Google Project Suncatcher 위성이 궤도에 도달했지만, AI 확장은 더 어려운 과제
Google이 첫 번째 Project Suncatcher 위성을 궤도에 올리며 우주 기반 AI 프로젝트를 처음으로 실험실 연구 단계 밖으로 끌어냈다. 이 프로토타입은 Planet과의 협력으로 제작됐으며, 10월 1일 SpaceX의 Transporter-18 미션을 통해 발사됐다. Google은 관제팀이 우주선과 교신했으며 예상대로 작동하고 있다고 밝혔다.
초기 교신은 중요하지만, 궤도 AI 인프라의 실용성을 입증하는 것은 아니다. 이제 이 미션은 일반적인 Tensor Processing Units가 발사 충격, 방사선, 극심한 열 환경을 견딜 수 있는지 보여줘야 한다. Google의 더 큰 목표는 수많은 위성이 하나의 긴밀히 연결된 장비처럼 작동하도록 만드는 것이다.
따라서 Google Project Suncatcher 위성은 두 가지 인프라 경로의 경쟁을 시작한다. 하나는 전력망, 수자원 시스템, 광섬유 네트워크 인근의 지상 데이터 센터를 계속 확장하는 방식이다. 다른 하나는 더 안정적인 햇빛과 지상의 에너지 제약 완화를 대가로 궤도의 위험을 감수하는 방식이다.
Google Project Suncatcher 위성은 이제 실제 실험이 됐다
이번 발사로 Project Suncatcher는 모델링된 아키텍처에서 실제 하드웨어 시험 단계로 전환됐다.
이 우주선은 캘리포니아 밴덴버그 우주군 기지에서 진행된 SpaceX의 Transporter-18 라이드셰어 미션을 통해 저지구궤도에 도달했다. Falcon 9 미션은 130개의 탑재체를 실었으며, 이륙 약 54분 후부터 이를 배치하기 시작했다. Google의 프로토타입은 이 대규모 상업 발사에 실린 작은 탑재체 중 하나였다.
Google은 궤도 미션 업데이트에서 위성과의 교신을 확인했다. 회사는 배치 후 시스템이 예상대로 작동했다고 밝혔다. 이는 우주선의 기본 상태가 양호하다는 점을 확인한 것이지, 지속적인 작업 부하에서 AI 하드웨어의 성능을 입증한 것은 아니다.
이 우주선에는 머신러닝 연산을 가속하도록 설계된 특수 프로세서인 Google TPU가 탑재됐다. 이 칩들은 Google의 지상 컴퓨팅 인프라에 사용되는 칩과 관련이 있다. 핵심 실험은 이 같은 고성능 실리콘이 전통적인 우주 등급 재설계 없이도 안정적으로 작동할 수 있는지 확인하는 것이다.
보도에 따르면 이 프로토타입은 냉장고 정도의 크기이며 TPU 4개를 탑재했다. 컴퓨팅 용량은 완전한 데이터 센터가 아니라 소형 지상 서버에 가깝다. 이 제한된 규모는 미션이 물리적 생존성과 운용 특성에 초점을 맞추기 때문에 의도된 것이다.
Google은 향후 몇 주간 데이터를 수집할 계획이다. 엔지니어들은 프로세서가 발사 스트레스, 궤도 방사선, 극한의 온도에 어떻게 반응하는지 연구할 예정이다. 또한 보조 전력 및 냉각 시스템이 안전한 작동 조건을 유지하는지도 측정해야 한다.
발사 진동은 첫 번째 도전 과제다. 로켓 탑재체는 궤도에 도달하기 전 강력한 음향 에너지와 기계적 하중을 경험한다. 연결부, 메모리 패키지, 냉각 인터페이스, 전력 부품은 짧지만 격렬한 이 과정을 거쳐도 온전해야 한다.
방사선은 다른 종류의 위험을 만든다. 고에너지 입자는 메모리를 손상시키고 계산을 변경하거나 반도체 부품에 영구적인 손상을 줄 수 있다. 프로세서는 계속 작동하면서도 간헐적 오류를 낼 수 있어, 신뢰성 평가는 단순한 생존 여부보다 더 어렵다.
