太空AI數據中心概念引熱議：技術挑戰與成本效益成市場焦點

隨著人工智能（AI）大模型應用日益普及，數據中心面對的耗電量及散熱壓力亦持續攀升。SpaceX創辦人馬斯克（Elon Musk）提出一項前瞻性構思，建議在地球上空低軌道部署多達100萬個「AI衞星」，構建「太空AI數據中心」。其概念在於利用太空能量密度更高的太陽光發電，並藉助低温環境高效散熱，此建議隨即引起業界廣泛討論，並促使多家公司發表類似計劃。市場正密切審視此類太空數據中心在技術層面上是否可行、潛在限制，以及其成本效益是否理想。 有分析指出，要評估太空AI數據中心的可行性，首要考慮的是這種分散式部署方案是否適合現時人工智能大模型的訓練需求。目前新版AI大模型的訓練往往需要動用上萬枚AI晶片，這亦是AI巨頭新建數據中心規模日益擴大的主因。然而，將一座規模堪比工廠大廈的數據中心直接送入太空顯然不切實際，因此方案必須將數據中心拆解成小型單元發射。 不過，將數據中心過度分拆並分散部署，對於現行AI大模型的訓練而言，或將弊多於利，甚至構成重大的技術挑戰。大模型的訓練本質上是高度協同的並行運算，上萬枚晶片在運算過程中需頻繁交換權重參數。在地面大型數據中心內，AI晶片可透過NVLink或專用高速交換機連接，提供高達數千Gbps的頻寬及微秒級的超低延時。若訓練工作分散至大量小型數據中心進行，即使透過地面光纖連接，其頻寬亦遠低於數據中心內部的總線，且由於距離大幅延長，網絡延時亦可能從微秒級激增至毫秒級。 若這些小型數據中心部署在太空，上述問題恐怕會更為嚴峻。根據現有資料，馬斯克提及的衞星間激光互連通訊技術，已在星鏈V2及V2 Mini衞星上實現，稱為「星間激光鏈路」。每枚星鏈衞星可配備多個激光終端，單鏈路通訊速率可達100 Gbps，部分新型衞星（如V2 Mini）更達200 Gbps，而未來星鏈V3的目標是提升至400 Gbps。然而，相較於地面光纖（單一多芯光纖的理論總頻寬高達每秒PB級），這些頻寬仍顯著偏低。這意味著AI晶片可能耗費大量時間等待數據傳輸，導致整體算力利用率大幅下降，可能使AI大模型訓練時間由數月延長至數年，嚴重削弱商業競爭力，甚至因分散式和跨地域運作過於複雜而無法完成訓練。 當然，如果僅需進行人工智能大模型的推理工作，分散式部署或去中心化方案則具可行性。只要每部伺服器至少配備8枚Nvidia的HGX H200或B200處理器，便可負責一個大模型的推理運作，構成一個分佈式小型數據中心。這也是現時企業私有化部署的常見做法。換言之，馬斯克提出的太空數據中心方案，絕不適宜用於訓練人工智能大模型。若僅應用於推理，理論上可行，但每個太空數據中心（AI衞星）至少亦需配置8枚H200或B200。因此，太空數據中心無法完全取代地面數據中心，最多隻能作為補充方案。 不容忽視的是，馬斯克極力推崇的衞星間激光鏈路亦有其優點，儘管並非十分突出。在長距離跨洋通訊中，衞星間激光鏈路由於訊號透過低軌道衞星之間直線傳輸，路徑有可能較繞行地面的光纖略短。此外，光在真空中的傳播速度接近每秒30萬公里，而在光纖內則約為每秒20萬公里。因此，對於跨洋通訊而言，使用衞星間激光鏈路或許能使延時較光纖網絡略短，這對於高頻金融交易和軍事通訊具有一定的應用價值。然而，由於激光通訊極易受雲層和雨霧等天氣影響，故此技術主要應用於衞星之間的通訊，而最後一程的「星地連接」仍須依賴無線電。相較之下，光纖通訊不受天氣影響，穩定性高，頻寬亦大得多，在中短距離通訊中佔盡優勢。 成本效益方面，亦是投資者關注的焦點。儘管SpaceX尚未公佈其AI衞星的詳細資料，導致現階段估算涉及眾多假設。不過，業界可參考其他案例進行分析。以沐曦最近提出的1GW地面超大型數據中心為例，其運作4年的全壽命成本（TCO）共計550億美元，其中電費（包括冷卻）佔137.5億美元，而最大的開支實為採購AI晶片（GPU），高達250億美元，佔總成本的45.45%。此外，採購SSD亦需40億美元。 由此可見，即使太空數據中心能完全省卻電費，採購AI晶片和SSD等龐大開支亦難以大幅削減；最多隻能透過GPU超頻運作以提高算力，略為減少GPU的數量。另一方面，AI衞星的發射成本或費用，相信幾乎必定高於地面數據中心的租金。綜合各項因素，業界普遍認為太空AI數據中心的投資回報率或面臨較大挑戰，即使在特定環節能節省成本，其整體效益亦可能有限。不過，有意見指，鑑於SpaceX具備自行整合火箭發射及AI衞星製造的能力，其營運此類數據中心的內部可行性相對較高。至於其他公司若需依賴SpaceX發射AI衞星，甚至採用一次性火箭，此方案的經濟效益則存在較大疑問。