Kosmiczne data center. Czy serwery naprawdę trafią na orbitę?

Przemysł sztucznej inteligencji zaczyna zderzać się z ograniczeniami infrastruktury naziemnej. Globalne zużycie energii przez centra danych ma wzrosnąć z około 415 TWh w 2024 roku do 945 TWh w 2030 roku. Serwery zoptymalizowane pod AI odpowiadają za niemal połowę tego przyrostu. Problemem nie jest już wyłącznie dostępność procesorów. Równie istotne stają się energia, przyłącza sieciowe, chłodzenie, grunty i tempo wydawania pozwoleń.

W tym kontekście kosmiczne centra danych przestały być technologiczną anegdotą. W lutym 2026 roku SpaceX przejął xAI, skupiając w jednej organizacji rakiety, sieć satelitarną i jeden z największych klastrów obliczeniowych na świecie. Google rozwija Project Suncatcher: konstelację satelitów wyposażonych w układy Tensor Processing Unit i połączonych łączami optycznymi. Dwa prototypy mają trafić na orbitę na początku 2027 roku.

Skala składanych wniosków pokazuje, iż firmy nie walczą wyłącznie o eksperymentalne misje. Starcloud wystąpił do amerykańskiej Federalnej Komisji Łączności o zgodę na system liczący do 88 tys. satelitów umieszczonych na wysokości od 600 do 850 kilometrów. Konstelacja miałaby obsługiwać modele AI i usługi chmurowe. Na razie jest to propozycja regulacyjna, nie zatwierdzony projekt inwestycyjny.

Nvidia również uznała orbitalne obliczenia za rynek wart zajęcia. W marcu zaprezentowała moduł Space-1 Vera Rubin, przeznaczony do przetwarzania danych, wnioskowania AI i autonomicznej pracy statków kosmicznych. Firma przekonuje, iż nowy układ zapewnia do 25 razy większą moc obliczeniową w inferencji niż H100. Produkt nie rozwiązuje jednak najtrudniejszej części problemu: usuwania ciepła.

Próżnia nie chłodzi serwerów. Brak atmosfery wyklucza konwekcję, która w naziemnych centrach danych odgrywa podstawową rolę. Energia cieplna może być oddawana głównie przez promieniowanie, a jego wydajność zależy od temperatury i powierzchni radiatora. Według ABI Research pojedynczy procesor Nvidia H100 wymagałby około 1,1 metra kwadratowego powierzchni chłodzącej. System DGX H100 potrzebowałby około 16 metrów kwadratowych radiatorów oraz 33 metrów kwadratowych paneli słonecznych.

Wraz ze wzrostem mocy obliczeniowej rośnie więc powierzchnia instalacji, jej masa i koszt wyniesienia. Megawatowy klaster może wymagać kilku tysięcy metrów kwadratowych paneli fotowoltaicznych oraz radiatorów. Każdy kilogram osłon, konstrukcji, systemów sterowania i zasilania obniża ilość sprzętu obliczeniowego, którą można umieścić na orbicie w jednym starcie.

Energia słoneczna jest dostępna niemal bez przerwy tylko na odpowiednio dobranych orbitach. Panele muszą pozostawać skierowane ku Słońcu, radiatory nie mogą być przez nie ogrzewane, a anteny powinny zachowywać łączność z Ziemią lub innymi satelitami. Pogodzenie tych warunków wymaga rozbudowanych systemów kontroli położenia. Dochodzi degradacja paneli i powłok pod wpływem promieniowania, promieniowania ultrafioletowego oraz tlenu atomowego.

To samo środowisko uderza w procesory. Cząstki wysokoenergetyczne mogą zmieniać wartości bitów, zakłócać obliczenia i trwale uszkadzać układy. Elektronika odporna na promieniowanie jest droga i zwykle wyraźnie wolniejsza od komercyjnych akceleratorów AI. Alternatywą pozostają osłony, korekcja błędów i redundancja, czyli równoległe wykonywanie tych samych operacji na kilku urządzeniach. Odporność systemu rośnie kosztem masy i użytecznej wydajności.

ABI Research szacuje, iż całkowity koszt orbitalnego centrum danych może być w tej chwili ponad 78 razy wyższy niż porównywalnej instalacji naziemnej. Dodatkowym obciążeniem jest krótki cykl technologiczny. Akceleratory AI starzeją się rynkowo w ciągu kilku lat, natomiast wymiana serwera na orbicie pozostaje osobną misją kosmiczną.

Ekonomia może wyglądać lepiej tam, gdzie dane już powstają w kosmosie. Lokalne przetwarzanie obrazów hiperspektralnych, danych radarowych i obserwacji meteorologicznych ogranicza ilość informacji przesyłanych na Ziemię. Pozwala też szybciej wykrywać pożary, uszkodzenia infrastruktury, ruch statków oraz ryzyko kolizji. W takich zastosowaniach liczy się nie tylko cena jednostki obliczeniowej, ale również oszczędność pasma i czas reakcji.

Masowe konstelacje przynoszą jednak koszt systemowy. W czerwcu 2026 roku na orbicie działało około 16,1 tys. satelitów, a sieci obserwacyjne śledziły ponad 46 tys. obiektów. Dodanie dziesiątek tysięcy dużych platform obliczeniowych zwiększyłoby ryzyko kolizji, ilość odpadów, zakłócenia astronomiczne i presję na najbardziej użyteczne orbity.

Orbitalne centra danych nie są dziś konkurencją dla chmur AWS, Google czy Microsoftu. Są próbą zbudowania nowej warstwy infrastruktury: droższej, trudniejszej w serwisowaniu, ale zdolnej analizować dane bezpośrednio w miejscu ich powstawania. Najbliższy rynek nie leży w szkoleniu kolejnego wielkiego modelu językowego nad Ziemią. Leży w wywiadzie satelitarnym, autonomii statków kosmicznych i przetwarzaniu danych, których sprowadzanie na powierzchnię jest zbyt wolne lub zbyt kosztowne. Kosmos nie usuwa ograniczeń centrów danych. Zamienia niedobór energii i gruntów na masę, promieniowanie, termodynamikę i cenę startu.