Google Project Suncatcher、AIデータセンターを宇宙へ。ただし物理法則が条件を決める

Google Project Suncatcherは10月1日、4基のTensor Processing Unitsを軌道上へ送り込み、構想段階だったインフラのアイデアを実機による試験へと移した。チップは現在、Planetと共同開発し、SpaceXが打ち上げた太陽光発電衛星に搭載されている。Googleによると、宇宙機との通信は確立され、想定どおりに稼働しているという。

今回の打ち上げは、Googleが軌道上クラウドを構築したことを意味しない。商用AIハードウェアが、放射線、打ち上げ時の衝撃、そして研究室外の熱環境にどう耐えるかを、同社がようやく計測できるようになったということだ。その結果次第で、宇宙空間のAIデータセンターに追加投資する価値があるのか、それとも高価な思考実験にとどまるのかが決まる。

SpaceX、Nvidia、Starcloud、Blue Origin、そして複数の小規模企業が、関連する計画を進めている。提案内容は異なるものの、前提は共通している。地上の電力網、水資源、許認可のプロセスが、AI拡大の制約になりつつあるという点だ。軌道上には豊富な太陽光があり、地域からの反対も少ないように見える。しかし地上の制約を、容赦のない工学上の問題へと置き換えることになる。

Google Project Suncatcher、構想から軌道上へ

Googleは重要な一線を越えたが、この衛星は実用的な軌道上データセンターではなく、あくまで実験機である。

Project Suncatcherの試作機は、SpaceXのTransporter-18ライドシェア・ミッションで打ち上げられた。無人のFalcon 9は、カリフォルニア州のVandenberg Space Force Baseから130基のペイロードを低軌道へ運んだ。

Googleは、小型宇宙機の開発経験を持つ地球観測企業Planetと共同で衛星を開発した。ペイロードには、機械学習ワークロード向けにGoogleが設計したアクセラレーターであるTrillium TPUが4基搭載されている。

Googleの試作機に関する更新によると、同社は今後数週間にわたり運用データを収集する。エンジニアは、チップが振動、放射線、極端な温度変化にどう反応するかを検証する。

これは基本的な生存性に関する問いだ。地上のアクセラレーターは、冗長化された電力、冷却、ネットワーク、保守体制を備えた厳密に管理された建物内で動作する。軌道上のバージョンは、技術者、交換部品、安定した室内環境なしに稼働し続けなければならない。

初期のワークロードは意図的に限定されている。チップは制御された時間帯に短いGeminiクエリを実行し、その後、ハードウェアを冷却するために停止する。この運用スケジュールは、この試験が連続的なAIサービスからいかに遠いかを示している。

実用システムでは、数千基のプロセッサーを長時間にわたって稼働させる必要がある。また、大規模なワークロードを多数の衛星に分散するために、十分なメモリ、ネットワーク容量、耐障害性も必要になる。

Googleのより大きな設計構想では、太陽光発電の宇宙機群を自由空間光リンクで接続する。これらのリンクは、物理ケーブルを使わずにレーザーで衛星間のデータを送信する。

同社の研究では、半径およそ1キロメートル以内を飛行する81基の衛星クラスターが示されている。機械学習システムが、衝突を回避しながら編隊を制御する想定だ。

この近接編隊は重要である。現代のAIトレーニングは、アクセラレーター間の高速通信に依存している。孤立したチップの集まりが、地上のスーパーコンピューターと同等の性能を自動的に発揮できるわけではない。

したがってGoogleが提案する光ネットワークは、低遅延かつ高帯域幅を実現しなければならない。同時に、すべての衛星が軌道速度で移動する中で、精密な位置合わせを維持する必要がある。

地上との通信も別のボトルネックになる。現在の試作機には無線リンクで十分だが、大規模な軌道上クラスターでは、モデルやデータセットを地球とやり取りするため、はるかに高速な接続が必要になる。

