很多人第一個會先想到，太空有較充足的日照，能不能替 AI 資料中心解決供電壓力？這裡要先問一個更前面的問題：把處理器送上軌道後，供電、散熱、運算和資料傳輸能否一起運作？Google 的 Project Suncatcher 正在探索這種架構。截至 2026 年 9 月 24 日，公開規劃先測一顆搭載 AI 晶片的原型衛星，任務重點是蒐集在軌硬體表現，距離大型、可提供服務的軌道資料中心仍有多個工程關卡。

一、太空日照提供能源假設，還不等於資料中心省成本

Project Suncatcher 想測試太陽能衛星能否承載 AI 運算，並以軌道上的日照作為能源優勢。 但能源充足只回答了系統的一部分，發射、散熱、通訊、維修與衛星壽命也會左右成本。

地面 AI 資料中心需要穩定電力、土地、電網連接與冷卻設施。需求快速增加時，建置時程會受到供電容量、土地取得和設備交期牽動。Google 提出的軌道方案，則將太陽能板、運算晶片與衛星通訊組成一套系統，希望在特定軌道取得接近持續的日照，降低對大型電池的依賴。

不過，太陽能板在軌道上能發更多電，不代表每度運算成本更低。衛星與晶片先要搭火箭升空，還要承受發射振動、太空輻射和極端溫度。地面資料中心能更換零件、擴充電力與直接連接網路；軌道設備遇到故障時，維修和替換會涉及新的太空任務。比較能源時，必須把這些系統成本一併計入。

二、Project Suncatcher 如何把 AI 算力放進軌道？

這套構想以 Google TPU、太陽能衛星和衛星間光學鏈路為核心。 TPU 是 Google 設計、用於機器學習運算的晶片；光學鏈路則以雷射在衛星之間傳送資料，目標是讓多顆衛星分工處理工作。

Google 的研究構想把小型衛星排列成緊密編隊，在低地球軌道上共同運作。低地球軌道指接近地球的軌道區域，衛星移動速度快，任務設計須處理軌道位置、編隊控制與碰撞避讓。Google 公開的研究論文以模擬案例展示 81 顆衛星、約一公里半徑的編隊架構，這屬於模型設計，並非已建成或已核准部署的星座。這個 AI 資料中心構想還要面對衛星相對位置持續變化的條件：編隊控制需維持鏈路可用，也要留出安全距離並管理燃料消耗。若調整軌道所需推進劑過多，或衛星不能在預定位置維持足夠時間，編隊即使能短暫連線，也未必能支援連續運算。

衛星間連線的難題在於 AI 晶片需要快速交換大量資料。光束必須精準指向移動中的另一顆衛星，還要維持足夠頻寬與穩定度。即使衛星彼此連得上，任務資料仍須經由衛星對地鏈路傳到地面，或由地面送入軌道。這增加傳輸環節，也可能形成延遲與容量限制。

這類分散式設計能否有效運算，還取決於晶片工作如何切分。若一項工作需要多顆 TPU 不斷交換中間資料，鏈路稍有延遲或中斷，就可能拖慢整體速度；若任務能切成彼此較少往來的區塊，衛星各自完成一部分後再回傳結果，對高速互連的依賴可能較低。Google 的研究把高頻寬光學鏈路列為設計重點，未來實測須證明連線表現能配合實際工作負載。

多顆衛星上的處理器分工運算，衛星間以雷射鏈路交換資料，再將結果傳回地面站。
工作若需要衛星頻繁交換中間資料，鏈路延遲或中斷就可能拖慢整體運算。

三、近期原型測試能回答什麼？

截至 2026 年 9 月 24 日，Google 公布的早期任務將以一顆原型衛星測試 AI 晶片在軌道環境中的表現。 Ars Technica 報導該衛星預定 2026 年 10 月 1 日搭乘 Transporter-18 共乘任務發射；發射日期屬排程資訊，實際執行仍以任務更新為準，發布前應再核對進度。

Google 說明，這次任務將收集 TPU 面對發射振動、太空輻射與熱環境的資料。這是單星硬體測試，不能直接等同於先前規劃的兩顆原型衛星協同任務。Google 與衛星公司 Planet 在 2025 年公布的下一階段目標，是於 2027 年初發射兩顆原型衛星，驗證硬體運作與衛星間光學通訊。兩個計畫階段回答的問題不同：單星任務先看晶片與衛星能否在軌運作，雙星任務再測試連線與協同。

