星軌算力的物理與治理極限：當 AI 開始向太空尋找下一個算力邊界
2026-08-21
今年的6月12日，SpaceX 正式於 Nasdaq掛牌交易，Nasdaq官方稱這是歷史上極具規模的IPO，SpaceX 首日交易後市值一度達到約2.1 兆美元。但這並不是是人關注的焦點，而是總裁兼營運長Gwynne Shotwell在接受CNBC《Squawk on the Street》專訪時，給出了震撼產業界的重大聲明：「我們正在建造地面上的資料中心，也正在建造軌道上的資料中心，而且很快就會實現。因此，我把SpaceX看作一家基礎設施公司。」這段話非常關鍵，它直接將「太空資料中心」從外界的推測，轉變為SpaceX官方正式確立的發展方向。
生成式AI正在改變的，已經不只是軟體產業。過去我們談人工智慧，談的是模型、演算法、GPU 與資料；但進入大規模部署階段後，一個更加現實的問題開始浮現：
"AI到底需要多少電？"
Microsoft《2025 Global AI Adoption》報告顯示，2025 年下半年全球生成式 AI 使用率已達全球人口的 16.3%，約每六個人就有一人使用生成式 AI。這項統計並不代表所有人都以相同強度使用 AI，卻清楚反映一個趨勢：AI 已經從科技圈的實驗工具，逐漸變成全球性的數位基礎設施。
而當 AI 從聊天機器人走向即時推理、多模態服務與 AI Agent，算力需求的性質也正在改變。問題於是從「晶片能不能更快」，逐漸變成另一個更難回答的問題：
"我們究竟要從哪裡取得足夠的電力、土地、散熱與基礎設施？"
這也是為什麼，一個曾經只存在於科幻小說裡的構想，正在重新進入科技產業的討論：
"把資料中心搬到太空"
第一個瓶頸，不是 GPU，而是電網
AI 資料中心的功率密度正在快速提高，部分超大型 AI 資料中心園區已經開始以 GW 級電力需求進行規劃。這並不代表每一座 AI 資料中心都已經達到 GW，而是意味著 AI 基礎設施正在從傳統資料中心，逐漸進入需要大型能源系統支撐的規模。因此，今天真正限制 AI 資料中心擴張的，不一定是資金，也不一定是 GPU，而可能是：
"電網什麼時候能把電送到機房門口？"
變電站需要建設，輸電線路需要擴充，發電設備需要新增，土地需要取得，環境與建築審查需要時間。於是出現一個有趣的產業矛盾：
"AI 的發展速度是數位世界的速度，但支撐 AI 的電網、發電廠與土地，卻仍然遵循工業時代的建設速度"
這個落差，正是太空資料中心第一次具有現實吸引力的原因。GAO 在 2026 年發布的《Data Centers in Space》報告也指出，將資料中心部署至太空，理論上可以降低地面資料中心對土地、電力與水的需求；但同時，太空資料中心仍存在電力、散熱、通訊、發射成本與軌道擁擠等重大障礙。換句話說，太空不是消除問題，而是**重新定義問題**。
第二個想像：太空真的擁有「免費能源」？
太空最吸引人的資源，是太陽。在地球軌道附近，太陽輻照度約為每平方公尺 1,361 瓦，沒有地球大氣造成的部分吸收與散射，因此具有良好的太陽能利用條件。但這裡有一個容易被忽略的陷阱：
"太陽光不是免費的電力。"
要把陽光轉換成電力，需要太陽能板；要把太陽能板送到軌道，需要火箭；要讓它持續工作，需要姿態控制、儲能、電力管理與結構支撐。更重要的是，太陽能板本身也會老化。因此，太空資料中心真正取得的不是「免費能源」，而是一種可獲取性很高、但取得成本極高的能源。
某些太陽同步、晨昏軌道可以讓衛星獲得接近連續的日照，降低進入地球陰影的時間，但這仍然不是絕對的 24 小時免費供電。GAO 也將近連續日照視為部分軌道方案的潛在優勢，而非無條件成立的物理特性。而真正令人意外的事情，還在後面。
太空最大的能源問題，可能不是發電，而是散熱