열 특성 역시 중요한 결과를 보여줄 것이다. 위성은 강렬한 햇빛과 깊은 그림자, 그리고 대기 대류가 없는 환경을 통과한다. 시스템은 프로세서 열을 라디에이터로 전달해야 하며, 라디에이터는 이 에너지를 적외선 복사로 방출한다.
이 프로토타입은 Google의 완전한 궤도 AI 아키텍처를 시험하지는 않는다. 회사의 연구에서 구상한 대규모 위성 클러스터와 고밀도 광학 네트워크도 갖추지 못했다. 또한 궤도 컴퓨팅이 지구의 데이터 센터와 경제적으로 경쟁할 수 있는지도 입증할 수 없다.
그 가치는 가정을 측정값으로 바꾸는 데 있다. 실험실의 방사선 빔과 열 챔버는 일부 조건을 근사할 수 있지만, 궤도에서 발생하는 모든 상호작용을 재현할 수는 없다. 실제 우주선은 통합 시스템을 이런 영향에 동시에 노출한다.
이 차이 때문에 이번 발사는 단순한 상징적 발사 이상이다. 정상 작동하는 위성은 Google에 어떤 시뮬레이션도 완전히 제공할 수 없는 하드웨어 원격 측정 데이터를 제공한다. 좋지 않은 결과도 마찬가지로 유용하다. 어떤 부품에 차폐, 이중화 또는 교체가 필요한지 보여주기 때문이다.
Project Suncatcher는 이제 배치와 초기 교신 단계를 통과했다. 더 어려운 이정표는 Google이 의미 있는 TPU 성능 및 오류 데이터를 공개할 때 시작된다. 그때까지 이 위성은 궤도 데이터 센터가 아니라 작동 중인 실험이다.
컴퓨팅이 살아남을 때만 태양광의 이점은 의미가 있다
Project Suncatcher의 에너지 논리는 이론상 설득력 있지만, 햇빛만으로는 취약한 컴퓨팅 인프라를 유용하게 만들 수 없다.
Google은 적절한 저지구궤도에 있는 태양광 패널이 지구상의 동등한 패널보다 최대 8배 많은 에너지를 생산할 수 있다고 주장한다. 대기 흡수, 구름, 날씨, 야간은 지상 태양광 출력을 줄인다. 적절한 새벽-황혼 궤도는 궤도 주기의 대부분 동안 햇빛을 받을 수 있다.
거의 지속적인 햇빛은 대형 배터리에 대한 의존도를 낮출 수 있다. 또한 미래의 컴퓨팅 성장을 혼잡한 전력망과 지역 수자원에서 분리할 수 있다. 이러한 이점은 전통적인 위성 산업 밖의 기업들까지 궤도 AI에 관심을 갖게 한 이유다.
Google의 Suncatcher 연구는 궤도면과 태양의 관계를 일정하게 유지하는 태양동기궤도를 모델링한다. 예시 성좌는 지상 약 650킬로미터 상공에 81개의 위성을 배치한다. 인접 우주선 간 거리는 수백 미터에 불과하다.
이 기하학적 배치는 전력 생산과 고용량 통신을 모두 지원한다. 동시에 항법, 자세 제어, 충돌 회피에 엄격한 요구를 부과한다. 대기 항력이나 지구 중력장의 작은 변화도 시간이 지나며 편대 형태를 왜곡할 수 있다.
프로세서는 그 편대가 의미를 갖기 전부터 위험에 직면한다. Google은 67 메가전자볼트 양성자 빔을 사용해 6세대 가속기인 Trillium v6e TPU를 시험했다. 이 시험은 누적 이온화 손상과 개별 입자로 인한 단일 사건 효과를 조사했다.
보고된 시험에서 고대역폭 메모리는 가장 민감한 하위 시스템이었다. 불규칙성은 누적 피폭량 2킬로라드 이후부터 나타났다. Google은 이 수치가 5년 미션 동안 예상되는 차폐 피폭량의 거의 3배라고 추정했다.
회사는 한 칩에서 최대 15킬로라드까지 시험한 피폭량에서도 총 이온화 선량에 따른 치명적 고장이 없었다고 보고했다. 이 결과는 상용 AI 하드웨어를 궤도에 올릴 근거가 됐다. 그러나 운용 성좌 전반에서 신뢰할 수 있는 서비스를 보장한 것은 아니다.
