今年英伟达GTC大会结束没几天，我和一个去了现场的投资人朋友吃饭聊天。我问他感觉怎么样，他放下筷子想了一会儿，说了句：有一个演讲，我现在还没缓过来。
那天台下坐了几千人，全是业内老手。黄仁勋上台前，大家聊的都是Blackwell的良率、下一代NVLink的带宽。没人预料到接下来会发生什么。
黄仁勋放出了一段10秒的视频。一颗卫星，从火箭整流罩里缓缓分离，飘进漆黑的太空。
“我当时以为是广告。”那个投资人说。”然后我看到屏幕上出现了一个词：H100。”
他停顿了一下。
“我直接站起来了。”
一、有人把地球上最贵的芯片，扔到了太空
视频里的主角叫菲利普·约翰斯顿，Starcloud的CEO。
他做了一件所有人都说不可能的事：把英伟达顶级的H100显卡，打包塞进一颗冰箱大小的卫星，用SpaceX的火箭送上了350公里的轨道。
上去之后，这颗卫星没有报废，没有热炸，没有被辐射搞崩。它在太空跑了谷歌的Gemini，训练了nanoGPT，给卫星拍摄的遥感影像做了实时推理分析。
人类第一次，把数据中心级别的算力，送出了地球。
菲利普走到台前，平静地说了一句话：
“未来5到10年，最便宜的算力不在贵州，不在内蒙古，不在冰岛。它在你头顶的太空。”
台下沉默了大概三秒。然后是掌声。那个投资人告诉我，他那三秒钟什么都没想，只是感觉脑子里有什么东西，咔哒一声，断了。
二、在此之前，全行业有两条铁律
任何一个做过航天芯片的工程师都知道：GPU绝对不能上天。
不是技术问题，是物理问题。
第一条铁律：热死。很多人以为太空是零下270度，散热应该很容易。恰恰相反。太空是真空，热量没有空气可以传导，只能靠红外辐射散出去。一块H100在满载状态下发热700瓦。在地面，一台精心设计的液冷机柜可以搞定。在太空，散热能力严重不足，芯片会直接过热宕机。
第二条铁律：打傻。近地轨道的辐射环境远比地面恶劣。高能宇宙射线和太阳粒子，能直接穿透芯片的晶体管，让储存单元里的0变成1，1变成0。这叫”单粒子翻转”，后果轻则数据出错，重则整个系统崩溃。
传统的航天芯片为了对抗辐射，会刻意降低主频、增加冗余电路。代价是性能只有商用GPU的几千分之一。
这两条铁律在行业里存在了几十年，没有人认真挑战过。
菲利普用一颗卫星，同时把它们都砸了。
三、他是怎么做到的
先说散热。
菲利普在台上算了一笔账，逻辑简单到让人有点难受：太阳能板每平方米发200瓦电，散热器每平方米能散800瓦热。也就是说，散热器只要太阳能板四分之一的面积就够了。
更关键的是，辐射散热的能力和温度的四次方成正比。芯片工作温度从50度提到80度，散热器面积直接减半，发射重量也跟着减。
“所以我们和英伟达专门研发了Rubin 1芯片，耐高温设计。温度高一点，重量少一半，成本少一半。”
再说辐射。
菲利普的方法很笨，也很彻底。把芯片送进粒子加速器，用高能质子轰24小时，模拟5年的太空辐射剂量。然后分析哪里出问题，一半用来改硬件屏蔽方案，一半用来改软件容错算法。
他们在橡树岭国家实验室的回旋加速器测了四轮，又去布鲁克海文测了重离子，反复迭代。
没有什么神秘的黑科技。就是把地面上每一种失效的模式，都在上太空之前提前经历一遍。
四、一笔让地面数据中心后背发凉的账
但真正让所有人陷入沉默的，不是技术，是那笔账。
全球AI算力需求正在爆炸式增长。谷歌在一篇研究论文里直接写道：”AI的计算和能源需求呈爆炸式增长，而太阳是太阳系中迄今为止最大的能源来源。”
国际能源署的数据显示，到2026年，全球数据中心和AI的电力消耗将比2024年翻番，达到1000太瓦时，部分地区数据中心的能耗已经占到当地电力供应的20%以上。
地面盖数据中心，有三座大山绕不开：
买地。 北美现在买地加环评审批，是最大的单项成本，一拖就是几年。
买电池。 一天只有4小时的强光照，剩下20小时靠储能撑着。一个GW级的数据中心，储能系统的投资是个天文数字。
最后，才是太阳能板本身。
太空呢？
不用买地。轨道没有国土，没有审批，没有拆迁，最大的成本项直接消失。
不用买电池。晨昏轨道的卫星永远处于地球和太阳的交界线，24小时追着太阳转，永远是正午，没有夜晚。
效率还翻了8倍。没有大气层吸收，1平方米的太空太阳能板，顶地球表面的8平方米。
太空唯一多出来的成本，只有发射。
现在发射成本大约是每公斤5000美元。但随着SpaceX星舰进入商业化，这个数字正在快速下降。按照现有的技术路线图，当发射成本降到每公斤500美元的时候，太空算力的综合成本，就会正式低于在地面建设同等规模的成本。
