你顯卡里的AI，正在被谷歌送上太空

1.前天凌晨，4枚AI芯片飛出了大氣層

北京時間10月2日凌晨2點32分，加州范登堡太空軍基地，一枚獵鷹9號火箭點火升空。這是一次拼車任務，代號Transporter-18，火箭上一共搭載了130顆衛星。其中有一顆體積約等於一臺家用冰箱的衛星，裏面裝着4枚谷歌自研的TPU芯片——張量處理單元。

獵鷹九號

發射約1小時後，衛星順利分離入軌。谷歌隨後確認，團隊已與衛星建立通信，各項運行指標正常。

這是谷歌“太陽捕手計劃”的首次在軌驗證。該計劃於2025年11月公佈，核心目標是探索能否在太空部署可擴展的機器學習計算基礎設施。未來幾周，谷歌將重點評估TPU芯片在太空飛行中對物理應力、輻射和極端溫度的承受能力。

你可能會想：谷歌往太空送芯片，跟我打遊戲有什麼關係？關係比你想象的大。

2.先搞清楚：TPU和你的顯卡到底有什麼不一樣

遊戲玩家對GPU再熟悉不過了。但TPU這個名字，大多數人可能是第一次聽說。

TPU是谷歌專門爲機器學習設計的芯片。它和GPU的關係，可以這麼理解——GPU像一個廚房裏站着幾千個獨立思考的大廚，每個人都能炒菜，什麼菜都會做，並行處理能力極強。而TPU更像一條流水線：每個工位只做一件事，但每一步都精確銜接，中間幾乎不需要調度和等待。

谷歌TPU

這種差異源於底層架構。GPU包含數千個算術邏輯單元，每次計算都要訪問寄存器或共享內存來讀取數據和存儲中間結果，這被稱爲“馮·諾依曼瓶頸”。而TPU採用了一種叫“脈動陣列”的架構：數千個乘法累加器直接連接成一個大型物理矩陣，數據像血液一樣被心臟泵送到各個角落，矩陣乘法過程中根本不需要訪問內存。在典型的神經網絡訓練負載上，TPU的吞吐量可以達到CPU的15倍以上，能效高出30倍。

簡單來說：GPU是萬金油，打遊戲、剪視頻、跑AI樣樣都行；TPU是偏科生，只會做矩陣運算這一件事，但在這一件事上，它比GPU快得多、省得多。

那這跟遊戲有什麼關係？

3.遊戲NPC的“大腦”，本質上就是在做矩陣運算

你在遊戲裏遇到的每一個會追擊、會躲避、會釋放技能的Boss，它的行爲背後，大概率都跑着強化學習模型。

傳統遊戲NPC的行爲邏輯靠的是有限狀態機（FSM）——簡單說就是“如果玩家在攻擊範圍內，就執行攻擊動作；如果血量低於30%，就執行逃跑動作”。這種方式的優點是可控、可預測，缺點是玩家打兩遍就能摸清套路。

而基於深度強化學習的NPC則不同。它不依賴預設規則，而是通過大量對局自己“學會”怎麼打。2026年發表的一項研究顯示，將FSM和強化學習融合後的NPC，勝率從純規則驅動的55.2%提升到了78.9%，情境適應能力評分也從6.2/10提升到了8.7/10。

再舉一個更具體的例子。國內遊戲《洛克王國：世界》在開發戰鬥AI時，跑了數十億場對局來訓練模型——這個量級的訓練背後，需要大量並行矩陣運算來支撐。而矩陣運算，恰恰是TPU最擅長的事。

也就是說，你在遊戲裏面對的那個越來越“聰明”的Boss，它的行爲決策能力的底層邏輯，和谷歌送上太空的那4枚芯片所加速的計算，本質上是同一類東西。訓練一個聰明的遊戲AI，和訓練一個大語言模型，在硬件層面做的是同一件事——只不過規模差了幾個數量級。

谷歌的TPU並非憑空出世。在過去十年裏，它驅動了谷歌幾乎所有核心產品的AI計算，包括搜索推薦、Gemini大模型的訓練等等。現在，同一類芯片被裝進衛星，送入近地軌道。

