AI 的发展正在把数据中心逼成一个“能源工程”问题：训练一个前沿模型动辄需要数百兆瓦，电网、土地和冷却水纷纷变成稀缺资源。既然地面上处处受限，为什么不干脆把机房搬出大气层？据 TechCrunch 报道，初创公司 Starcloud 刚刚完成 2.5 亿美元融资，继续押注“轨道数据中心”这条路线。而报道标题里的另一个细节更值得玩味——发射选项正在“枯竭”。
事件要点
- 融资 2.5 亿美元，核心用途是部署轨道数据中心：在卫星平台上搭载 GPU 集群，把 AI 训练任务放到近地轨道上执行。
- 抢运力成为隐含主题。随着各卫星星座与在轨项目争抢火箭舱位，可用的发射资源日益紧俏。对于一家以“发射”为扩容前提的公司来说，尽快锁定发射窗口几乎和融资本身同等重要。
- Starcloud 出身 YC 孵化器（前身为 Lumen Orbit），是这条赛道上跑得最快的玩家之一：据此前报道，其演示卫星已将 NVIDIA H100 GPU 送入轨道，验证了在太空运行大模型的可行性。远期设想是兆瓦乃至吉瓦级的在轨算力站，通过激光链路将模型权重传回地面。
为什么是太空
从物理层面看，天基数据中心有三个诱人的卖点：
- 电力。在轨光伏板不受昼夜、天气与大气衰减影响，单位面积发电量远高于地面。AI 训练最头疼的“电”，理论上不再是瓶颈。
- 散热。太空背景温度约 3K，散热器可以直接向深空辐射废热，不需要河流，也不需要冷却塔，而散热正迅速成为地面 AI 数据中心最大的隐性成本之一。
- 部署。不受土地、环评审批和电网接入排队的约束，扩容等于“再发一批”。
难点同样在物理层面
不过，这张愿景图的对价也十分具体：
- 辐射：宇宙射线与太阳粒子会引发位翻转，需要纠错编码、硬件冗余和轨道选择来兜底，这些都会吃掉一部分成本优势；
- 维护：坏了没人能上去换零件，整个架构必须按“免维护”设计，硬件选型天然偏保守；
- 通信：星地之间依赖激光与微波链路，带宽和延迟决定了它更适合“数据上去、模型训好、权重下来”的离线训练，而非毫秒级敏感的在线服务；
- 发射成本：可复用火箭大幅压低了单位载荷价格，但重型运载的产能与排期依然有限，这正是“launch options dry up”的含义：想在别人的运力表上占位，得趁早，而趁早需要钱。
值得一提的是，Starcloud 并非孤例。Axiom、日本 NTT 与 SKY Perfect JSAT 等也都提出过在轨数据中心构想，马斯克本人也公开谈过类似想法。Starcloud 的差异在于节奏：先用演示星验证单点，再谈星座级部署，把宏大叙事切成了一步步可证伪的工程台阶。
简短点评
轨道数据中心的本质，是把“算力竞赛”还原成“能源竞赛”之后再往前推一步：当地球的电网和水成为约束，真空与阳光就被重新定价为资源。这条路线短期内未必划算，辐射容错、在轨验证和发射成本，哪一项都不便宜。但它押注的是两条清晰的长期曲线：算力需求指数级增长，发射成本持续下降，两条曲线总有交汇的一天。退一步说，即便“机房上天”在商业上最终不成局，沿途沉淀下来的抗辐射计算、在轨热管理与激光通信技术，也会在其他场景找到用武之地。对这件事，不妨保持审慎的乐观。