Starcloud và luận điểm cho AI compute ngoài không gian

Compute ngoài không gian nghe như khoa học viễn tưởng cho tới khi nhìn vào bài toán data center AI: nhu cầu điện, tản nhiệt, đất đai, giấy phép, áp lực carbon và tăng trưởng mạng. Starcloud cùng các nỗ lực data center quỹ đạo đang thử xem vệ tinh có thể chạy workload AI đáng kể bằng năng lượng mặt trời dồi dào, tản nhiệt bức xạ và năng lực phóng ngày càng rẻ hay không.

Vì sao quỹ đạo hấp dẫn

Ở quỹ đạo Trái Đất thấp, nguồn sáng mặt trời có thể dự đoán tốt hơn nhiều địa điểm mặt đất, và nhiệt có thể bức xạ vào không gian mà không cần hệ thống làm mát tiêu tốn nước. Với một số workload, đặc biệt là dữ liệu sinh ra trên quỹ đạo hoặc xử lý batch chịu được trễ, đặt compute gần cảm biến hoặc gần nguồn điện có thể hợp lý về kiến trúc.

Các kế hoạch được đưa tin của Starcloud, gồm vệ tinh có GPU và tham vọng constellation lớn hơn, cho thấy ý tưởng này đã đi nhanh từ bảng trắng sang prototype. Ngành rộng hơn cũng đang theo dõi Google, SpaceX, Blue Origin và các startup khám phá data center ngoài không gian.

Ràng buộc khó vẫn rất khó

Compute quỹ đạo có ràng buộc kỹ thuật khắc nghiệt. Khối lượng phóng đắt. Bức xạ có thể làm hỏng điện tử. Thiết kế nhiệt khó. Sửa phần cứng gần như bất khả thi. Mạng phải xử lý liên kết gián đoạn, nút thắt ground station và độ trễ không chấp nhận được với nhiều ứng dụng tương tác.

Chú thích: Space compute phải cân bằng năng lượng mặt trời, tản nhiệt bức xạ, GPU onboard, liên kết mặt đất và lập lịch workload.

Vì vậy space compute sẽ không thay thế region cloud thông thường. Nó có khả năng bắt đầu với workload chuyên biệt: inference quan sát Trái Đất, giảm dữ liệu trên quỹ đạo, job AI chịu được trễ và thí nghiệm hưởng lợi từ kinh tế năng lượng mặt trời.

Lời khuyên kỹ thuật: Thiết kế cho workload chịu được trễ

Nếu bạn đánh giá compute quỹ đạo hoặc remote, hãy bắt đầu bằng phân loại workload theo khả năng chịu trễ và data gravity. Tránh luồng người dùng tương tác. Ưu tiên batch inference, tiền xử lý cảm biến, đánh giá mô hình, nén và tóm tắt khi trễ vài phút vẫn chấp nhận được.

Dùng queue store-and-forward, artifact theo địa chỉ nội dung, upload có thể tiếp tục và job idempotent. Giả định liên kết sẽ lỗi và kết quả đến muộn. Đặt ngân sách kích thước nghiêm ngặt cho input và output, vì băng thông downlink có thể là nút thắt thật sự. Kiến trúc thắng sẽ là kiến trúc di chuyển ít byte hơn, không phải kiến trúc chạy mô hình hào nhoáng nhất.

Nguồn: Starcloud, The Times, SpaceNews.

Bạn nghĩ sao? Workload AI nào bạn sẽ tin tưởng chạy trên quỹ đạo đầu tiên?