranz, um große Workloads über viele Satelliten zu verteilen.
Googles umfassenderes Konzept sieht Cluster solarbetriebener Raumfahrzeuge vor, die über optische Freiraumverbindungen verbunden sind. Diese Verbindungen nutzen Laser, um Daten ohne physisches Kabel zwischen Satelliten zu übertragen.
Die Forschung des Unternehmens beschreibt einen Cluster aus 81 Satelliten, der innerhalb eines Radius von etwa einem Kilometer fliegt. Machine-Learning-Systeme würden die Formation koordinieren und zugleich Kollisionen vermeiden.
Die enge Formation ist wichtig, weil das Training moderner KI von schneller Kommunikation zwischen Beschleunigern abhängt. Eine Gruppe isolierter Chips kann nicht automatisch die Leistung eines Supercomputers auf der Erde erreichen.
Googles vorgeschlagenes optisches Netzwerk müsste daher hohe Bandbreite bei niedriger Latenz liefern. Es müsste zudem eine präzise Ausrichtung aufrechterhalten, während sich jeder Satellit mit orbitaler Geschwindigkeit bewegt.
Die Kommunikation mit dem Boden schafft einen weiteren Engpass. Funkverbindungen reichen für den aktuellen Prototypen aus, doch große orbitale Cluster bräuchten wesentlich schnellere Verbindungen, um Modelle und Datensätze mit der Erde auszutauschen.
Diese Beschränkungen erklären, warum der Start im Oktober wichtig ist. Project Suncatcher basiert nicht länger ausschließlich auf Computermodellen und Strahlungstests. Google kann seine Annahmen nun mit im Orbit erhobenen Daten vergleichen.
Das Experiment bestätigt jedoch nicht die vollständige Architektur. Es testet weder eine Formation aus 81 Satelliten noch Dauerbetrieb, große Radiatoren oder optische Hochkapazitätsverbindungen zum Boden.
Diese Unterscheidung ist entscheidend. Google hat KI-Prozessoren im All platziert, aber nicht gezeigt, dass ein orbitaler Cluster mit einem konventionellen Rechenzentrum konkurrieren kann.
Der Energiebedarf von KI treibt den Wettlauf ins All an
Der Vorstoß in den Orbit beginnt mit einem irdischen Problem: KI-Entwickler benötigen schneller Strom, als Versorger ihn bereitstellen können.
Das U.S. Government Accountability Office zufolge könnten Rechenzentren bis 2028 bis zu 12 Prozent des amerikanischen Strombedarfs ausmachen. Die Entwicklung von KI ist ein wesentlicher Faktor hinter dieser Prognose.
Neue Anlagen können Jahre an Planung durch Versorger, Netzausbauten, Genehmigungen und lokalen Verhandlungen erfordern. Wasserverbrauch und Flächennutzung können zudem Widerstand von Gemeinden in der Nähe geplanter Standorte hervorrufen.
Diese Einschränkungen betreffen die Unternehmen, die fortschrittliche Modelle entwickeln. Mehr Rechenleistung unterstützt Modelltraining, Experimente, Inferenz und Kundenwachstum. Verzögerte Infrastruktur kann daher sowohl die Produktentwicklung als auch die Umsätze bremsen.
Orbitale Projekte versprechen ein anderes Energiemodell. Solarpaneele in geeigneten niedrigen Erdumlaufbahnen können nahezu ununterbrochenes Sonnenlicht erhalten – ohne Wolken oder einen Nachtzyklus.
Google schätzt, dass ein Paneel in seiner vorgeschlagenen Umlaufbahn jährlich bis zu achtmal mehr Solarenergie erhalten könnte als ein Paneel an einem Standort in mittleren Breiten auf der Erde. Dieser Vorteil beruht auf den Einstrahlungsbedingungen, nicht auf kostenloser Energie.
Ein Satellit benötigt weiterhin große Arrays, Leistungselektronik, Batterien und Steuerungssysteme. Diese Komponenten erhöhen das Gewicht und müssen Start, Strahlung und wiederholten thermischen Belastungen standhalten.
Das Energieargument wird attraktiver, je schwieriger sich terrestrische Kapazitäten sichern lassen. Ein Technologieunternehmen mit Zugang zu Trägerraketen könnte Rechenkapazität hinzufügen, ohne auf ein neues Kraftwerk warten zu müssen.
SpaceX verfügt über den deutlichsten Vorteil durch vertikale Integration. Das Unternehmen betreibt Raketen, verwaltet die Starlink-Konstellation und hat speziell konzipierte Satelliten für orbitale Rechenzentren vorgeschlagen.
