正在加载视频...
视频章节
当地球已经装不下更多数据中心时,硅谷有人给出了一个近乎疯狂的答案:把算力送上轨道。StarCloud 创始人 Philip Johnston 在红杉的一场对谈中,反复强调一个反直觉结论——不是更贵,而是“更便宜”。这不仅是工程问题,而可能是 AI 推理时代最大的基础设施重构。
把数据中心送上太空:硅谷正在押注一个比云计算更大的赌局
当地球已经装不下更多数据中心时,硅谷有人给出了一个近乎疯狂的答案:把算力送上轨道。StarCloud 创始人 Philip Johnston 在红杉的一场对谈中,反复强调一个反直觉结论——不是更贵,而是“更便宜”。这不仅是工程问题,而可能是 AI 推理时代最大的基础设施重构。
地球已经“不够用了”:算力的边际成本正在失控
Philip Johnston 在一开始就点破了一个很多 AI 从业者不愿直面的现实:数据中心在地球上越建越贵,而且是“结构性地贵”。原因并不神秘——“所有容易做能源项目的地方都已经用完了”。
过去十几年,云计算的扩张建立在一个隐含前提上:电力、土地和冷却可以不断以相对可预测的成本获取。但现在,这个前提正在崩塌。每新建一个超大规模数据中心,边际成本都在上升:选址更偏远、电网改造更复杂、政治和社区阻力更大。
Johnston 直接把这一定性为“by far the largest market opportunity ever(迄今为止最大的市场机会)”。注意,他并不是在谈一个渐进优化的问题,而是在暗示:如果算力需求继续按照 AI 推理的速度增长,地球本身会成为瓶颈。
为什么是太空?答案简单到让人不安:更便宜
当被直接问到“为什么要在太空建数据中心”时,Johnston 的回答几乎粗暴:“because it's just cheaper(因为它更便宜)”。
这句话之所以反直觉,是因为我们默认“太空=昂贵、复杂、不可维护”。但在他的叙述里,成本模型完全不同:
第一,能源。轨道上的太阳能是持续的、不受天气和昼夜影响的,避免了地面能源的调峰、储能和输配电复杂性。第二,冷却。太空是真空,散热不是靠空调,而是靠辐射板——工程难,但一旦成立,运行成本极低。
更关键的是第三点:如果数据“在太空采集,就在太空处理”,整个链路可以绕开地球。Johnston 特别提到,这一代太空数据中心“几乎全部是为推理(inference)服务”,而不是训练。换句话说,它不是要替代地面的 GPU 集群,而是承接海量、持续、低延迟的推理需求。
最难的不是发射,而是热:工程现实比科幻更冷静
很多人以为,太空数据中心最大的挑战是发射或维护。但 Johnston 反复强调,他们“绝大多数工程时间都花在热问题上”。
在轨道上,机器没有空气对流,任何热量都必须通过辐射释放。这意味着,从芯片封装、系统架构到整个平台形态,设计逻辑都和地面完全不同。他们做的核心事情不是堆更多算力,而是“确保它在轨道上真的能工作”。
有意思的是,维护反而“出乎意料地有韧性”。短期内,他们并不指望机器人频繁对接维修,甚至认为初期让数据中心彼此对接“可能并不理想”。当前策略更接近航天工业的传统思路:设计足够简单、足够冗余,让系统在轨道上长期自洽运行。
规模化不是幻想:发射能力正在追上算力野心
另一个常见质疑是:就算方案成立,规模怎么上去?Johnston 给出的数字非常激进——“每年新增发射能力达到数十吉瓦”。
这背后隐含了一个判断:发射成本和能力的下降速度,已经快到可以被纳入严肃的基础设施规划。他甚至直言,一些新型发射公司的成本结构“比所有 hyperscaler 都低”。
在商业模式上,StarCloud 选择了更像 Equinix 的路径,而不是传统云厂商:不直接卷应用,而是做高毛利的中立基础设施。这也引出了一个此前很少被认真讨论的概念——“太空商业地产”。在他的描述中,轨道位置、能量获取条件、本地干扰,都会像地段一样,决定长期价值。
不只是算力,而是文明路径:从 AI 推理到星际物种
对谈的后半段,话题明显拉远了。Johnston 讨论了安全、天文学干扰、以及外界对“所有节省都会被发射成本抹平”的批评。他并不否认争议存在,但坚持认为这些问题是“工程和规模的问题,而不是方向错误”。
更耐人寻味的是他对长期未来的判断:AI 会帮助我们理解宇宙,而理解的曲线“不会停在 99% 之前”。他谈到外星智能时的态度异常冷静——如果存在,却没有留下痕迹,可能意味着“它们没有存活很久”。
在这个语境下,太空数据中心不再只是算力节点,而是人类成为多行星物种的前置条件之一。他甚至提到,在自己的有生之年,看到月球城市是合理预期。
总结
如果你是一名 AI 从业者,这场对谈真正值得反复咀嚼的,并不是“太空听起来很酷”,而是一个更现实的信号:算力问题正在从“技术优化”,升级为“物理边界”。当推理成为主战场,能源、热和位置将和模型规模同等重要。
短期内,你不需要为太空写代码;但你应该开始重新理解成本结构、基础设施和推理部署的未来形态。也许五到十年后,真正决定你模型能跑多快、跑多便宜的,不只是算法,而是它离地球有多远。
关键词: 太空数据中心, AI 推理, 算力基础设施, 能源与热设计, StarCloud
事实核查备注: 需要核查:Philip Johnston 的正式身份与头衔;StarCloud 的公司名称与拼写;视频中提到的“每年数十吉瓦发射能力”的原始表述;关于 Equinix 商业模式的类比是否为嘉宾原话;视频实际时长与发布时间。