如果一台 AI 伺服器消耗 1 MW 的電力，那麼這些能量最後幾乎都會以熱的形式離開系統。在地面，熱可以透過空氣、水、冷媒與冷卻塔被帶走。在太空，事情完全不同。真空沒有可以有效進行對流換熱的空氣，因此最終必須透過**熱輻射**把能量送向太空。這意味著一個看似漂亮的能源優勢，會立刻產生另一張物理帳單：
"你在太空取得多少電，就必須想辦法把相應的熱排出去"
IEEE Spectrum 近期針對軌道資料中心的熱力學分析指出，在特定假設下，一個約 40 kW 的 AI rack 可能需要約 80 平方公尺的散熱器；若放大到 100 MW，可能需要約 2,500 個同類型散熱器。更棘手的是，散熱器表面的材料會受到紫外線與原子氧等環境因素影響，長時間運作後散熱能力可能下降。這揭示了太空資料中心最重要的物理現實：
太空沒有冷卻水，但也沒有免費的冷卻
地面資料中心必須解決「如何取得與管理冷卻資源」；太空資料中心則必須解決「如何把龐大的散熱器送上去，並長期維持它的散熱性能」。這不是同一個問題。而是一種問題的轉移。
當 GPU 進入太空，可靠性就成為另一場戰爭
能源與散熱之外，還有一個地面資料中心幾乎不需要面對的問題：**空間輻射環境。**高能粒子可能造成單粒子效應（SEE），導致記憶體位元翻轉或電路暫態錯誤；長期累積的總游離劑量（TID）則可能使電子元件性能逐步退化。航太電子並不是無法處理這些問題，問題在於 AI。
地面資料中心追求的是極高的運算性能與能源效率，而太空任務追求的是可靠性、容錯能力與長時間自主運作，這兩種設計哲學並不完全一致。如果全部使用高度抗輻射的航太級元件，成本可能大幅增加；如果直接把地面 AI GPU 搬上去，又必須面對更高的故障風險。因此，未來太空算力可能不會單純追求「一顆最強的 GPU」，而會轉向：
"大量節點、冗餘運算、錯誤修正、自主診斷與模組化替換"
換句話說，太空 AI 的競爭，可能不是單純比誰的晶片最快，而是比誰能讓一整個運算系統在沒有工程師的情況下，自己活得更久。
Starship 解決的是「送上去」，不是「活下來」
大型可重複使用火箭的發展，是太空資料中心最重要的外部變數之一。如果未來大型火箭可以提高發射頻率並降低單位入軌成本，那麼太陽能板、散熱器、伺服器與通訊設備的大規模部署，確實可能變得更具經濟性。但這裡必須保持冷靜：
"低成本發射，不等於低成本資料中心"
一座真正的太空資料中心需要的不只是 GPU。它還需要－太陽能系統、電池、散熱器、輻射防護、姿態控制、通訊設備、備援系統，以及能夠長時間自主運作的軟體。這些東西全部都要被送上軌道。因此，火箭降低的是「進入太空的門票」，而不是整座太空資料中心的營運成本。同樣地，Starlink 展示了大規模衛星網路與星間雷射通訊的可能性，但衛星寬頻網路與 AI 資料中心內部的 GPU-to-GPU 高速互連，仍然是兩種不同的工程問題，前者重視覆蓋、可用性與廣域通訊；後者則需要極高頻寬、低延遲與高度同步的叢集通訊。因此：Starship 解決的是運輸問題；星間雷射解決的是連線問題；但真正的太空資料中心，還需要解決系統級運算問題。
所以，第一批成功的「太空 AI」可能根本不是雲端資料中心
這可能是整個產業最值得重新思考的地方。如果把太空資料中心想像成「太空版 AWS」，它目前很難在成本上與地面資料中心競爭。但如果把它理解成太空邊緣運算（Space Edge Computing），故事就完全不同了。今天的地球觀測衛星、太空望遠鏡與其他感測平台，每天都在產生大量資料。問題是，並不是所有資料都值得傳回地面。一張衛星影像可能包含大量沒有價值的資訊；一個感測器可能持續產生大量重複數據。如果衛星能直接利用 AI 判斷：
「哪些資料重要？」
「哪些資料需要立即傳回？」
「哪些資料可以壓縮？」
「哪些資料根本可以丟棄？」