Elon Musk hat gesagt, dass das All innerhalb von zwei oder drei Jahren zum kostengünstigsten Standort für KI werde. Diese Prognose bleibt eine Unternehmensbehauptung und kein nachgewiesenes wirtschaftliches Ergebnis.
SpaceX hat zudem Pläne für bis zu eine Million Satelliten eingereicht. Ein solches Netzwerk würde in einem Maßstab arbeiten, der weit über die heutigen experimentellen Rechennutzlasten hinausgeht.
Der Vorteil ist nicht nur technischer Natur. Zugang zu Starts kann bestimmen, welche orbitalen Projekte Hardware testen, ausgefallene Ausrüstung ersetzen und Kapazitäten erweitern können.
Wettbewerber sind für den Transport oft von SpaceX abhängig. Google nutzte für den Project-Suncatcher-Prototypen eine Falcon 9, während auch Starcloud für seine frühere Mission mit KI-Hardware auf SpaceX angewiesen war.
Diese Abhängigkeit macht Startkapazität zu strategischem Einfluss. Ein Unternehmen, das sowohl Raketen als auch orbitales Computing kontrolliert, kann seine eigenen Kosten optimieren und zugleich die kommerziellen Konditionen für Rivalen festlegen.
Blue Origin bietet ein mögliches Gegengewicht. Das Unternehmen verfolgt große Satellitennetzwerke und Fähigkeiten für Schwerlaststarts, auch wenn seine Strategie für orbitales Computing weniger ausgereift bleibt.
Nvidia nimmt eine andere Position in der Lieferkette ein. Das Unternehmen hat das Space-1 Vera Rubin Module für Computing in begrenzten orbitalen Umgebungen vorgestellt.
Nvidia zufolge kann das Modul große Sprachmodelle, Geodatenanalysen und autonome Raumfahrzeuge unterstützen. Verfügbarkeit und dauerhafte Leistung im Orbit müssen jedoch noch validiert werden.
Starcloud testet ein direkteres kommerzielles Modell. Das Unternehmen hat bereits einen Nvidia-H100-Beschleuniger ins All gebracht und möchte größere Cluster für Training und Inferenz zusammenstellen.
Die unmittelbare Chance liegt möglicherweise nicht in der Bearbeitung gewöhnlicher Chatbot-Anfragen. Die Verarbeitung von im All erzeugten Daten bietet einen klareren Vorteil, weil die Informationen nicht den vollständigen Weg zur Erde und zurück zurücklegen müssen.
Erdbeobachtungssatelliten erfassen mehr Rohbilder, als Betreiber effizient übertragen können. Ein KI-System an Bord könnte Waldbrände, beschädigte Infrastruktur oder ungewöhnliches Wetter erkennen, bevor es ausgewählte Ergebnisse an den Boden sendet.
Dieser Ansatz verringert den Bedarf an Downlinks und verkürzt die Reaktionszeit. Zudem funktioniert er in kleinerem Maßstab als der Ersatz terrestrischer Cloud-Regionen.
Der Wettlauf um orbitale Rechenzentren umfasst daher zwei Märkte. Der eine bringt Rechenleistung näher an Sensoren, die sich bereits im All befinden. Der andere versucht, allgemeine KI-Infrastruktur von der Erde weg zu verlagern.
Der erste Markt entsteht bereits heute. Der zweite erfordert deutlich größere Fortschritte bei Startökonomie, Kühlung, Vernetzung und Wartung.
Solarenergie ist reichlich vorhanden, doch Kühlung ist nicht kostenlos
Der zentrale Zielkonflikt ist einfach: Der Orbit bietet mehr Sonnenlicht, während das Vakuum die Abfuhr von Abwärme erschwert.
KI-Prozessoren wandeln den Großteil ihrer elektrischen Energie in Wärme um. Ein Chip, der Hunderte Watt erhält, muss diese thermische Energie kontinuierlich an anderer Stelle abführen.
Anlagen auf der Erde nutzen Luft, Wasser oder spezielle Flüssigkeiten, um Wärme abzutransportieren. Ventilatoren, Pumpen, Kühltürme und Kältemaschinen geben sie anschließend an die Umgebung ab.
Im All gibt es keine Atmosphäre für Konvektion. Ebenso fehlt eine externe Flüssigkeit, die Wärme vom Raumfahrzeug aufnehmen könnte.