通過地面輻射測試也不等於能長期穩定工作。NASA 的電子元件測試資料指出，太空中的高能粒子可能造成電子設備暫時或永久性故障，實際風險取決於軌道、任務期間、晶片與屏蔽設計。Ars Technica 報導指出，這次單星測試的運作時段受到散熱條件限制；這是媒體報導的任務設計資訊，並非 Google 官方已公布的實測時數。短時段測試可觀察晶片升溫、環境變化與資料回傳等狀況，卻不能完整代表長時間高負載時的熱平衡，也難以涵蓋多次日照與陰影循環下的溫度變化。若任務只在有限時段運作，研究者仍需對照感測紀錄與負載變化，才知道設備是否能穩定完成工作，而非只確認開機成功。軌道測試可以補足實際環境資料，但短期運作結果仍無法證明多年任務可靠度，更不能代表整個運算系統已可商用。

「這次初始任務要蒐集 TPU 如何承受太空飛行的物理應力，以及太空中的輻射與熱極端環境。」Google Research 對 Suncatcher 早期在軌任務的說明。

四、日照之外，散熱、輻射與維運都要算進去

核心門檻包括晶片廢熱排放、輻射造成的故障、衛星間通訊，以及維修與發射成本。 真空環境沒有空氣可供風扇帶走熱量，設備必須把熱導向散熱器，再以熱輻射排出；日照充足並不會讓晶片自然降溫。

NASA 的航太熱控資料說明，太空設備要透過熱控系統維持元件在可運作的溫度範圍，散熱器負責排出熱量，熱管等裝置則可把晶片熱量傳到散熱器。對 AI 衛星而言，散熱器需要足夠面積，還須處理太陽直射、陰影與負載變動。散熱結構增加質量和體積，會牽動發射成本與衛星設計。

因此，「太空很冷」不足以說明晶片能否降溫。真空裡沒有空氣對流，熱量要先從晶片傳導到散熱面，再由散熱面向外放射；散熱面若同時受太陽照射，設計者還需控制吸收與排熱的平衡。運算密度越高，散熱系統能否隨負載調節就越關鍵。

輻射也需要以實際軌道和任務長度評估。晶片發生錯誤後，系統能否偵測、重試或切換備援，影響可用率；若重要零件故障，太空維修與直接更換並不像地面機房一樣容易。大型星座還要管理編隊、碰撞風險、衛星壽命與退役方式。這些要求會隨衛星數量上升而增加。地面團隊也必須持續監看遙測資料，及早辨認電力、溫度或通訊偏離正常範圍的徵兆；若多顆衛星同時依賴相同的控制或鏈路設計，單一故障模式可能影響不只一個運算節點。因此，備援不只是多放一顆衛星，還包括故障能否隔離、工作能否重新分派，以及地面操作人員是否能在通訊窗口內完成處置。這些維運能力都會增加系統複雜度，也應納入每單位有效運算的估算。

成本比較還要把「送上去」與「持續提供服務」分開。火箭發射費只是前期投入，之後還有衛星建造、地面控制、通訊站、保險、備援衛星與失效替換。若單顆衛星壽命有限，持續更新設備可能吃掉能源優勢；若縮減設備提高使用年限，又要面對晶片效能、零件老化和新一代 AI 工作需求變化。Google 論文提出的低軌發射成本下降趨勢是模型假設，仍需用實際商業任務驗證。

地面資料中心同樣有能源、散熱和用地成本，但它能接入電網與地面光纖，設備也較容易維護。軌道算力可能較適合能預先安排、可容忍延遲，且資料留在軌道處理有價值的工作；需要使用者即時往返、頻繁交換大量資料的服務，則須面對對地傳輸和連線品質限制。適用範圍仍要由實際任務量測確認。

Google Suncatcher 研究論文將發射成本列為軌道資料中心整體成本的重要因素，並以模型評估其對經濟可行性的影響。這是對研究內容的轉述，不是論文作者的逐字引言。