빔 시험은 실험실 조건에서 통제된 방사선을 적용한다. 궤도에서는 태양 폭풍, 변화하는 입자 에너지, 장기간의 노출, 여러 부품 간 상호작용이 추가된다. 소프트웨어는 방사선으로 인한 결함과 일반적인 하드웨어 또는 작업 부하 오류도 구분해야 한다.
Project Suncatcher는 원격 측정을 통해 이 격차를 해소할 수 있다. 엔지니어들은 서로 다른 궤도 조건에서 처리 결과, 메모리 동작, 온도, 전력 사용량을 비교할 수 있다. 이후 오류율을 추정하고 소프트웨어 보정이 충분한 보호를 제공하는지 판단할 수 있다.
복구 가능한 오류와 영구 고장의 구분은 매우 중요하다. 작업 부하가 자동으로 재시작된다면 클러스터는 간헐적인 계산 손상을 견딜 수 있다. 그러나 방사선이 반복적으로 프로세서를 멈추게 하거나 하드웨어 수명을 단축한다면 효율은 크게 떨어진다.
기존 데이터 센터에서는 교체가 간단하다. 기술자는 고장 난 서버를 제거하고, 냉각 루프를 수리하거나 네트워크 스위치를 업그레이드할 수 있다. 장비가 지구 상공 수백 킬로미터에 있을 때 동일한 유지보수 작업은 새로운 우주선 운용이 된다.
따라서 Google은 점진적 장애를 고려해 설계해야 한다. 이중화 프로세서, 오류 정정 메모리, 복제 작업 부하, 자율 복구는 서비스 운영을 유지할 수 있다. 그러나 모든 보호 계층은 전력 소비, 질량, 복잡성 또는 유휴 용량을 추가한다.
태양광의 이점은 이러한 비용을 넘어야 한다. 잠재적 패널 생산성이 8배라는 것은 사용 가능한 컴퓨팅 출력도 8배라는 뜻이 아니다. 전력 변환 손실, 열 한계, 통신 오버헤드, 추진, 이중화가 모두 이득의 일부를 소모한다.
이 프로토타입은 Google 하드웨어로 그 균형을 측정할 첫 기회를 제공한다. 안정적인 TPU 작동은 연결된 후속 미션의 가능성을 강화할 것이다. 지속적인 오류나 열 스로틀링은 프로젝트를 부품 재설계 단계로 되돌릴 수 있다.
Google Project Suncatcher에는 강인한 칩만이 아니라 네트워크가 필요하다
결정적인 기술 과제는 움직이는 수많은 위성을 긴밀하게 결합된 지상 컴퓨팅 클러스터처럼 작동시키는 것이다.
현대 AI 시스템은 빠른 프로세서만으로 작동하지 않는다. 학습과 대규모 추론은 작업을 여러 가속기 사이에 분할하며, 이들은 모델 파라미터와 중간 결과를 교환한다. 느리거나 일관되지 않은 네트워킹은 고가의 칩을 유휴 상태로 만들 수 있다.
지상 데이터 센터는 고밀도 광섬유 연결과 특수 스위치로 이 문제를 해결한다. 부품들은 짧고 고정된 케이블 경로를 갖춘 통제된 건물 안에 배치된다. Project Suncatcher는 이런 케이블을 움직이는 우주선 간 자유공간 광 링크로 대체하게 된다.
자유공간 광통신은 집중된 레이저 빔을 통해 데이터를 전송한다. 많은 기존 무선 링크보다 훨씬 높은 대역폭을 제공할 수 있지만, 정밀한 조준이 필요하다. 수신기에서 벗어나는 좁은 빔은 연결 손실로 이어진다.
Google의 동료 심사 시스템 설계는 다중 광 채널과 공간 다중화 링크를 탐구한다. 계산 결과는 각 개구부에서 초당 테라비트 단위의 잠재적 대역폭을 제시한다. 이 수치는 실제 궤도 성능이 아니라 모델링된 용량이다.
