مهر
اخبار
پروژه Suncatcher گوگل؛ دیتاسنتر هوش مصنوعی در فضا و پرتاب چهار TPU به مدار
گوگل نخستین ماهواره‌ی آزمایشی پروژه‌ی Suncatcher را با چهار تراشه‌ی TPU به مدار فرستاد؛ قدمی کوچک به‌سوی دیتاسنترهایی که شاید روزی بالای سر ما بچرخند.
لیست مطالب
۱. ماجرا چیست؟ پروژه Suncatcher گوگل در یک نگاه
پروژه Suncatcher گوگل یک طرح تحقیقاتی برای ساخت زیرساخت محاسباتی هوش مصنوعی در مدار زمین است. ایده ساده به نظر می‌رسد: خورشید در فضا بدون ابر و شب تقریباً دائم می‌تابد، پس چرا تراشه‌های هوش مصنوعی را همان‌جا قرار ندهیم؟ روز اول اکتبر ۲۰۲۶ این ایده برای نخستین بار از روی کاغذ به سخت‌افزار واقعی تبدیل شد. ماهواره‌ی نمونه که «MVP» نام دارد، در قالب مأموریت اشتراکی Transporter-18 روی موشک فالکون ۹ شرکت اسپیس‌ایکس پرتاب شد؛ مأموریتی که صدها محموله‌ی کوچک را در یک پرواز به مدار می‌برد.
این ماهواره حدود اندازه‌ی یک یخچال است و چهار تراشه‌ی TPU نسل Trillium را حمل می‌کند؛ همان خانواده‌ای که در دیتاسنترهای زمینی گوگل برای آموزش و اجرای مدل‌ها استفاده می‌شود. بدنه‌ی ماهواره را شرکت Planet Labs ساخته و گوگل بار محاسباتی را روی آن سوار کرده است. اگر با دنیای مدل‌های زبانی تازه آشنا می‌شوید، پیشنهاد می‌کنیم مقاله‌ی OpenAI چیست؟ را هم بخوانید تا تصویر کلی بازیگران این صنعت روشن شود.
۲. مشخصات فنی ماهواره و مدار
ماهواره در مدار خورشید-همگام از نوع «سپیده‌دم-غروب» و در ارتفاع حدود ۶۵۰ کیلومتری (نزدیک ۴۰۰ مایل) قرار گرفته است. این نوع مدار باعث می‌شود پنل‌های خورشیدی تقریباً همیشه رو به نور باشند. توان در دسترس حدود یک کیلووات است؛ عددی کوچک نسبت به دیتاسنترهای زمینی که مگاوات‌ها برق مصرف می‌کنند، اما برای یک آزمایش اثبات مفهوم کافی است.
چهار TPU برای چه کاری؟
طبق گزارش‌ها، ماهواره قرار است روی این تراشه‌ها استنتاج مدل‌های Gemini را اجرا کند. استنتاج یعنی گرفتن ورودی و تولید خروجی از یک مدل آماده، نه آموزش مدل از صفر. انتخاب استنتاج منطقی است، چون نیاز به ارتباط پرسرعت میان هزاران تراشه ندارد و برای آزمایش اولیه سبک‌تر است. تریویس بیلز، مدیر ارشد گوگل، پس از رسیدن به مدار اعلام کرد ماهواره «طبق انتظار» کار می‌کند.
۳. چرا گوگل می‌خواهد هوش مصنوعی را به فضا ببرد؟
دلیل اصلی انرژی است. رشد مدل‌های بزرگ باعث شده تقاضای برق دیتاسنترها به‌سرعت بالا برود و شبکه‌های برق زمینی در بسیاری از مناطق زیر فشارند. شرکت‌ها دنبال هر منبعی هستند، از نیروگاه‌های اتمی تا انرژی خورشیدی در مدار. اگر درباره‌ی نقش هوش مصنوعی در کسب‌وکار کنجکاوید، مقاله‌ی اهمیت هوش مصنوعی در کسب‌وکار کمک می‌کند ببینید چرا این تقاضا این‌قدر سریع رشد کرده است.
مزیت دوم، زمین است. دیتاسنتر زمینی به زمین، آب برای خنک‌سازی و مجوزهای محلی نیاز دارد. در فضا هیچ‌کدام از این‌ها مسئله نیست، اما مشکلات تازه‌ای جایگزین می‌شود که در بخش بعد می‌بینیم.