Ein orbitbasiertes System muss Wärme von jedem Prozessor zu einem Radiator transportieren. Dieser Radiator gibt Energie als Infrarotstrahlung ab.
Das Verfahren funktioniert, benötigt jedoch Fläche. Mehr Rechenleistung erzeugt mehr Wärme, was größere Radiatoren erfordert.
Eine thermische Analyse des IEEE schätzte, dass ein 40-Kilowatt-Rack einen Radiator mit 80 Quadratmetern Fläche benötigen könnte. Diese Fläche entspricht ungefähr einem Pickleball-Platz.
Dieselbe Analyse schätzte, dass eine Anlage mit 100 Megawatt mindestens 2.500 solcher Radiatoren benötigen würde. Jede Struktur würde Masse, Luftwiderstand, Ausfahrmechanismen und potenzielle Fehlerquellen hinzufügen.
Radiatoren müssen außerdem ihre Fähigkeit zur Wärmeabstrahlung behalten. Ultraviolettes Licht, atomarer Sauerstoff und Strahlung können freiliegende Beschichtungen mit der Zeit beeinträchtigen.
Diese Alterung schafft ein sich verstärkendes Problem. Betreiber müssten möglicherweise von Beginn an zusätzliche Radiatorkapazität starten, was die Masse erhöht, die das System teuer macht.
Solararrays fügen eine weitere geometrische Beschränkung hinzu. Sie benötigen genügend Fläche, um die Prozessoren und ihre unterstützende Ausrüstung mit Strom zu versorgen.
Die Arrays und Radiatoren müssen beide zweckmäßige Ausrichtungen beibehalten. Sie dürfen sich nicht gegenseitig blockieren, das Raumfahrzeug destabilisieren oder unbeherrschbaren Luftwiderstand erzeugen.
Das All mag kalt sein, doch eine kalte Umgebung kühlt ein Objekt nicht automatisch. Ohne Wärmeleitung oder Konvektion kann ein heißer Chip Energie nur über seinen konstruierten thermischen Pfad verlieren.
Google räumt ein, dass das Wärmemanagement noch nicht abgeschlossen ist. Die Forschung des Unternehmens schlägt Heatpipes und Radiatoren vor, präsentiert jedoch kein bewährtes Design für einen Produktionscluster.
Der aktuelle Satellit umgeht das gesamte Problem, indem er nur kurze Workloads ausführt. Kühlpausen sind während eines Experiments akzeptabel, kommerzielle Infrastruktur erfordert jedoch vorhersehbare Verfügbarkeit.
Strahlung schafft einen zweiten Kompromiss. Konventionelle Satellitencomputer verwenden strahlungsgehärtete Komponenten, die für hohe Energieteilchen ausgelegt sind.
Diese Prozessoren sind zuverlässig, liegen bei der Leistung jedoch üblicherweise hinter führenden KI-Beschleunigern zurück. Ein modernes großes Sprachmodell benötigt die Dichte, die kommerzielle Chips wie Google TPUs oder Nvidia GPUs bieten.
Kommerzielle Beschleuniger sind anfälliger. Hochenergetische Teilchen können Speicherbits kippen, Berechnungen verfälschen oder elektrische Ausfälle auslösen.
Google zufolge setzten Bodentests die Trillium-TPUs einer Strahlung aus, die einer fünfjährigen Mission entspricht. Die Prozessoren überstanden dies Berichten zufolge ohne dauerhafte Ausfälle, obwohl Ingenieure behebbare Fehler beobachteten.
Dieses Ergebnis rechtfertigt weitere Tests, doch einige überlebende Prozessoren belegen noch keine Zuverlässigkeit für ganze Flotten. Eine große Konstellation würde weit mehr Komponenten, Speichermodule, Verbindungen und Stromversorgungssysteme umfassen.
Redundanz kann die betrieblichen Folgen einzelner Ausfälle verringern. Mehrere Prozessoren können dieselbe Berechnung durchführen, Ergebnisse vergleichen und einen Knoten neu starten, der eine inkonsistente Antwort liefert.
Diese Strategie tauscht Härtung gegen Stückzahl ein. Betreiber starten mehr gewöhnliche Hardware und akzeptieren, dass einige Einheiten ausfallen werden.
Der Kompromiss funktioniert nur, wenn Starts und Ersatz kostengünstig werden. Andernfalls erhöht jeder redundante Prozessor die Investitionskosten, bevor er nutzbringende Rechenleistung erzeugt.