こうした制約こそが、10月の打ち上げを重要なものにしている。Project Suncatcherは、もはやコンピューターモデルや放射線試験だけに基づくものではない。Googleは今後、仮定を軌道上で収集したデータと比較できる。

とはいえ、この実験が完全なアーキテクチャを実証するわけではない。81基の衛星編隊、連続運用、大型ラジエーター、地上への大容量光リンクは検証していない。

この違いは本質的だ。GoogleはAIプロセッサーを宇宙へ配置したが、軌道上クラスターが従来のデータセンターと競争できることは示していない。

AIの電力需要が宇宙競争を加速させる

軌道上への急速な関心は、地上の問題から始まる。AI開発者は、電力会社が供給できる速度を上回るペースで電力を必要としている。

米国政府会計検査院は、2028年までにデータセンターが米国の電力需要の最大12%を占める可能性があるとしている。AI開発は、この予測を後押しする大きな要因だ。

新施設の建設には、電力会社の計画、送電網の増強、許認可、地域との協議に何年もかかる場合がある。水使用量や土地利用も、計画地周辺の地域社会による反発を招き得る。

こうした制約は、フロンティアモデルを開発する企業に影響する。より多くの計算能力は、モデル訓練、実験、推論、顧客拡大を支える。インフラの遅れは、製品開発と収益の両方を遅らせる可能性がある。

軌道上プロジェクトは、異なるエネルギーモデルを約束する。適切な低軌道にある太陽光パネルは、雲や夜間サイクルの影響を受けず、ほぼ連続的に日光を受けられる。

Googleは、提案する軌道上のパネルが、地球の中緯度地点に設置したパネルより年間で最大8倍多くの太陽エネルギーを受け取れると見積もる。この利点は日照条件によるものであり、電力が無料になるわけではない。

衛星には依然として大規模なアレイ、電力電子機器、バッテリー、制御システムが必要だ。これらの部品は重量を増やし、打ち上げ、放射線、繰り返される熱ストレスに耐えなければならない。

地上の電力容量を確保しにくくなるほど、エネルギー面での議論は魅力を増す。打ち上げロケットにアクセスできるテクノロジー企業なら、新たな発電所を待たずに計算能力を追加できる可能性がある。

SpaceXは、垂直統合の面で最も明確な優位性を持つ。ロケットを運用し、Starlinkコンステレーションを管理し、専用設計の軌道上データセンター衛星を提案している。

Elon Muskは、2〜3年以内に宇宙がAIにとって最も低コストな場所になると述べている。この予測は実証済みの経済的成果ではなく、依然として企業側の主張だ。

SpaceXは、最大100万基の衛星に関する計画も提出している。このようなネットワークは、現在の実験的なコンピューティング・ペイロードをはるかに超える規模で運用されることになる。

その優位性は技術だけではない。打ち上げへのアクセスは、どの軌道上プロジェクトがハードウェアを試験し、故障機器を交換し、容量を拡大できるかを左右し得る。

競合他社は輸送をSpaceXに依存する場合が多い。GoogleはProject Suncatcher試作機にFalcon 9を使い、Starcloudも先行するAIハードウェア・ミッションでSpaceXに依存した。

この依存関係により、打ち上げ能力は戦略的な影響力へと変わる。ロケットと軌道上コンピューティングの両方を支配する企業は、自社コストを最適化しつつ、競合企業に対する商業条件を設定できる。

Blue Originは対抗勢力となる可能性がある。同社は大規模な衛星ネットワークと大型打ち上げ能力を追求しているが、軌道上コンピューティング戦略はなお発展途上だ。

Nvidiaはサプライチェーンで別の位置を占める。同社は、制約の多い軌道環境でのコンピューティング向けにSpace-1 Vera Rubin Moduleを発表した。

Nvidiaによると、このモジュールは大規模言語モデル、地理空間分析、自律宇宙機を支援できる。ただし、提供時期と軌道上での継続的な性能は、なお検証が必要だ。

Starcloudは、より直接的な商業モデルを試験している。すでにNvidia H100アクセラレーターを搭載して飛行させており、トレーニングと推論向けのより大規模なクラスター構築を目指している。