۴. چالش اصلی: خنک‌سازی در خلأ، نه تشعشع
بسیاری فکر می‌کنند بزرگ‌ترین خطر برای تراشه‌ها در فضا تشعشع کیهانی است. گزارش‌های مرتبط با این مأموریت نشان می‌دهد مسئله‌ی اصلی چیز دیگری است: گرما. در خلأ هوایی وجود ندارد که گرما را با جابه‌جایی ببرد؛ تنها راه، تابش حرارتی از طریق رادیاتور است. به همین دلیل ماهواره باید حدود هر ۱۵ دقیقه محاسبه را متوقف کند تا رادیاتورها گرمای انباشته را دفع کنند، و بعد دوباره شروع کند. یعنی اجرای Gemini در مدار به‌صورت «انفجارهای کوتاه» انجام می‌شود، نه پیوسته.
سیستم خنک‌سازی
گوگل از لوله‌های حرارتی (Heat Pipe) و رادیاتورهای بیرونی برای انتقال گرما از تراشه‌ها به سطح تابش‌کننده استفاده می‌کند. هرچه توان محاسباتی بالاتر برود، مساحت رادیاتور لازم هم بزرگ‌تر می‌شود؛ این همان نکته‌ای است که مقیاس‌دادن به دیتاسنتر فضایی را دشوار می‌کند.
۵. تست‌های پیش از پرتاب: تشعشع، لرزش و خلأ
پیش از پرتاب، تراشه‌ها سه آزمایش مهم را پشت سر گذاشتند. نخست، آزمایش لرزش که ارتعاش‌های موشک را شبیه‌سازی می‌کند. دوم، آزمایش در محفظه‌ی خلأ حرارتی. سوم، پرتودهی پروتونی ۶۷ مگاالکترون‌ولتی در آزمایشگاه هسته‌ای Crocker دانشگاه کالیفرنیا، دیویس. بر اساس گزارش‌ها، تراشه‌ها دوزی حدود ۱۵ کیلورَد را تحمل کردند، در حالی که دوز مورد انتظار برای مأموریت پنج‌ساله حدود ۷۵۰ رَد است. بیلز گفت نتایج اولیه نشان می‌دهد Trillium «به‌شکل قابل‌توجهی» در برابر تشعشع مقاوم است.
۶. نقشه‌ی راه: از یک ماهواره تا خوشه‌ی ۸۱تایی
نمونه‌ی فعلی فقط شروع است. در سال ۲۰۲۷ قرار است دو ماهواره با همکاری Planet Labs پرتاب شوند تا ارتباط نوری میان ماهواره‌ای با لیزر آزمایش شود. در آزمایشگاه، این لینک‌ها سرعتی در حد ۱٫۶ ترابیت بر ثانیه نشان داده‌اند. هدف نهایی، خوشه‌هایی شامل ۸۱ ماهواره در آرایه‌ای به قطر حدود یک کیلومتر است که مثل یک ابررایانه‌ی واحد عمل کنند. ماهواره‌ی نمونه حدود یک سال کار عملیاتی دارد و می‌تواند تا شش سال پیش از ورود دوباره به جو در مدار بماند.
اگر می‌خواهید رقابت غول‌های فناوری را دنبال کنید، صفحه‌ی اخبار هوش مصنوعی سایت هر روز به‌روز می‌شود.
۷. اقتصاد طرح: هزینه‌ی پرتاب تعیین‌کننده است
مهم‌ترین مانع اقتصادی، هزینه‌ی پرتاب است. بر اساس تحلیل‌های منتشرشده، دیتاسنتر مداری فقط وقتی با زمینی رقابت می‌کند که هزینه‌ی پرتاب به کمتر از ۲۰۰ دلار برای هر کیلوگرم برسد؛ سطحی که به اواسط دهه‌ی ۲۰۳۰ و پرتاب‌های پرتعداد استارشیپ وابسته است. به‌بیان دیگر، Suncatcher امروز یک آزمایش علمی است و نه محصول تجاری.
این طرح تنها کسی نیست؛ گزارش‌ها از آزمایش‌های مشابه شرکت‌های دیگر هم حکایت دارد و رقابت زیرساختی هوش مصنوعی به فضا هم رسیده است. برای درک محدودیت‌ها و فرصت‌های واقعی این فناوری، مقاله‌ی پتانسیل و محدودیت‌های واقعی هوش مصنوعی را ببینید.
۸. این خبر برای کاربران و کسب‌وکارها چه معنایی دارد؟
در کوتاه‌مدت، هیچ چیز در تجربه‌ی شما از Gemini تغییر نمی‌کند. اما در بلندمدت، اگر محاسبات مداری عملی شود، می‌تواند فشار انرژی دیتاسنترهای زمینی را کم کند و هزینه‌ی اجرای مدل‌ها را پایین بیاورد. برای کسب‌وکارها پیام روشن است: زیرساخت، به‌اندازه‌ی خود مدل‌ها، میدان رقابت است. تیم‌هایی که امروز با ابزارهایی مثل ChatGPT و Gemini کار می‌کنند، با آموزش‌های ChatGPT و یادگیری پرامپت‌نویسی می‌توانند بیشترین بهره را از همین مدل‌ها ببرند، بدون این‌که منتظر دیتاسنتر فضایی بمانند.