Die Reparatur stellt eine verwandte Herausforderung dar. Techniker ersetzen in terrestrischen Einrichtungen routinemäßig defekte Laufwerke, Kabel, Pumpen und Beschleuniger.
Ein Betreiber im Orbit kann nicht zu jedem Satelliten einen Techniker entsenden. Robotergestützte Wartung ist weiterhin begrenzt, während die Rückführung von Hardware zur Erde wirtschaftlich meist wenig sinnvoll wäre.
Damit bleibt der Austausch als wahrscheinliche Wartungsstrategie. Ausgefallene Satelliten würden außer Betrieb genommen, deorbitiert und durch neuere Einheiten ersetzt.
Häufiger Austausch könnte die Chip-Leistung verbessern, sobald neuere Beschleuniger verfügbar werden. Er könnte jedoch auch einen kostspieligen Startzyklus und stärkeren Druck auf das Management des Orbitalverkehrs erzeugen.
Startkosten und Weltraumschrott stellen das Geschäftsmodell infrage
Orbitale KI wird erst wettbewerbsfähig, wenn Transport, Zuverlässigkeit und nutzbare Rechenkapazität gemeinsam besser werden.
Die Startpreise sind gesunken, doch schwere Ausrüstung in den Orbit zu bringen bleibt teurer als sie in einem Gebäude auf der Erde unterzubringen. Radiatoren, Abschirmung, Antrieb und Solaranlagen vergrößern diesen Unterschied.
Googles Wirtschaftsmodell betrachtet Startkosten in einen niedrigen Erdorbit von ungefähr 200 Dollar pro Kilogramm als wichtigen Schwellenwert. Das Unternehmen erwartet, dass dieses Niveau Mitte der 2030er Jahre erreichbar sein könnte.
Diese Annahme hängt davon ab, dass wiederverwendbare Schwerlastraketen hohe Startvolumina erreichen. Sie setzt außerdem voraus, dass Raumfahrzeughersteller die Masse senken können, ohne Energieversorgung, Kühlung oder Haltbarkeit zu beeinträchtigen.
Ein BCG-Kostenmodell schätzt, dass Orbitalsysteme gegenüber terrestrischen Anlagen weiterhin einen erheblichen Aufpreis verursachen. Selbst günstige Szenarien lassen das Ergebnis stark von den Ausfallraten der Satelliten abhängen.
Die Startkosten sind daher nur eine Variable. Ein günstiger Start hilft nicht, wenn Prozessoren früh ausfallen, Radiatoren an Leistung verlieren oder das Netzwerk teure Chips nicht ausreichend auslasten kann.
Die Auslastung ist wichtig, weil KI-Beschleuniger während der Verarbeitung von Aufträgen Wert schaffen. Ein System, das häufig für die Kühlung pausiert oder auf Daten wartet, liefert mit derselben Hardware weniger Rechenstunden.
Die Netzwerkleistung könnte versteckte Leerlaufzeiten verursachen. Das Training großer Modelle verlangt, dass Prozessoren Zwischenergebnisse schnell und wiederholt austauschen.
Wenn optische Verbindungen ihre Ausrichtung verlieren oder die terrestrische Bandbreite nicht erreichen können, verbringt der Cluster möglicherweise mehr Zeit mit Warten. Zusätzliche Satelliten würden dieses Problem nicht zwangsläufig lösen.
Auch die Latenz trennt mögliche Einsatzbereiche. Interaktive Anwendungen müssen Menschen und Systemen auf der Erde schnell antworten.
Der niedrige Erdorbit bringt zusätzliche Übertragungsdistanz, Routing über Bodenstationen und wetterbedingte Störungen optischer Verbindungen mit sich. Diese Faktoren können für Batch-Aufgaben akzeptabel sein, eignen sich aber weniger für Echtzeitdienste.
Massenhafte Generierung, wissenschaftliche Modellierung, Archivanalyse und Übersetzung können Verzögerungen tolerieren. Diese Aufgaben könnten zu frühen Kandidaten werden, wenn orbitale Rechenleistung kommerzielle Größenordnungen erreicht.
Sensible Regierungsaufgaben stellen einen weiteren möglichen Markt dar. Verteilte Weltrauminfrastruktur könnte geografische Trennung und direkten Zugang zu Orbital-Sensoren bieten.
Physische Isolation beseitigt Cybersecurity-Risiken jedoch nicht. Betreiber bräuchten weiterhin sichere Steuerkanäle, Software-Updates, Authentifizierung und Schutz vor kompromittierten Bodensystemen.