当面の機会は、一般的なチャットボットのリクエスト処理ではないかもしれない。宇宙で生成されたデータを処理する方が、情報を地球との往復に乗せる必要がないため、より明確な利点がある。

地球観測衛星は、運用者が効率的に送信できる量を超える生の画像データを取得する。オンボードAIシステムなら、山火事、損傷したインフラ、異常気象を特定してから、選別した結果を地上へ送信できる。

この手法は、ダウンリンク需要と応答時間を削減する。また、地上のクラウドリージョンを置き換えるよりも小規模で機能する。

したがって、軌道上データセンター競争には2つの市場がある。1つは、すでに宇宙にあるセンサーに計算能力を近づける市場だ。もう1つは、汎用AIインフラを地球から移そうとする市場である。

前者はすでに到来している。後者には、打ち上げ経済性、冷却、ネットワーク、保守におけるはるかに大きな進歩が必要だ。

太陽光は豊富でも、冷却は無料ではない

中心となるトレードオフは単純だ。軌道上では日光をより多く得られる一方、真空では廃熱の除去が難しくなる。

AIプロセッサーは、入力された電力の大部分を熱に変換する。数百ワットを受け取るチップは、その熱エネルギーを継続的にどこかへ移さなければならない。

地上施設では、空気、水、あるいは専用の液体を使って熱を運び去る。ファン、ポンプ、冷却塔、チラーがその熱を周囲環境へ移す。

宇宙には、対流のための大気がない。また、宇宙機から熱を吸収する外部液体も存在しない。

軌道上システムでは、各プロセッサーからラジエーターへ熱を移す必要がある。ラジエーターは赤外放射としてエネルギーを放出する。

このプロセスは機能するが、広い表面積を必要とする。計算能力が増えれば発熱量も増え、より大きなラジエーターが必要になる。

IEEEの熱解析では、40キロワットのラック1台に80平方メートルのラジエーターが必要になる可能性があると見積もられた。この面積は、おおむねピックルボールコート1面に相当する。

同じ解析では、100メガワットの設備には少なくとも2,500基のラジエーターが必要になると見積もられた。各構造物は質量、抗力、展開機構、潜在的な故障点を増やす。

ラジエーターは、熱を放出する能力も維持しなければならない。紫外線、原子状酸素、放射線は、露出したコーティングを時間とともに劣化させる可能性がある。

この劣化は問題を複合化する。運用者は開始時点で余分なラジエーター容量を打ち上げる必要があるかもしれず、システムを高価にした質量がさらに増加する。

太陽電池アレイも、別の幾何学的制約を加える。プロセッサーとその支援機器に電力を供給するのに十分な表面積が必要になる。

アレイとラジエーターはどちらも、有用な向きを維持しなければならない。互いを遮ったり、宇宙機を不安定にしたり、管理不能な抗力を生んだりしてはならない。

宇宙は冷たくても、周囲が冷たいからといって物体が自動的に冷えるわけではない。伝導や対流がなければ、高温のチップは設計された熱経路を通じてしかエネルギーを失えない。

Googleも、熱管理が未完の課題であることを認めている。同社の研究ではヒートパイプとラジエーターを提案しているが、実用クラスター向けに実証済みの設計は提示していない。

現在の衛星は、短時間のワークロードを実行することで問題全体を回避している。実験中であれば冷却のための停止は許容できるが、商用インフラには予測可能な可用性が必要だ。

放射線は第2の妥協を生む。従来の衛星コンピューターには、高エネルギー粒子に耐えるよう設計された耐放射線部品が使われる。

これらのプロセッサーは信頼性が高いが、通常は最先端のAIアクセラレーターに性能で後れを取る。現代の大規模言語モデルには、Google TPUやNvidia GPUといった商用チップが提供する高密度性能が必要だ。