در عین حال باید واقع‌بین بود. چهار تراشه و یک کیلووات برق، چیزی در مقیاس دیتاسنتر نیست. نویسندگان نقد فنی هم هشدار می‌دهند که ادعاهای اقتصادی این طرح به شرایطی وابسته است که هنوز محقق نشده، و درس‌های همین مأموریت‌های اولیه تعیین می‌کند آیا ادامه‌ی راه ارزش دارد. نمونه‌ی دیگری از فاصله‌ی وعده‌ها و واقعیت مهندسی را می‌توانید در توهم هوش مصنوعی: توسعه‌دهنده‌ی تنها در برابر مهندس واقعی مطالعه کنید.
۹. TPU چیست و چرا گوگل از آن استفاده می‌کند؟
TPU یا «واحد پردازش تنسور» تراشه‌ای است که گوگل مخصوص بارهای کاری یادگیری ماشین طراحی کرده است. برخلاف پردازنده‌های گرافیکی عمومی، TPU روی ضرب ماتریسی، یعنی عملیات اصلی مدل‌های عصبی، بهینه شده و به همین دلیل برای هر وات برق، کار مفید بیشتری انجام می‌دهد. این بهره‌وری انرژی دقیقاً همان چیزی است که در فضا اهمیت حیاتی دارد، چون هر وات برق و هر کیلوگرم وزن هزینه‌ی سنگینی دارد. استفاده از همان تراشه‌ی Trillium زمینی هم مزیتی دارد: گوگل می‌تواند نتیجه‌ی آزمایش مداری را مستقیم با رفتار همان تراشه روی زمین مقایسه کند.
مقایسه با دیتاسنتر زمینی
یک دیتاسنتر بزرگ زمینی ده‌ها مگاوات برق مصرف می‌کند و هزاران تراشه را با شبکه‌ی پرسرعت به هم وصل می‌کند. ماهواره‌ی Suncatcher با یک کیلووات و چهار تراشه، تنها بخش بسیار کوچکی از این توان را دارد. بنابراین هدف این مأموریت رقابت با دیتاسنتر نیست؛ هدف پاسخ به پرسش‌های پایه است: آیا تراشه در مدار زنده می‌ماند؟ آیا دفع گرما قابل مدیریت است؟ آیا نتایج مدل در فضا با زمین یکی است؟ پاسخ این سه پرسش تصمیم می‌گیرد پروژه به مرحله‌ی بعد برود یا نه.
۱۰. چه چیزهایی هنوز نامعلوم است؟
چند موضوع هنوز روشن نیست. نخست، ارتباط با زمین: داده‌ها و پاسخ مدل باید از طریق لینک رادیویی منتقل شوند و تأخیر و پهنای باند آن محدود است. دوم، نگهداری و تعمیر: تراشه‌ی خراب در مدار قابل تعویض نیست. سوم، زباله‌ی فضایی و مقررات: خوشه‌ی ۸۱ ماهواره‌ای در مدار پرتراکم، پرسش‌های ایمنی و حقوقی جدی ایجاد می‌کند. چهارم، هزینه‌ی کل چرخه‌ی عمر که گوگل هنوز درباره‌ی آن عدد رسمی منتشر نکرده است. بنابراین بهتر است این خبر را به‌عنوان یک گام پژوهشی ببینیم، نه نویدی برای تغییر نزدیک در محصولات روزمره.
۱۱. پرسش‌های متداول
پروژه Suncatcher گوگل چیست؟
یک طرح تحقیقاتی گوگل برای آزمایش اجرای هوش مصنوعی روی تراشه‌های TPU در مدار زمین با انرژی خورشیدی است که اولین نمونه‌ی آن در اول اکتبر ۲۰۲۶ پرتاب شد.
چند TPU در ماهواره است؟
چهار تراشه‌ی Trillium، با توان حدود یک کیلووات.
آیا Gemini واقعاً در فضا اجرا می‌شود؟
طبق گزارش‌ها، ماهواره استنتاج مدل‌های Gemini را در دوره‌های حدود ۱۵ دقیقه‌ای اجرا می‌کند و بعد برای دفع گرما متوقف می‌شود.
چه زمانی نمونه‌ی بعدی پرتاب می‌شود؟
آزمایش دو ماهواره با لینک لیزری برای سال ۲۰۲۷ برنامه‌ریزی شده است.
آیا دیتاسنتر فضایی ارزان‌تر از زمینی است؟
فعلاً نه. طبق تحلیل‌ها، فقط اگر هزینه‌ی پرتاب به زیر ۲۰۰ دلار بر کیلوگرم برسد توجیه اقتصادی پیدا می‌کند.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