4.太空環境對芯片做了什麼？

把一塊精密芯片送上太空，它要經歷三重考驗。

第一重：發射時的劇烈震動。 火箭升空過程中，芯片承受的加速度可達50到100倍重力。谷歌的團隊對衛星進行了三軸振動測試，模擬火箭發射時的頻率環境，硬件經受住了考驗。

第二重：太空輻射。 這是最棘手的問題。太空中的高能粒子——質子、重離子——會穿透芯片，撞擊半導體材料，導致“單粒子翻轉”，也就是某個存儲單元裏的0突然變成1，或者反過來。對於跑AI負載的芯片來說，一次位翻轉可能意味着一個計算結果出錯，甚至導致整個推理過程崩潰。

谷歌怎麼應對的？他們在地面做了一件事：把TPU放進加州大學戴維斯分校克羅剋核實驗室的質子束裏，一邊讓它跑AI負載，一邊觀察輻射導致的錯誤。實驗結果顯示，Trillium代TPU承受的累積輻射劑量超過了它們在軌道上整個五年任務期內預期承受的輻射量。輻射導致的錯誤可以通過重啓芯片來糾正。

但注意，這些是地面測試的結果，還沒有經過同行評審。真正的太空環境是否一致，要等接下來幾周的在軌數據出來才知道。

第三重：散熱。 太空是真空環境，沒有空氣對流，芯片產生的熱量無法像在地面那樣通過風扇散熱。唯一的手段是輻射散熱——把熱量通過熱管傳導到散熱器表面，再以紅外輻射的形式釋放到太空中。谷歌目前的方案是熱管配合散熱器，已在地面熱真空艙中完成驗證。但太空的散熱效率和地面完全不同，這也是這次在軌測試要回答的關鍵問題之一。

5.爲什麼要把算力送上太空？

最直接的原因是：地面的電不夠用了。

全球AI算力需求正在指數級增長。傳統數據中心面臨的瓶頸越來越突出——能耗高、散熱難、用地緊張。而近地軌道提供了一個近乎完美的解決方案：衛星可以獲得近乎持續的陽光照射，沒有云層、沒有晝夜交替、沒有大氣衰減，太陽能發電量最高可達到地面水平的8倍。

這意味着，如果能解決芯片在太空中的可靠性問題，理論上可以用更少的太陽能電池板，獲得更穩定、更充沛的電力供給。

谷歌的長期構想是在650公里高度部署81顆衛星，在半徑一公里的範圍內編隊飛行，通過高帶寬激光鏈路互聯，形成一個分佈式太空算力集羣。按照規劃，集羣總計算力預計在2027年達到1 exaFLOP，2035年擴展至10 exaFLOPS。

2027年，谷歌計劃發射兩顆衛星，測試衛星之間高帶寬激光通信鏈路。這個技術難度極高——谷歌將其比作在兩點均處於運動狀態的情況下，從數英里外擊中一枚硬幣大小的目標。

6.但說實話，這條路還很遠

谷歌自己也很清楚，現在談太空數據中心商業化還爲時過早。

最核心的瓶頸是發射成本。谷歌的估算顯示，軌道數據中心要具備經濟可行性，入軌成本需要降到每公斤200美元左右。什麼概念？這大約需要SpaceX星艦發射約1800次才能逐步實現的規模效應。

除了成本之外，還有一堆工程難題沒有解決。散熱方面，賓夕法尼亞大學的研究者指出，現有太空散熱設備重量過大、發射成本過高，難以滿足軌道數據中心的規模化需求。通信方面，儘管谷歌在實驗室中實現了800 Gbps的光學收發器連接，但太空中的激光鏈路穩定性還沒有經過在軌驗證。軌道擁擠也是隱患——目前追蹤到的在軌物體約44870個，絕大多數是太空碎片，而谷歌設想的650公里高度恰好屬於較擁擠的軌道區間。

航空航天公司的分析甚至認爲，大規模太空數據中心可能要到2040年左右才具備經濟可行性。

谷歌自己也不把這次發射叫做“太空數據中心”。官方措辭是“研究性探月項目”，這次任務的目標是“收集數據、識別潛在故障點”。