Umweltfragen lassen sich schwieriger beziffern. Große Konstellationen erhöhen das Kollisionsrisiko und erschweren die Nutzung bereits überfüllter Orbitalbahnen.
Die GAO-Bewertung warnt, dass zusätzliche Satelliten die Astronomie beeinträchtigen, bemannte Missionen gefährden und den Koordinationsaufwand für Funkfrequenzen erhöhen könnten.
Eine Kollision kann Fragmente erzeugen, die im Orbit verbleiben und andere Raumfahrzeuge gefährden. Mehr Objekte führen zu mehr Warnungen vor Annäherungen und Ausweichmanövern.
Die größte Sorge ist eine Kaskade, bei der Trümmer einer Kollision weitere Einschläge verursachen. Betreiber planen für dieses Risiko, doch sehr große Rechenkonstellationen würden die Zahl möglicher Begegnungen erhöhen.
SpaceX verweist auf die Betriebserfahrung von Starlink als Beleg dafür, dass große Flotten verwaltet werden können. Vorschläge für orbitale Rechenzentren könnten jedoch letztlich schwerere, komplexere Plattformen mit größeren externen Strukturen hinzufügen.
Auch die Entsorgung am Ende der Lebensdauer ist relevant. Satelliten in ausreichend niedrigen Umlaufbahnen können wieder in die Atmosphäre eintreten, doch häufiger Austausch würde den Wiedereintrittsverkehr erhöhen.
Starts und Wiedereintritte verursachen Emissionen. Eine akademische Analyse argumentiert, dass diese Emissionen Umweltgewinne aufwiegen könnten, die dem Verlegen von Rechenzentren weg von der Erde zugeschrieben werden.
Diese Schlussfolgerung hängt von künftigen Raketendesigns, der Startfrequenz, der Systemlebensdauer und den in den Vergleich einbezogenen Emissionen ab. Sie sollte nicht als abschließend betrachtet werden.
Dennoch kann orbitale Rechenleistung nicht als automatisch nachhaltig beschrieben werden. Sie verlagert Auswirkungen auf Energieerzeugung, Fertigung, Startbetrieb, atmosphärische Chemie und Weltraumschrott.
Der glaubwürdigste kurzfristige Anwendungsfall bleibt gezielte Rechenleistung für im Weltraum erzeugte Daten. Ein Satellit, der Bilder lokal filtert, kann Kommunikationskosten reduzieren, ohne vorzugeben, eine Hyperscale-Cloud-Region zu ersetzen.
Dieser engere Einsatz kann auch echte Zuverlässigkeitsdaten liefern. Betreiber können Prozessorfehler, Radiatorleistung, Energieverfügbarkeit und pro Kilogramm erledigte nützliche Arbeit messen.
Allzweck-Orbital-Clouds müssen einen höheren Maßstab erfüllen. Sie müssen terrestrische Alternativen übertreffen, die sich durch fortschrittliche Kühlung, neue Energieverträge und effizientere Chips weiter verbessern.
Betreiber auf der Erde können Anlagen zudem nahe erneuerbarer Energie, Kernenergie oder Regionen mit günstigen Klimabedingungen errichten. Sie können Hardware aufrüsten, ohne eine Rakete zu starten.
Der Wettbewerb lautet daher nicht Orbit gegen die Rechenzentren von heute. Es ist Orbit gegen die terrestrische Infrastruktur, die verfügbar sein wird, wenn Orbitalsysteme schließlich skalieren.
Drei Signale werden zeigen, ob orbitale KI skalieren kann
Die nächste Phase sollte anhand betrieblicher Belege beurteilt werden, nicht anhand von Konstellationsgrößen, die in regulatorischen Einreichungen angekündigt werden.
Das erste Signal ist eine anhaltende Leistung von Googles vier TPUs. Project Suncatcher muss zeigen, dass kommerzielle Beschleuniger trotz Strahlung und thermischer Zyklen wiederholte Arbeitslasten bewältigen können.
Google sollte letztlich Fehlerraten, Betriebstemperaturen, aktive Rechenzeit und Leistungsänderungen während der Mission offenlegen. Der bloße Kontakt mit dem Raumfahrzeug beantwortet diese Fragen nicht.
Ein starkes Ergebnis würde das Argument stützen, dass Standard-KI-Chips mit softwaregesteuerter Resilienz überleben können. Häufige Abschaltungen oder sich ansammelnde Fehler würden die Wirtschaftlichkeit größerer Flotten schwächen.