比較面向地面資料中心軌道算力構想
能源電網、再生能源與備援供電衛星太陽能板，受軌道與設備設計影響
散熱空氣或液冷等冷卻系統導熱至散熱器，再以熱輻射排出
通訊地面光纖與網路節點衛星間光學鏈路及對地鏈路
維修可派員更換或升級設備需依賴衛星備援、替換任務或未來維修能力
現況已廣泛部署Suncatcher 仍在工程驗證階段
地面機房有技術人員檢修機櫃，軌道系統則透過遙測監看衛星並安排工作轉移或替換任務。
軌道設備故障後，能否隔離問題並維持工作運作，也是服務可用性的關鍵。
  • 原型衛星任務先驗證在軌硬體條件，不能當成大型軌道資料中心已經可用的證明。
  • 評估太空算力要同時看運算穩定度、散熱、通訊、發射與維運成本。
  • Google 公開的兩星協同測試規劃與近期單星任務屬不同階段，進度應分開追蹤。

五、太空算力距離可用服務還有多遠？

觀察後續測試是否逐項提供運作資料，比只看發射消息更能判斷進度。 可檢視晶片在軌運行時間、錯誤恢復方式、散熱器表現、資料鏈路品質，以及雙星是否能持續協同。

第一個節點是單星測試是否成功取得 TPU 運作、輻射與溫度資料。第二個節點是後續雙星任務能否建立並維持高速光學連線，展示分散式 AI 工作負載的實際協作。第三個節點則是 Google 是否公開更完整的能源需求、散熱設計、發射與替換費用，以及能處理的工作類型。缺少這些資料，就難以與地面機房比較每單位有效運算的總成本。

Google 的研究論文和官方說明目前呈現的是設計目標、模擬與初步硬體測試資訊。它們尚未證明大型衛星星座能長期可靠運作，也沒有提供完整商業成本。對企業或讀者而言，現階段可把 Suncatcher 看作一項探索在軌 AI 運算的工程計畫；若要評估其未來價值，應等實際任務結果與成本資料逐步公開，再判斷哪些工作負載適合搬上軌道。

對台灣讀者來說，短期內這不會改變雲端 AI 服務的使用方式，也不能直接推論國內資料中心用電會因此下降。較實際的觀察點，是大型雲端業者是否能把太空能源轉成可競爭的運算成本，並維持資料傳輸與服務可靠度。企業在規劃 AI 系統時，可先問兩件事：工作負載是否需要頻繁回傳大量原始資料，或能否在衛星端處理後只傳回較小結果？若連線中斷，工作能否排隊延後，還是必須即時回覆使用者？再把資料位置規範、延遲上限、可接受的停機時間與每次處理成本列入評估，才有辦法與地面雲端或自建設備比較。不宜把尚在測試的軌道架構當成近期可採購的替代方案。

追蹤新聞時，可先分辨公布的是地面模擬、晶片輻射測試、單星飛行，還是多星協作結果。這些證據各自回答不同問題，只有搭配運算效能、故障率和整體成本，才能判斷計畫是否從技術示範走向可持續的基礎設施。

常見問題

Q1: Project Suncatcher 是 Google 已經推出的太空資料中心服務嗎？

尚未。Project Suncatcher 是 Google 探索太空機器學習運算可行性的研究計畫，目前進行原型任務和工程驗證，還沒有成為可供客戶使用的資料中心服務。

Q2: Suncatcher 衛星測試何時發射？

Google 最新說明提到早期原型任務；Ars Technica 在 2026 年 9 月報導預定於 10 月 1 日發射。日期屬任務排程，仍可能因發射安排而更新。

Q3: 為什麼把電腦放在太空仍要設計散熱？

晶片運作會產生廢熱，真空中缺少空氣流動，無法用一般風扇把熱帶走。衛星需將熱傳到散熱器，再以熱輻射排出，同時避免日照或陰影讓設備溫度失控。

Q4: 太空算力可能適合哪些 AI 工作？

目前沒有足夠的 Suncatcher 實測資料可界定商用工作負載。從系統條件推估，可容忍延遲、能預先安排且不需大量即時往返傳輸的工作較值得評估；這仍待軌道測試與成本資料驗證。