제안된 위성들은 일반적인 성좌 구성원보다 훨씬 가까이 비행한다. Google은 반경 약 1킬로미터의 81기 위성 클러스터를 모델링했다. 일부 인접 위성 간 거리는 궤도를 도는 동안 약 100~200미터 사이에서 변동한다.
짧은 거리는 광학적 확산을 줄이고 더 작은 개구부로도 더 많은 독립 링크를 운반할 수 있게 한다. 그러나 동시에 편대 제어의 민감도도 높아진다. 각 우주선은 허용할 수 없는 충돌 위험을 만들지 않으면서 통신 기하를 유지해야 한다.
Google의 모델은 비교적 작은 궤도 유지 기동으로 편대를 유지할 수 있음을 시사한다. 실제 우주선은 불확실한 항력, 하드웨어 편차, 항법 오류, 제한된 추진제를 마주하게 된다. 대규모 클러스터는 이런 변수를 지속적이고 자율적으로 관리해야 한다.
Planet은 이 분야에서 필수적인 경험을 제공한다. 이 회사는 대규모 지구 관측 위성군을 설계하고, 발사하고, 운영해 왔다. 우주선 파트너십을 통해 Google은 검증된 위성 버스와 미션 운영 전문성에 접근할 수 있다.
이 협력은 칩 테스트에서 궤도 진입까지의 경로도 단축한다. Google은 컴퓨팅 페이로드에 집중하고 Planet은 우주선 플랫폼의 상당 부분을 맡을 수 있다. 그러나 영상 위성을 운영한다고 해서 데이터센터 규모의 네트워킹이나 열 방출 문제가 자동으로 해결되는 것은 아니다.
Planet은 원래 2027년 초를 목표로 한 2기 위성 시연을 설명했다. 이 임무는 편대 비행과 고대역폭 크로스링크를 시험할 것으로 예상된다. Google이 새로 발사한 프로토타입은 그 네트워킹 테스트를 대체하는 것이 아니라, 그보다 앞선 하드웨어 생존성 검증 단계다.
두 임무의 구분은 중요하다. 작동하는 TPU는 유용한 실리콘이 일정 기간 우주에서 작동할 수 있음을 입증한다. 안정적인 광 링크는 두 우주선이 데이터를 교환할 수 있음을 보여준다. 그러나 어느 결과도 수십 기의 위성이 효율적으로 모델을 학습할 수 있다는 점을 단독으로 증명하지는 못한다.
분산형 AI 워크로드는 중단에 민감하다. 위성 한 기가 정렬 상태를 벗어나면 인접한 프로세서들이 대기하거나 작업을 재분배해야 할 수 있다. 이 복구 과정은 유용한 연산보다 더 많은 대역폭을 소모하지 않고 이루어져야 한다.
가까운 위성 간 지연 시간은 빛이 수백 미터를 빠르게 통과하기 때문에 낮게 유지될 수 있다. 더 어려운 제약은 프로토콜 오버헤드, 포인팅 획득, 라우팅, 장애 복구다. 실제 성능은 전파 시간만이 아니라 전체 네트워킹 스택에 달려 있다.
데이터는 궤도와 지구 사이에서도 이동해야 한다. 모든 학습 샘플을 위로 보내고 모든 결과를 아래로 전송한다면 지상 링크에 큰 부담이 생긴다. 이미 우주에서 수집된 데이터를 다루는 워크로드는 더 현실적인 초기 시장을 제공한다.
지구 관측 처리도 한 사례다. 위성은 센서 가까이에서 영상을 분석하고, 선별된 결과를 전송하며, 중복된 원시 데이터는 폐기할 수 있다. 기상 모니터링, 산불 탐지, 해상 추적은 더 빠른 궤도상 처리의 혜택을 받을 수 있다.
Google이 이를 프로토타입의 목적으로 정의하지는 않았지만, 국방 분야 응용도 또 다른 가능성을 만든다. 빠르게 움직이는 물체를 추적하려면 우주 기반 센서 가까이에서 지연 시간이 낮은 분석이 필요하다. 이러한 특수 워크로드는 범용 클라우드 컴퓨팅보다 먼저 더 높은 비용을 정당화할 수 있다.