商用アクセラレーターはより脆弱である。高エネルギー粒子はメモリビットを反転させ、計算を破損させ、電気的な故障を引き起こす可能性がある。

Googleによると、地上試験ではTrillium TPUを5年間のミッションに相当する放射線環境にさらした。プロセッサは恒久的な故障を起こさずに耐えたと報じられているが、エンジニアは復旧可能なエラーを観測した。

この結果は追加試験を後押しするものの、数個のプロセッサが生き残っただけではフリート全体の信頼性を証明できない。大規模なコンステレーションには、はるかに多くの部品、メモリモジュール、接続系統、電力システムが含まれる。

冗長化により、個々の障害が運用に与える影響を抑えられる。複数のプロセッサで同じ計算を実行し、結果を比較して、不整合な回答を出したノードを再起動できる。

この戦略は、堅牢化を数量で補うというものだ。運用者はより多くの一般的なハードウェアを打ち上げ、一部のユニットが故障することを受け入れる。

このトレードオフが成立するのは、打ち上げと交換が安価になる場合に限られる。そうでなければ、冗長プロセッサを追加するたびに、有用な計算を生み出す前から設備投資コストが増える。

修理にも関連した課題がある。地上施設では、技術者が故障したドライブ、ケーブル、ポンプ、アクセラレータを日常的に交換している。

軌道上の運用者は、各衛星に技術者を派遣できない。ロボットによる保守は依然として限定的であり、ハードウェアを地球へ持ち帰っても、通常は経済的な意味をなさない。

そのため、保守戦略としては交換が有力となる。故障した衛星は退役・軌道離脱させ、より新しいユニットで置き換えることになる。

頻繁な交換は、新しいアクセラレータの投入に伴いチップ性能を向上させる可能性がある。一方で、高コストな打ち上げサイクルを生み、軌道上の交通管理への負荷を高める可能性もある。

打ち上げコストと宇宙デブリが事業性を左右する

軌道上AIが競争力を持つのは、輸送、信頼性、利用可能な計算能力が同時に向上した場合に限られる。

打ち上げ価格は下落しているが、重量のある機器を軌道へ送る費用は、地上の建物へ搬入する費用を依然として上回る。ラジエーター、遮蔽、推進系、太陽電池アレイは、その差をさらに拡大する。

Googleの経済モデルは、低軌道への打ち上げコストが1キログラム当たり約200ドルになることを重要な閾値としている。同社は、この水準が2030年代半ばには実現する可能性があると見込んでいる。

この前提は、再使用可能な大型ロケットが高い打ち上げ回数を達成することに依存する。また、宇宙機メーカーが電力、冷却、耐久性を損なうことなく質量を削減できることも前提となる。

BCGのコストモデルは、軌道上システムが依然として地上施設に対して大きなコストプレミアムを抱えると推定している。有利なシナリオでも、その結果は衛星の故障率に大きく左右される。

したがって、打ち上げコストは変数の一つにすぎない。プロセッサが早期に故障したり、ラジエーターが劣化したり、ネットワークが高価なチップを十分に稼働させられなかったりすれば、安価な打ち上げに意味はない。

AIアクセラレータはジョブを処理している間に価値を生むため、稼働率が重要になる。冷却のために頻繁に停止したり、データを待ったりするシステムでは、同じハードウェアから得られる計算時間が減少する。

ネットワーク性能は、見えにくいアイドル時間を生む可能性がある。大規模モデルの学習では、プロセッサが中間結果を高速かつ繰り返し交換する必要がある。

光リンクが位置合わせを維持できなかったり、地上の帯域幅に匹敵できなかったりすれば、クラスターは待機により多くの時間を費やす可能性がある。衛星を追加しても、必ずしもこの問題は解決しない。

レイテンシーも、実行可能なワークロードを分ける要因となる。インタラクティブなアプリケーションは、地上の人やシステムに素早く応答しなければならない。

低軌道では、伝送距離、地上局経由のルーティング、光リンクに対する天候関連の干渉が加わる。こうした要因はバッチ処理では許容され得るが、リアルタイムサービスには適しにくい。

