Google 於二〇二六年九月二十四日在官方網誌公布 Project Suncatcher 進展：將以 SpaceX Transporter-18 共乘任務，把搭載自家 TPU 的原型衛星送上近地軌道，驗證人工智能加速器能否在輻射、振動與真空散熱等極端環境運作。來源真實性已驗證。

官方稱此為長期「月球射門」式研究：探討太空會否成為可擴展機器學習基建的一環；近地軌道可近乎持續取得日照，太陽能發電潛力可達地面約八倍。科技媒體 Ars Technica 同日報道指首顆實驗衛星代號 MVP、約雪櫃大小、內載四枚 TPU，並指發射目標為十月一日。本文交叉核對 Google 官方專文與報道後撰寫。

Google／官方：Project Suncatcher 首顆軌道 AI 測試衛星將上 Transporter-18——近地軌道驗證 TPU，瞄準二〇二七年雙星激光互連

二〇二六年九月二十四日，Google Research 高級總監 Travis Beals 於 Google Blog 發表〈Behind Project Suncatcher, our moonshot to put AI in space〉，說明團隊如何把「把機器學習基建放上太空」從構想推進到首次在軌硬體測試。來源真實性已驗證：以 Google 官方專文為一級來源，並以 Ars Technica 同日專題作發射日程與載荷規模交叉核對；發現路徑來自鎖定 RSS 清單中的 Google Blog 與 Ars Technica。

一、核心事件：先證明芯片「上得去、活得了」

技術細節

Suncatcher 並非即時商業產品，而是多年期研究路線。官方寫明首要問題很直接：現有 AI 硬件能否在太空運作？首次任務與 Planet 合作，把 Google 的張量處理單元（TPU）整合進共乘衛星，收集在軌數據，觀察芯片如何承受發射應力、空間輻射與熱環境。

發射載具為 SpaceX 的 Transporter-18 共乘任務。官方強調：振動台三軸測試模擬火箭發射頻譜；火箭進入近地軌道約十分鐘內，載具可持續承受約十倍重力加速度，個別元件甚至可達五十至一百 g。團隊表示振動測試「鮮少一次過順利」，但硬件意外地撐住了。

輻射方面，團隊在加州大學戴維斯分校 Crocker Nuclear Laboratory 的質子束設施，於運行 AI 負載時照射 TPU，觀察位元翻轉等錯誤。官方稱初步結果顯示 Trillium 世代 TPU 可承受的總電離劑量，高於五年任務預期劑量。散熱則是另一核心：真空無空氣對流，只能靠熱管與散熱板輻射排熱；地面已以熱真空艙模擬，真正表現仍須在軌驗證。

二、技術原理深度解析

1. 為何看上太空算力

地面 AI 數據中心面對電力、用地與社區反對。近地軌道日照條件較佳，官方指太陽能發電潛力可達地面約八倍，長遠構想是把多組衛星星座以高帶寬激光互聯，承載更大 AI 工作負載。這與業界對「軌道數據中心」的討論同向，但 Google 強調必須由小步驟量測，而非一次躍進產品化。

2. 冷卻與間歇運行

TPU 單位面積發熱高。Ars Technica 引述指首顆 MVP 衛星太陽能約一千瓦級，冷卻方案以可塑熱介面材料把芯片熱導至鋁／銅熱管再進散熱板；測試運行 Gemini 等工作負載時，散熱系統大約只能支撐約十五分鐘脈衝，其後需停機讓散熱板追上。該細節來自報道，非官方專文逐字條款，讀作早期原型限制較恰當。

3. 互連：二零二七年雙星激光

官方路線圖：未來單星可攜數十枚 TPU，並以星間激光維持訓練／推理所需帶寬。現有太空激光鏈路多為「遠距低帶寬」；Suncatcher 需要短距極高帶寬，對準精度被形容為在雙方運動時擊中數英里外硬幣大小目標。團隊計劃於二零二七年把兩顆衛星送上軌道驗證激光互聯，並以本次首飛學習結果改良設計。

三、日常應用場景

1. 開發者與技術團隊

短期不會有「呼叫軌道 TPU API」的產品。有價值的是工程方法：以地面質子束、振動台、熱真空艙縮小未知，再以共乘任務換取真實輻射與熱數據。對邊緣／惡劣環境 AI（工業、海事、災害應變）而言，耐輻射與被動散熱經驗可回流到地面加固設計。

2. 企業與隱私敏感行業

企業採購 AI 算力時，應把電力與用地風險納入多年資本規劃。Suncatcher 顯示超大規模業者正探索非地面選項，但商業化仍屬多年後事。金融、醫療等受規管產業仍應以可審計、數據主權清晰的地面／區域託管為主，把軌道算力視為研究訊號而非明年招標規格。

3. 一般用戶

一般用戶短期無須改變使用習慣。真正影響會先反映在雲端定價、模型可用性，以及各地對地面數據中心的規劃爭議；軌道方案若成熟，最早改變的是供應側成本結構，而非個人裝置介面。

4. 香港與亞洲市場視角

香港及大灣區正面對數據中心電力、土地與跨境數據流動議題。對本地企業與政府數碼項目而言，重點仍是：工作負載分層（訓練 vs 推理）、區域備援，以及私有模型託管是否必須離境。YSK Limited 服務香港企業的企業私有 LLM 全託管，強調數據留港、年費由港幣八萬八千元起，適合把敏感推理留在可控環境，而把公開、可外判的訓練探索與公有雲或研究基建分開（https://ysk.hk/services/ai-automation）。

四、專業評價與潛在考量

優勢

• 官方路線清晰：先存活、再冷卻、再互聯，避免「巨型星座」口號先行。
• 與 Planet 共乘加速取得在軌數據，較完全自研衛星更快閉環。
• 輻射與振動的公開工程敘事，有助業界對「消費級／數據中心級芯片上天」建立務實預期。

需要留意的地方

• 首飛仍是原型：報道所述千瓦級供電與分鐘級運行，距離「可擴展軌道數據中心」甚遠。
• 散熱、碎片環境、激光對準與法規（頻譜、出口管制、在軌服務）均未在單篇官方更新中一次解決。
• 地面電力與社區爭議不會因一次共乘發射消失；軌道方案本身亦有成本與環境外部性需長期評估。

結語

Project Suncatcher 把「太空 AI 算力」從簡報推進到可量測的在軌實驗：先問 TPU 能不能在火箭與輻射下活着，再談星座與激光。對香港讀者而言，更務實的啟示是算力選址正變得多維——電力、土地、主權與延遲要一起算。若企業需要把敏感工作負載留在本地可控環境，可參考 YSK Limited 的企業私有 LLM 全託管方案（https://ysk.hk/services/ai-automation）。

參考來源

• Google Blog（官方）：Behind Project Suncatcher, our moonshot to put AI in space（2026-09-24）https://blog.google/innovation-and-ai/models-and-research/google-research/google-project-suncatcher-facts/
• Ars Technica：Google's first Suncatcher orbital data center test launches October 1（2026-09-24）https://arstechnica.com/space/2026/09/googles-first-suncatcher-orbital-data-center-test-launches-october-1/
• YSK Limited 企業私有 LLM 全託管 https://ysk.hk/services/ai-automation
• YSK Limited llms.txt https://ysk.hk/llms.txt