더 큰 목표는 여전히 더 광범위한 머신러닝 인프라다. 이를 달성하려면 데이터센터 패브릭의 신뢰성에 가까운 광 네트워킹이 필요하다. 따라서 2027년 편대 임무는 이 첫 위성의 발사보다 더 큰 아키텍처적 의미를 지닐 것이다.
궤도 AI는 개선되는 지상 데이터센터를 이겨야 한다
Google의 주된 경쟁자는 다른 우주 스타트업이 아니라, 끊임없이 발전하는 지상 AI 인프라다.
지상의 데이터센터는 실제 제약에 직면해 있다. 전력회사는 대규모 신규 부하를 연결하는 데 어려움을 겪고, 지역사회는 물 사용에 의문을 제기하며, 전력망 건설은 더디게 진행된다. 이러한 압박은 거의 지속적인 궤도 태양광 전력을 매력적으로 만든다.
그러나 지상 인프라는 막대한 이점에서 출발한다. 도로, 광섬유, 수리 인력, 부품 공급업체, 에너지 시장이 이미 존재한다. 운영자는 고장 난 장비를 교체하고 다른 우주선을 발사하지 않아도 더 새로운 가속기를 설치할 수 있다.
효율성도 계속 개선되고 있다. 칩 제조업체는 연산당 에너지 사용량을 줄이고 있으며, 데이터센터 구축업체는 액체 냉각과 더 나은 전력 분배를 도입하고 있다. 재생에너지 발전, 배터리, 원자력 프로젝트, 수요 관리는 지상 용량을 확장할 수 있다.
Project Suncatcher는 이러한 대안보다 더 빠르게 진전해야 한다. 단지 AI 연산이 궤도에서 작동한다는 사실만 보여서는 안 된다. 제조, 발사, 통신, 교체 비용을 상쇄할 만큼 각 우주선의 수명 동안 충분한 유효 연산을 제공해야 한다.
Google의 규모는 이 프로젝트에 이례적인 신뢰성을 부여한다. 이 회사는 TPU를 설계하고, 대형 모델을 개발하며, 글로벌 데이터센터를 운영하고, 상당한 규모의 에너지를 구매한다. 비교 가능한 워크로드를 사용해 궤도 컴퓨팅을 자체 지상 시스템과 비교 평가할 수 있다.
수직 통합은 임무에 맞춰 하드웨어를 설계하는 데에도 도움이 될 수 있다. Google은 모든 클라우드 고객이나 모든 프로세서 유형에 맞출 필요가 없다. 궤도 제약에 맞게 소프트웨어, 모델 아키텍처, 스케줄링, 내결함성을 조정할 수 있다.
이러한 유연성은 Project Suncatcher를 기존 호스팅 사업과 구별한다. 이 회사는 지연에 관대한 워크로드는 궤도로 보내면서 대화형 서비스는 지상에 유지할 수 있다. 또한 현지 위성 데이터의 이점을 얻는 연산을 위해 궤도 용량을 확보할 수 있다.
그럼에도 Google이 현대적 AI 실리콘을 우주에서 시험한 최초의 기업은 아니다. Starcloud는 궤도에서 Nvidia H100 GPU를 운영했으며, 더 큰 궤도 컴퓨팅 시스템을 홍보해 왔다. Axiom Space와 다른 기업들도 더 작은 궤도상 데이터센터 플랫폼을 탐색하고 있다.
이들의 진전은 경쟁 압력을 더하지만, 동시에 근거 기반도 확장한다. 여러 임무가 동일한 열 또는 방사선 한계에 부딪힌다면 그러한 문제는 산업 전반의 문제가 된다. 한 아키텍처가 성공한다면 경쟁사들은 더 명확한 추종 경로를 얻는다.
최근 발사 자체도 이 분야의 성장을 반영했다. Transporter-18에는 궤도 인프라 실험과 관련된 다른 페이로드도 실렸다. rideshare deployment에 대한 보도는 Google의 위성과 함께 전력 빔 전송 및 서비스 임무를 설명했다.