大量生成、科学モデリング、アーカイブ分析、翻訳は遅延を許容できる。軌道上コンピューティングが商用規模に達した場合、これらのタスクは初期の候補となる可能性がある。

機密性の高い政府向けワークロードも、もう一つの市場候補である。分散型の宇宙インフラは、地理的な分離と軌道上センサーへの直接アクセスを提供できる可能性がある。

ただし、物理的な隔離だけでサイバーセキュリティのリスクがなくなるわけではない。運用者には、安全なコマンドチャネル、ソフトウェア更新、認証、侵害された地上システムからの保護が引き続き必要となる。

環境面の問題は、コストとして算定しにくい。大規模コンステレーションは衝突リスクを高め、すでに混雑している軌道帯の利用をより複雑にする。

GAOの評価は、衛星の追加が天文学を妨げ、有人ミッションを脅かし、無線周波数の調整負担を増大させる可能性があると警告している。

衝突は、軌道上に残留して他の宇宙機を危険にさらす破片を生み出す可能性がある。物体が増えるほど、接近警報や回避機動も増加する。

最悪の懸念は、ある衝突で生じたデブリが追加の衝突を引き起こす連鎖だ。運用者はこのリスクを想定して設計するが、非常に大規模なコンピューティング用コンステレーションは、潜在的な遭遇の数を増やすことになる。

SpaceXは、Starlinkの運用実績を大規模フリートを管理できる証拠として挙げている。しかし、軌道上データセンターの構想は、将来的に、より大きな外部構造を備えた重く複雑なプラットフォームを追加する可能性がある。

寿命末期の処分も重要だ。十分に低い軌道にある衛星は大気圏へ再突入できるが、頻繁な交換は再突入の往来を増やすことになる。

打ち上げと再突入は排出物を生む。ある学術分析は、これらの排出が、データセンターを地球から移すことで得られるとされる環境上の利点を相殺し得ると論じている。

この結論は、将来のロケット設計、打ち上げ頻度、システム寿命、比較に含める排出量に依存する。確定した見解として扱うべきではない。

それでも、軌道上コンピューティングを自動的に持続可能だと表現することはできない。その影響は、エネルギー生産、製造、打ち上げ運用、大気化学、宇宙デブリにまたがって移転する。

短期的に最も信頼できるケースは、宇宙で生成されたデータに特化したコンピューティングであり続ける。画像を衛星上でローカルにフィルタリングすれば、ハイパースケールのクラウドリージョンを代替すると主張せずとも、通信コストを削減できる。

この限定的な導入は、実際の信頼性データを明らかにすることにもつながる。運用者は、プロセッサエラー、ラジエーター性能、電力の可用性、キログラム当たりの完了した有用作業量を測定できる。

汎用的な軌道上クラウドには、より高い基準が課される。高度な冷却、新たなエネルギー契約、より効率的なチップによって改善を続ける地上の代替手段を上回らなければならない。

地上の運用者は、再生可能エネルギー、原子力発電、または気候条件が有利な地域の近くに施設を配置することもできる。ロケットを打ち上げることなくハードウェアを更新できる。

したがって、競争は軌道対今日のデータセンターではない。軌道上システムが最終的に規模へ到達する時点で利用可能な地上インフラとの競争である。

軌道上AIが拡張可能かを示す3つのシグナル

次の段階は、規制当局への提出書類で公表されたコンステレーション規模ではなく、運用上の証拠で評価すべきだ。

第1のシグナルは、Googleの4基のTPUによる持続的な性能である。Project Suncatcherは、商用アクセラレータが放射線と熱サイクルにさらされながらも、繰り返しワークロードを完了できることを示さなければならない。

Googleは最終的に、エラー率、動作温度、実際の計算稼働時間、ミッション中の性能変化を開示すべきだ。宇宙機との通信が確立しているだけでは、これらの問いに答えられない。