Das zweite Signal ist eine erfolgreiche Demonstration der Vernetzung mehrerer Satelliten. Googles Architektur hängt von eng koordinierten Raumfahrzeugen ab, die Daten über optische Verbindungen austauschen.
Das Unternehmen hat weitere Tests im Jahr 2027 erörtert. Diese Missionen müssen stabilen Formationsflug, zuverlässige Verbindungsausrichtung und nutzbare Bandbreite unter Orbitalbedingungen zeigen.
Dieser Test unterscheidet Onboard-Rechenleistung von einem echten verteilten Rechenzentrum. Ein Satellit kann ein KI-Modell ausführen, doch ein großer Trainingscluster benötigt viele Prozessoren, die sich wie ein System verhalten.
Vernetzung ist für Google besonders wichtig, weil das Design modulare Satelliten betont. Die Architektur vermeidet den Start einer einzigen riesigen Struktur, verlagert die Komplexität jedoch in Formationssteuerung und Kommunikation.
Eine überzeugende Demonstration würde diese Entscheidung bestätigen. Instabile Verbindungen würden das System auf unabhängige Edge-Computing-Knoten statt auf einen einheitlichen KI-Cluster beschränken.
Das dritte Signal ist ein vollständiges Kostenmodell, das durch Betriebsdaten gestützt wird. SpaceX, Google, Starcloud und ihre Partner müssen Starts, Hardware, Thermalsysteme, Ausfälle, Kommunikation und Entsorgung einbeziehen.
Vergleiche, die nur auf kostenlosem Sonnenlicht basieren, lassen den Großteil des Systems außer Acht. Die relevante Kennzahl ist die über die Nutzungsdauer des Raumfahrzeugs gelieferte nutzbare Rechenleistung.
Diese Berechnung sollte Kühlungspausen, Strahlungsfehler, nachlassende Solarleistung, Ersatzstarts und ungenutzte Kapazität berücksichtigen. Sie sollte außerdem den Vergleich mit sich verbessernden terrestrischen Anlagen ziehen.
Frühe kommerzielle Verträge liefern innerhalb dieses dritten Signals einen weiteren Hinweis. Kunden, die Erdbeobachtungsdaten verarbeiten, könnten höhere Rechenkosten akzeptieren, wenn lokale Analysen Zeit oder Downlink-Kapazität sparen.
KI-Workloads für den Massenmarkt stehen vor einem anderen Test. Ein Unternehmen, das Text oder Bilder generiert, kann zwischen vielen terrestrischen Regionen wählen, ohne für orbitale Hardware zu zahlen.
Diese Unterscheidung sollte Erwartungen prägen. Orbitale Rechenleistung kann zu einem echten Geschäft werden, ohne gewöhnliche Cloud-Infrastruktur zu ersetzen.
Entwickler und Unternehmenskäufer sollten auf die Platzierung von Workloads statt auf dramatische Satellitenzahlen achten. Die ersten nützlichen Dienste werden wahrscheinlich Informationen verarbeiten, die bereits im Orbit gesammelt wurden.
Wissensarbeiter werden nicht bemerken, wo jede Modellanfrage ausgeführt wird. Sie werden bemerken, ob Dienste schneller, günstiger, verfügbarer oder stärker eingeschränkt werden.
Organisationen, die KI-Systeme bewerten, sollten Infrastrukturbehauptungen von der Produktleistung trennen. Eine durchsuchbare KI-Wissensdatenbank hängt unabhängig vom Standort des Prozessors weiterhin von sicheren Datenpraktiken, zuverlässigem Abruf und nützlichen Antworten ab.
Google Project Suncatcher hat orbitale KI messbar gemacht. Das ist die eigentliche Veränderung hinter dem aktuellen Wettlauf.
Das Projekt muss nun einen deutlich schwierigeren Übergang überstehen. Es muss sich von vier intermittierend arbeitenden Chips zu vernetzter Infrastruktur entwickeln, die zuverlässige Rechenleistung bereitstellt.
Solarenergie gibt Orbitalsystemen einen überzeugenden Grund zu existieren. Kühlung, Strahlung, Vernetzung, Abhängigkeit von Starts und Trümmer entscheiden darüber, ob dieser Grund ausreicht.
Achten Sie im kommenden Jahr auf die Betriebsdaten, die Tests optischer Vernetzung und die Kosten pro nutzbarer Rechenstunde. Diese Ergebnisse werden zeigen, ob der Weltraum zu einem Markt für KI-Infrastruktur wird oder lediglich ein außergewöhnliches Labor bleibt.