菲利普在台上说：这一天，最多还有5年。
五、那些真正的难题
当然，不是所有问题都已经解决了。
最常被拿出来反驳的，是凯斯勒效应。这是一个著名的航天噩梦：太空垃圾越来越多，互相碰撞产生更多碎片，最终把近地轨道变成一条密不透风的垃圾带，把人类彻底困在地球上。Starcloud计划发射88000颗卫星，听起来就是在往这个方向冲。
菲利普的回答是：你们被轨道地图骗了。地图上的点看起来密密麻麻，但每个点代表的空间，相当于整个加利福尼亚州的面积。SpaceX的星链已经在轨运行超过一万颗卫星，至今没有发生过一次碰撞。
首批Starcloud卫星飞在400公里的超低轨道，即使有卫星失效，几个月内也会自然坠入大气层烧光，不会成为长期威胁。
这个回答站得住脚，但也有研究者指出，当在轨卫星数量从万颗级别跳到百万颗级别，碰撞风险的增长不是线性的。轨道资源和无线电频谱的争夺，是一个悬而未决的问题。
还有一个问题文章很少提：延迟。
太空推理的延迟能做到多少？菲利普给出的数字是低于50毫秒。这个数字背后，是激光星间通信技术和地面接入站的密集布局。目前这套体系还在验证阶段，并非已经量产落地。
更诚实的说法是：核心障碍正在被逐一克服，但工程化和规模化之间，还有一段距离。近期能做的，是推理，不是训练。训练任务所需的算力规模和散热体量，菲利普自己估计要等15年。
六、地球另一端，也有人在做同样的事
就在Starcloud-1发射前几个月，中国也有一颗星座悄悄上了天。
2025年5月，之江实验室把12颗算力卫星组成的”三体计算星座”送入轨道，并在太空中部署了一个80亿参数的AI模型。
这个星座以在轨算力为核心，通过星间互联实时协作，实现了卫星数据处理从”依赖地面”到”在轨执行”的转变。
和Starcloud瞄准商业算力服务不同，中国目前的优先方向是先解决卫星自身的数据处理问题。一颗遥感卫星每天能产生海量的原始影像数据，但受天气和传输窗口限制，能回传地面的不足10%。大量数据在太空中白白消失。让数据在太空就地计算，只回传结果，是最迫切的需求。
两条路线，最终指向同一个方向。
七、一张覆盖全球的算力网
回到菲利普的计划。
他已经向SEC提交申请，计划发射88000颗卫星，每颗200千瓦，总算力20吉瓦。
做个对比：现在全球最大的单体数据中心，也不过1吉瓦左右。他一个人，要在太空建20个。
总投资1000亿美元。听起来是个天文数字，但菲利普说，这比在地面建同等规模的算力便宜得多——因为地面的那三座大山，在太空全都没有。
这张算力网，专门用来跑AI推理：生成视频、写代码、运行智能体、处理业务……所有你现在用到的AI功能，理论上都可以从太空获取算力。延迟低于50毫秒，比很多城市之间的骨干网延迟还低。
有人在现场问他：这会不会只是另一个PPT？
菲利普把Starcloud-1的实测数据放上了屏幕，一行一行的推理日志，时间戳，模型输出，卫星轨道位置。
“这不是PPT。这已经在跑了。”
八、文明的下一步
演讲快结束的时候，菲利普说了一句让现场安静下来的话：
“很多人觉得这是一个疯狂的基建项目。但我觉得，这是人类从卡尔达肖夫Ⅰ型文明走向Ⅱ型文明的第一步。”
卡尔达肖夫文明等级是天文学家提出的一个框架。
Ⅰ型文明能利用整个行星的能量，我们现在还没达到这个水平。
Ⅱ型文明能利用整个恒星的能量，也就是科幻里那个用戴森球包裹太阳的终极形态。
以前我们觉得，戴森球是几百年之后的事。
说实话，这个年纪已经很难被什么东西真正打动了。但听到这里，我还是有那么一瞬间——怎么形容，就是那种久违的星辰大海的感觉。不是鸡血，不是亢奋，就是突然觉得，人类好像还挺有意思的。
但如果你接受太空算力的逻辑——把数据中心搬到太空，用太阳能直接供电，一片片地铺开——你会发现，那和戴森球之间，只差规模，不差路径。
有人觉得这太遥远，有人觉得这是骗局，有人在想下一轮融资要不要跟。
菲利普没有在台上解决这些分歧。他只是在离开之前，把那段卫星分离的视频又放了一遍。
漆黑的太空里，一颗冰箱大小的金属盒子，带着人类历史上最强的计算芯片，无声地飘向更高的轨道。
那颗星星正在飞向一条叫晨昏轨道的路线。在那里，没有夜晚，太阳永远挂在地平线上，光永不停止。
或许用不了10年。
当你下次打开手机，让AI帮你写一段文案或者生成一张图片的时候，你根本不会知道，为你完成这次计算的，不是某个山洞里的服务器机柜，而是头顶400公里外，一颗追着太阳跑的星星。