궤도상 정비는 결국 경제성을 개선할 수 있다. 정비 우주선은 전체 플랫폼을 다시 구축하지 않고도 고장 난 모듈을 점검, 재배치 또는 교체할 수 있다. 이 시장은 여전히 초기 단계이며, 이에 의존하는 것은 또 하나의 검증되지 않은 의존성을 추가하게 된다.
발사 능력도 비슷한 의존성을 만든다. rideshare 임무는 소규모 실험에 접근성을 제공하지만, 데이터센터 규모의 인프라는 훨씬 더 큰 질량을 필요로 한다. 대형 시스템은 발사체, 배치 일정, 적절한 궤도 슬롯을 놓고 경쟁하게 된다.
이런 시스템이 성숙하는 동안 지상 데이터센터는 멈춰 있지 않다. Google은 궤도 클러스터가 규제 검토를 마치기 전에 기존 캠퍼스에 수천 개의 프로세서를 추가할 수 있다. 또한 그 하드웨어를 거의 즉시 기존 고객과 연결할 수 있다.
따라서 실질적인 경쟁은 배치 속도, 수명 기간의 산출량, 운영 유연성에 관한 것이다. 우주는 더 나은 태양광 노출을 제공하지만 모든 물리적 개입을 더 어렵게 만든다. 지구는 전력망 제약을 부과하지만 유지보수와 신속한 업그레이드를 지원한다.
Project Suncatcher는 궤도에서만 특별히 이점을 얻는 워크로드를 식별한다면 더 신뢰를 얻을 것이다. 범용 모델 학습은 여전히 가장 까다로운 목표다. 우주에서 생성된 데이터를 처리하는 일은 훨씬 더 빨리 유용해질 수 있다.
그러한 순서는 실패를 의미하지 않는다. 많은 인프라 플랫폼은 확장하기 전에 좁은 응용 분야에서 시작한다. 위험은 성공적인 실험을 광범위한 상업 배치가 임박했다는 증거로 취급하는 데 있다.
Google은 Project Suncatcher를 장기 연구 문샷으로 부른다. 이 표현은 탐구와 제품 출시 약속을 적절히 구분한다. 발사된 위성은 결정을 미리 확정하는 것이 아니라, 그 결정을 위한 데이터를 제공한다.
열, 방사선, 궤도 혼잡이 이 비전을 현실에 묶어 둔다
가장 어려운 반론은 TPU가 우주에서 켜질 수 있느냐가 아니라, 전체 위성군이 수년간 유용한 상태를 유지할 수 있느냐이다.
우주는 흔히 차갑다고 설명되며, 이는 손쉬운 냉각에 관한 오해를 부추긴다. 진공은 움직이는 공기나 물이 열을 운반하는 과정인 대류를 막는다. 궤도 컴퓨터는 열을 라디에이터로 전달하고 적외선 에너지로 방출해야 한다.
라디에이터 면적은 프로세서가 발생시키는 열의 양에 따라 커진다. 더 높은 작동 온도는 열 방출을 개선할 수 있지만, 반도체 신뢰성이 한계를 부과한다. 대형 라디에이터는 질량, 부피, 항력, 전개 복잡성을 더한다.
IEEE thermal analysis는 섭씨 60도에서 작동하는 700와트 프로세서 하나에 약 1.4제곱미터의 라디에이터가 필요할 수 있다고 추정했다. 이 계산은 기하학적 부담을 보여 주지만, Google의 TPU 시스템은 다른 특성을 가질 것이다.
라디에이터 표면도 열화된다. 자외선 노출, 원자 산소, 입자 방사선은 열을 방출하는 능력을 바꿀 수 있다. 엔지니어는 임무 종료 시점까지 허용 가능한 성능을 유지하기 위해 발사 시 추가 라디에이터 면적을 확보해야 할 수 있다.
프로토타입은 실제 조건에서 온도와 프로세서 동작을 측정할 수 있다. 그러나 간헐적으로 작동하는 TPU 4개는 대규모 AI 클러스터의 열 밀도를 재현하지 못한다. 열 관련 결과는 임무의 제한된 전력 범위 안에서 해석되어야 한다.
방사선은 이와 유사한 확장 문제를 제시한다. 단일 복구 가능 오류는 테스트 워크로드에 거의 영향을 미치지 않을 수 있다. 수천 개의 프로세서 전반에서는 같은 오류율이 지속적인 중단과 상당한 중복 연산을 낳을 수 있다.