強い結果は、ソフトウェアで管理されるレジリエンスにより標準的なAIチップが生き残れるという主張を裏付ける。頻繁な停止や蓄積する障害は、大規模フリートの経済性を弱めるだろう。

第2のシグナルは、複数衛星によるネットワーキング実証の成功である。Googleのアーキテクチャは、光リンクを通じてデータをやり取りする、緊密に連携した宇宙機に依存している。

同社は2027年中の追加試験について言及している。これらのミッションでは、安定した編隊飛行、信頼性の高いリンク位置合わせ、軌道上条件での実用的な帯域幅を示す必要がある。

この試験は、機上コンピューティングと真の分散データセンターを分ける。一つの衛星でAIモデルを実行することはできるが、大規模な学習クラスターには、多数のプロセッサが一つのシステムとして振る舞うことが必要だ。

Googleにとってネットワーキングは特に重要である。同社の設計はモジュール式衛星を重視しているためだ。このアーキテクチャは単一の巨大構造物を打ち上げる必要を避ける一方、複雑さを編隊制御と通信へ移す。

説得力のある実証は、その選択を裏付ける。不安定なリンクでは、システムは統合されたAIクラスターではなく、独立したエッジコンピューティングノードに限定されるだろう。

第3のシグナルは、運用データに裏付けられた完全なコストモデルである。SpaceX、Google、Starcloud、および各社のパートナーは、打ち上げ、ハードウェア、熱制御システム、故障、通信、処分を含める必要がある。

無料の太陽光だけを基にした比較では、システムの大半が抜け落ちる。重要な指標は、宇宙機の稼働寿命全体で提供される有用な計算能力である。

その計算では、冷却による停止、放射線エラー、太陽光発電出力の低下、交換用打ち上げ、未使用容量を考慮すべきだ。また、改善を続ける地上施設との比較も必要になる。

初期の商用契約は、この第3のシグナルにおけるもう一つの手掛かりとなる。地球観測データを処理する顧客は、ローカル分析によって時間やダウンリンク容量を節約できるなら、より高い計算コストを受け入れる可能性がある。

大衆向けAIワークロードは異なる試験に直面する。テキストや画像を生成する企業は、軌道上ハードウェアに費用を払うことなく、多数の地上リージョンから選択できる。

この違いは期待値を形作るべきだ。軌道上コンピューティングは、一般的なクラウドインフラを置き換えなくても、実際のビジネスになり得る。

開発者と企業の購買担当者は、劇的な衛星数ではなく、ワークロードの配置を見るべきだ。最初に実用化されるサービスは、軌道上ですでに収集された情報を処理するものになる可能性が高い。

ナレッジワーカーは、すべてのモデルクエリがどこで実行されているかには気付かないだろう。サービスがより高速に、低コストに、より利用しやすく、あるいはより制約の多いものになるかには気付く。

AIシステムを評価する組織は、インフラに関する主張と製品性能を分けて考えるべきだ。検索可能なAIナレッジベースも、プロセッサの設置場所にかかわらず、安全なデータ運用、信頼できる検索、有用な回答に依存している。

Google Project Suncatcherは、軌道上AIを測定可能なものにした。現在の競争の背後にある本当の変化はそこにある。

このプロジェクトは、これからはるかに厳しい移行を乗り越えなければならない。断続的に稼働する4基のチップから、信頼できる計算能力を提供するネットワーク化されたインフラへ進化する必要がある。

太陽エネルギーは、軌道上システムが存在する強力な理由を与える。冷却、放射線、ネットワーキング、打ち上げへの依存、デブリが、その理由で十分かどうかを決める。

今後1年間は、運用データ、光ネットワーキング試験、有用な計算時間当たりのコストに注目すべきだ。これらの結果が、宇宙がAIインフラ市場になりつつあるのか、それとも単に特別な実験室にとどまるのかを明らかにする。