马斯克在 2026 年 2 月的一场深度访谈中抛出了一个颇具争议的判断：在未来 30 至 36 个月内，在太空部署 AI 算力将是最便宜的方式。听起来像科幻片？但这已经成了全球顶尖资本和科技巨头真金白银下注的疯狂赛道。一边是 SpaceX、亚马逊的激烈竞逐，另一边是初创公司直接把英伟达 H100 芯片送上了天。
这到底是破解地球算力危机的终极妙招，还是一场收割资本的海市蜃楼？今天，我们就来深度拆解这门捅破天的算力生意。
逼上太空：地球真的快被 AI 吃干了
为什么非得去太空建机房？答案的核心在于：地球上的电和水，供给日趋紧张。
国际能源署（IEA）在 2024 年电力展望报告中预测，在人工智能算力需求驱动的加速情景下，全球数据中心用电量到 2030 年可能接近 950 太瓦时。这是什么概念？约等于日本全国一年的总用电量。
再看看新一代的算力巨兽。英伟达将在 2026 年前后推向市场的 Vera Rubin 架构，单卡功耗约 2.3kW，一个满配机柜加上供电和制冷系统，整体功耗轻松突破百千瓦。电网建设的速度，根本追不上 AI 吞噬电力的胃口。
除了电，AI 还是个喝水大户。根据 2023 年发表于 arXiv 平台的研究论文《Making AI Less Thirsty》的估算，训练一次 GPT-3 级别的大语言模型，间接用水量估计约 70 万升——相当于两万人一天的用水量。因为跟当地居民抢水抢电，美国多个州出现了数据中心项目被当地社区联名抗议、进而被延迟或重新审查的案例。据独立研究机构 Data Center Watch 统计，近年来美国已有约 180 亿美元规模的数据中心项目被社区成功叫停，另有约 460 亿美元项目遭遇延期。
在地球上建机房处处碰壁，太空的优势就显得极具吸引力了：
轨道太阳能供给充沛：近地轨道虽有地影期，但单次光照时间远超地面光伏，且无需穿越大气层衰减。
无需水冷：绝对的真空低温环境，天然具备散热优势——但这一优势的实际利用远比想象中复杂，后文将详细展开。
巨头大乱斗：百万卫星与千亿赛道
在这个引发全球顶尖资本下注的新赛道上，各路玩家已经竞相布局。
马斯克与贝索斯的太空对决
2026 年 1 月，SpaceX 向美国联邦通信委员会（FCC）提交了发射多达 100 万颗卫星的规划方案，意图将大规模算力基础设施送入轨道。借助星舰（Starship）的高运载能力，马斯克试图在未来大幅提升轨道算力容量。
隔壁亚马逊的贝索斯也在发力。2026 年 3 月 19 日，蓝色起源（Blue Origin）向 FCC 正式提交了日出计划（Project Sunrise）的申请，计划部署最多 51,600 颗数据中心卫星，覆盖 500 至 1,800 公里高度的近地轨道及太阳同步轨道，意图建设太空吉瓦级数据中心。
xAI 与 SpaceX 的合流
马斯克已将 SpaceX 与 xAI 合二为一。2026 年 2 月，SpaceX 以全股票交易方式完成对 xAI 的收购，xAI 自身估值达 2500 亿美元，合并后 SpaceX 整体估值达 1.25 万亿美元。2026 年 5 月初，马斯克在 X 平台宣布 xAI 不再作为独立公司运营，将整合为 SpaceXAI 产品线的一部分。同月，SpaceX 已就 SpaceXAI 向美国专利商标局提交了两份商标申请，涵盖从太空算力服务到通信、社交网络的全领域布局。目前该体系在地面运营的 Colossus 1 数据中心已拥有超过 22 万块英伟达 GPU，总功率超过 300 兆瓦，并向 Anthropic 开放了全部算力合作。
跑得更快的初创公司
巨头还在规划，硅谷初创公司已经把代码跑在太空了。
2025 年 11 月 2 日，Starcloud（星云科技）成功将英伟达 H100 全尺寸 GPU 搭载 Starcloud-1 卫星入轨，芯片拥有 80GB 显存，打破了此前 Orin 等边缘计算 GPU 主导太空算力的格局。2026 年 3 月，Starcloud 完成 1.7 亿美元 A 轮融资，估值达 11 亿美元，跻身独角兽行列。
中国的硬核基建
面对太空圈地，中国航天也反应迅速。
不仅向国际电信联盟（ITU）申报了万颗级低轨卫星星座（如星网 GW 星座），国内资本也在加速布局。2026 年 4 月，成立仅数月的北京初创企业轨道辰光完成了 577 亿元人民币的股债权融资及战略授信，计划在晨昏轨道建设 GW 级的数据中心，该消息被马斯克转发并评论为 interesting，一时引发热议。