차폐는 노출을 줄일 수 있지만 질량을 늘린다. 오류 정정은 데이터를 보호할 수 있지만 메모리와 에너지를 소모한다. 고장 난 위성을 교체하면 용량을 복원할 수 있지만, 발사 수요를 높이고 추가적인 궤도 교통을 만든다.
파편 위험은 위성군 규모와 함께 커진다. Google의 개념은 위성들이 서로 가까이 비행하면서도 관련 없는 우주선과 추적된 파편을 피해야 한다. 모든 비행체에는 신뢰할 수 있는 추진, 조정, 수명 종료 처분 계획이 필요하다.
천문학자들은 대규모 궤도 데이터센터 함대에 대해 더 폭넓은 우려를 제기해 왔다. 햇빛을 받은 위성은 가시적인 줄무늬를 만들 수 있고, 의도치 않은 무선 방출은 관측을 방해할 수 있다. 거의 지속적인 태양광 노출은 일부 제안된 시스템을 밤하늘에서 특히 오래 지속되게 만들 수 있다.
규제 당국은 운용 위성군을 승인하기 전에 주파수 사용, 충돌 위험, 파편 완화, 재진입 결과를 검토할 것이다. 소형 연구 위성은 81기 우주선 클러스터와는 다른 심사를 받는다. 이러한 클러스터가 다수 존재하는 산업은 더 큰 감독을 받게 된다.
환경 비교 역시 완전한 회계가 필요하다. 궤도 시스템은 일부 토지와 물 수요를 피하지만, 로켓, 위성, 패널, 라디에이터, 교체 비행체의 제조에는 자체적인 환경 발자국이 있다. 빈번한 발사는 상층 대기에도 영향을 미친다.
Project Suncatcher의 이 수명주기 계산을 아직 마무리한 공개 결과는 없다. Google의 8배 태양광 수치는 잠재적 에너지 수집을 설명할 뿐, 전체 환경 성과를 뜻하지는 않는다. 공정한 비교에는 전체 임무에 걸쳐 제공되는 유효 연산이 포함되어야 한다.
보안도 또 하나의 불확실성을 더한다. 물리적 고립은 침입자가 궤도 하드웨어에 접근하기 어렵게 만들지만, 원격 관리는 필수가 된다. 운영자는 명령 링크, 소프트웨어 업데이트, 광통신, 자율 제어 시스템을 보호해야 한다.
침해된 지상 서버는 연결을 끊고 점검할 수 있다. 침해된 위성은 여러 관할권 위를 이동하면서 접근할 수 없는 상태로 남을 수 있다. 복구 절차는 물리적 접근 없이, 주변 편대를 불안정하게 만들지 않고 작동해야 한다.
데이터 거버넌스도 복잡해질 수 있다. 지상국, 궤도 경로, 고객, 처리 위치는 서로 다른 법적 체계에 걸쳐 있을 수 있다. 기존 클라우드 계약은 식별 가능한 시설과 하드웨어 처리에 대한 확립된 절차를 전제로 한다.
이러한 문제들이 Project Suncatcher를 불가능하게 만드는 것은 아니다. 이는 Google이 설계를 확장 가능하다고 설명하기 전에 제시해야 할 근거를 규정한다. 현재 위성은 그 목록의 일부만 다룬다.
회사는 임무를 연구 단계로 적절히 규정했다. 독자들도 같은 규율을 적용해야 한다. 궤도 도달은 발사 통합과 초기 우주선 운용을 검증하지만, 핵심 인프라 가설은 여전히 입증되지 않았다.
궤도 AI의 확장 가능성을 보여 줄 세 가지 신호
다음 근거는 칩 생존성에서 네트워크 운용으로, 그리고 마침내 유의미한 경제성으로 진전해야 한다.
첫 번째 신호는 Google의 궤도상 TPU 데이터다. 가장 유의미한 공개 내용에는 고장률, 메모리 오류, 작동 온도, 전력 사용량, 워크로드 지속 시간, 시간 경과에 따른 성능 변화가 포함돼야 한다. 칩이 계속 온라인 상태를 유지한다는 발표만으로는 훨씬 적은 정보만 알 수 있다.