那麼在軌道上增加少量算力，可能比把整座大型資料中心搬到太空更加合理。GAO 的判斷也相當接近這個方向：目前較小型、直接處理太空產生資料的資料中心，可能比在軌道上建立大型 AI 訓練資料中心更接近技術成熟。這可能才是「星軌算力」真正的第一個商業入口。
下一步不是「太空取代地面」，而是天地算力融合
如果這個方向成立，未來的 AI 基礎設施可能不再是一座座孤立的地面資料中心。它可能逐漸形成三層架構：
"地面：負責大型模型訓練、資料儲存、能源密集型運算
近地軌道：負責衛星資料預處理、即時推論、資料篩選與部分分散式運算
終端與衛星：負責第一時間感知、判斷與行動"
這將不再只是「把資料中心搬到太空」，而是把算力重新分布到地面、軌道與終端之間。這個概念比「太空機房」更值得關注。因為真正的下一代算力架構，可能不是某一種硬體取代另一種硬體，而是讓不同環境負責最適合自己的工作。
當算力進入軌道，治理也必須一起升空
當衛星只是通訊設備時，治理問題已經十分複雜。當衛星本身變成一座資料中心，問題會更進一步。誰對軌道上的 AI 基礎設施負責？發射國、註冊國與營運商之間的責任如何分配？資料中心處理的資料應適用什麼樣的資料治理規則？如果數千甚至數萬個運算節點形成新的軌道基礎設施，誰負責處理碰撞風險？如果少數企業掌握了大量軌道、頻譜與運算資源，是否會形成新的基礎設施壟斷？這些問題都不是單靠工程技術可以回答的。
聯合國現有太空法框架已經涉及註冊、管轄、控制與責任，但隨著商業太空活動快速增加，現行制度與新型商業模式之間仍存在需要持續發展的治理空間。而 GAO 也提醒，大量增加軌道衛星可能提高碰撞風險，並對天文觀測造成影響。這意味著：
"我們不能只問太空能容納多少算力，也必須問，軌道究竟能容納多少人類的基礎設施"
最終的問題，可能不是「能不能」，而是「值不值得」
太空資料中心並不是一個簡單的科技幻想。它確實存在技術基礎，也已經開始進入實際測試與商業規劃階段。GAO 指出，目前已有多家公司推動相關技術，部分計畫甚至瞄準 2030 年代的部署。但「可以做到」與「值得大規模做到」之間，仍然隔著一條巨大的鴻溝。我們可以把 GPU 送上去；我們也可以把太陽能板送上去；我們甚至可以讓數千顆衛星彼此連線。真正困難的是：能不能讓這整套系統的成本、可靠性、散熱、維護、通訊與治理，同時成立？
這才是太空資料中心真正的終極考驗。也因此，「星軌算力」最值得我們思考的，或許不是它會不會取代地面資料中心，而是它正在迫使人類重新定義「資料中心」究竟是什麼。過去，資料中心是一棟建築。後來，它變成一座能源系統。未來，它可能是一個跨越地面、海底、天空與軌道的**分散式算力網路**。而到了那個時代，AI 的「算力」將不再只是 GPU 的問題，而會同時成為能源、材料、航太、通訊、經濟與國際治理的綜合問題。所以，太空機房真正帶來的最大啟示，也許不是「AI 即將上太空」。而是：
"當人類為了追求更多算力，不斷把基礎設施往外推進時，我們是否也應該重新問一次——真正需要被突破的，是算力的極限，還是我們對算力需求本身的想像？"
如果演算法效率可以降低一倍能源需求，是否比把數千顆衛星送上軌道更值得？如果更高效的模型能以十分之一的算力完成相同工作，我們是否還需要建立如此龐大的「星軌機房」？這或許才是 AI 基礎設施下一階段最重要的反思。
"人類真正要征服的，可能從來不是太空，而是如何用更少的能源，完成更多的智慧"
而在 Starbase 的上市儀式上，Elon Musk 回顧了公司從 El Segundo 一間舊倉庫起步的歷程。他強調，SpaceX 的目標不僅是解決地球上的問題，更是要提供讓人對未來感到興奮的事物。正如他為這劃時代的一天所下的最終註解：「SpaceX 所做的，就是把科幻小說中的幻想變成現實。」如今，這個幻想是否真能成為現實？外界都在看。
135