多家商业航天企业正积极推进轨道计算相关项目。在技术验证端，银河航天已实现低轨宽带通信卫星的批量化生产，具备年产百颗级卫星的制造能力。在更前沿的探索方向，之江实验室与国星宇航合作，于 2025 年 5 月成功发射了三体计算星座，由 12 颗计算卫星组成，单星最高算力 744 TOPS，整体计算能力达 5 POPS，并搭载 80 亿参数天基模型，实现 L0 至 L4 级卫星数据的在轨处理；北京邮电大学王尚广教授团队主导的天算星座也进展迅速，其首星北邮一号于 2023 年 1 月入轨，第二批卫星于 2025 年 5 月发射，已实现星地 AI 协同推理，卫星回传数据量减少 90% 以上。
物理瓶颈：三大核心挑战
资本的 PPT 写得再炫，也得给牛顿和热力学定律面子。太空算力的路上，堵着几座难以逾越的物理大山。
第一锤：真空里怎么散热？
很多人觉得太空零下 270 摄氏度很冷，散热肯定毫无压力。大错特错！真空是热的不良导体，地球上的风扇和水冷到了太空统统罢工，热量只能靠最原始的热辐射排放。
根据斯特藩 - 玻尔兹曼定律，要散掉 1 兆瓦（1 MW）的热量，你需要给卫星展开约 1200 平方米的散热板——约相当于四至五个标准网球场的展开面积。更严峻的是，英伟达 A100 芯片的热流密度高达 36.3W/cmu00b2，而传统航天器固体热传导极限约为 20W/cmu00b2；在太空中，卫星向阳面温度超 100 ℃，背阴面低至零下 200 ℃，温差极端。在入轨成本依然远高于地面物流的航天领域，背着几个网球场上天？这笔账根本算不过来。
第二锤：宇宙射线的降维打击
像 H100 这种商用芯片，在地球上有厚厚的大气层保护。一旦扔到高辐射的太空，高能粒子和宇宙射线分分钟让芯片发生单粒子翻转，死机、乱码、甚至物理损坏都是家常便饭。
业内推算，未经航天级防辐射加固的商用 GPU，在太空的年化故障率可能高达百分之个位数。在地球的机房里换张损坏的显卡只要工程师拔插五分钟；在太空中换张卡？对不起，你需要重新发一枚运载火箭。
更深层的问题在于：当前宇航级器件的研发验证周期近十年，与摩尔定律（每 18 个月算力翻倍）严重脱节，导致天基算力比地面落后 3 至 4 代，实际算力差距达 1000 至 10000 倍。
第三锤：算不过来的经济账
SpaceX 已在招股书中坦承：我们开发轨道 AI 算力的举措尚处早期阶段，依赖于未经证实的技术，可能无法在商业上实现可行性。即便星舰能将发射成本打到每公斤 100 到 300 美元，算上庞大的散热板和防辐射外壳，整体资本支出（CapEx）依然远高于地面建机房。更别提 AI 芯片每两年迭代一次，旧卫星没法升级只能报废。省下来的那点电费，全交了高昂的太空快递费和整星重置成本。
监管盲区与洗绿陷阱
除了技术瓶颈，太空数据中心还隐藏着两个常被忽视的暗坑。
暗坑一：失控的法律灰色地带
把 AI 大模型和极其敏感的隐私数据扔进数百公里外的真空里，谁来管？
根据 1967 年签订的《外层空间条约》，一旦服务器上了天，各国地面的数据安全法（比如欧盟的 GDPR）就面临极大的管辖权争议。这些脱离了主权民主体系直接审计的高性能轨道服务器，极易成为不受任何地面法律完整约束的法律灰色地带。值得注意的是，欧盟已于 2025 年 6 月公布《欧盟太空法案》提案，试图将数据保护管辖权延伸至外太空，但该法案尚在审议中，能否落地仍存悬念。
暗坑二：真环保还是洗绿营销？
业界到处吹捧太空算力完全用太阳能，是零碳排。但这笔账刻意漏算了送它们上天的运载火箭。
火箭发射不仅会排放二氧化碳，还会向平流层喷射黑碳颗粒（Soot），这种颗粒在高空的温室效应远超地面排放。欧洲航天局（ESA）主导的相关研究指出：除非火箭的碳排放效率比现在提升一个数量级，否则太空算力更环保的说法尚存较大争议。
到底是破局，还是泡沫？
回到核心问题：把动辄兆瓦级的核心 AI 大模型训练全盘搬上太空，目前依然是资本狂热下的远期想象。
但是，如果退一步，在太空中只做边缘计算和 AI 推理，这绝对是打破常规的破局之道。
比如，谷歌参与的 FireSat 星座项目，利用 AI 直接在轨处理卫星图像，能够在极短时间内发现极小范围的极早期野火。再比如，北京邮电大学天算星座已实现星地 AI 协同推理，卫星回传数据量减少 90% 以上——只把最核心的变化数据传回地面，极大地缓解了太空通信的带宽瓶颈。
对于地球观测、灾害预警、自动导航等场景，太空 AI 推理已经是切实存在的需求。
所以，AI 算力的太空跃迁并非虚妄，但也远未到大规模普及的时刻。在这场星辰大海的狂飙中，我们需要剥开资本吹捧的泡沫，敬畏物理学的铁律。太空算力，终究只是地面算力网络在特殊场景下的昂贵补充。轨道数据中心从现阶段的实验室概念走向真正的大规模商业部署，至少还有 10 到 20 年的漫长征途。（本文首发钛媒体 APP，作者 | 硅谷 Tech_news，编辑 | 林深）