변화하는 방사선 및 열 환경에서도 안정적으로 작동한다면 하드웨어의 가능성을 뒷받침하게 된다. 잦은 재시작, 심한 스로틀링, 원인이 설명되지 않는 계산 오류는 그 가능성을 약화할 것이다. Google은 소프트웨어로 복구된 장애와 영구적인 부품 손상도 구분해야 한다.
공개 시점 역시 중요하다. 초기 성능은 장기 신뢰성과 다를 수 있기 때문이다. 방사선 피폭량은 누적되고, 표면은 열화되며, 반복적인 온도 변화 주기는 재료에 부담을 준다. 몇 주간의 정상 작동은 고무적이겠지만, 전체 임무 수명에 대한 결과를 의미하지는 않는다.
두 번째 신호는 계획된 두 위성 시연이다. 이 임무는 신뢰성 높은 고대역폭 광 연결을 구축하면서 근접 편대 비행을 유지해야 한다. 또한 해당 연결이 실질적인 AI 인프라처럼 작동하는지 보여줄 수 있는 분산 워크로드를 실행해야 한다.
최대 대역폭만으로는 답을 얻을 수 없다. 가용성, 오류율, 재획득 시간, 지연 시간, 전송 비트당 에너지 소비량이 더 중요하다. 빠르지만 자주 끊기는 연결은 프로세서를 대기 상태로 만들고 유효 산출량을 줄일 것이다.
이 시연은 Google이 위성 간 작업을 어떻게 분배하는지도 명확히 해야 한다. 효율적인 스케줄링은 움직임과 간헐적인 장애에도 궤도상 가속기가 협력할 수 있음을 보여줄 것이다. 단순한 파일 전송은 이 아키텍처를 훨씬 약하게 시험하는 방식일 뿐이다.
세 번째 신호는 실험용 하드웨어에서 경제적으로 유용한 서비스로 나아갈 수 있는 신뢰할 만한 경로다. Google은 적합한 워크로드, 예상 우주선 수명, 교체 주기, 발사 요건, 지상 연결 수요를 제시해야 한다. 또한 계속 발전하는 지상 시스템과 이러한 결과를 비교해야 한다.
범용 AI 학습에 앞서 특화된 서비스가 등장할 수 있다. 지구 관측 데이터를 발생 지점 인근에서 처리하면 다운링크 물량을 줄이고 응답 시간을 개선할 수 있다. 과학 장비와 자율 우주선 역시 로컬 추론의 혜택을 받을 수 있다.
Google이 우주에서 생성된 데이터와 연결된 고객 대상 워크로드를 발표한다면, 이 프로젝트는 실질적인 진입점을 찾은 셈이다. 반대로 여전히 먼 미래의 대규모 학습만을 이야기한다면 상업화 간극은 여전히 클 것이다.
Google Project Suncatcher 위성은 이미 구체적인 성과를 거뒀다. 지상급 AI 가속기를 탑재해 발사를 견뎌냈고, 교신을 수립했으며, 궤도 시험 프로그램을 시작했다. 이 성과는 경로 탐색기를 완성된 플랫폼으로 과장하지 않으면서도 주목할 가치가 있다.
이제 부담은 보여주기에서 측정으로 넘어간다. TPU는 장기간의 피폭 뒤에도 정확한 결과를 낼 수 있는가? 여러 우주선은 하나의 컴퓨팅 시스템처럼 작동할 만큼 충분한 데이터를 교환할 수 있는가? 그 시스템은 정당화할 수 있는 총비용으로 유용한 작업을 제공할 수 있는가?
이 답들이 Project Suncatcher가 인프라가 될지, 아니면 교훈적인 실험으로 남을지를 결정할 것이다. 개발자와 엔터프라이즈 기술 구매자는 발사 이미지가 아니라 공개된 원격 측정 데이터를 지켜봐야 한다. 결정적인 이야기는 궤도 진입 이후 시작된다. 그때 Google은 햇빛, 실리콘, 그리고 움직이는 우주선이 신뢰할 수 있는 컴퓨팅을 지원할 수 있음을 증명해야 한다.
