Google 於 2026 年 9 月 24 日介紹 Project Suncatcher，一項探索太空能否承載可擴展 machine learning infrastructure 的長期研究。第一步不是把完整的 orbital data center 投入服務，而是把原型衛星送上低地球軌道，先了解 AI 硬件能否承受太空飛行的物理環境。
Google 表示，這次原型任務會測試 Tensor Processing Units 如何面對極端輻射、火箭發射震動、加速，以及真空中的散熱問題。任務由 Google 與 Planet 合作，安排在 Transporter-18 rideshare mission；文章把它描述為 upcoming test，因此不應把研究計劃當成已經完成的產品部署。
Project Suncatcher 的長期想法，是利用低地球軌道接近持續的陽光，Google 稱衛星可以取得比地面高得多的 solar power；未來可能把多個衛星群用高頻寬 laser links 連在一起，承載更大型的 AI workload。這仍然是研究方向，不是 Google 已承諾的商用運算服務。
硬件生存是第一個門檻。Google 說團隊在 UC Davis Crocker Nuclear Laboratory 用 proton beam 測試 Trillium TPU，初步結果顯示晶片可承受高於五年太空任務所需的 total ionizing dose；同時，衛星在三軸上接受模擬發射的震動測試。這些結果是 Google 的初步測試回報，真正的軌道數據仍要靠上天後收集。
散熱是另一個完全不同的設計問題。真空中沒有空氣對流，TPU 產生的熱量只能透過 heat pipes 和 radiators 等方式擴散。Google 表示，團隊已在 thermal vacuum chamber 測試散熱方案，但軌道任務才會提供最接近真實環境的結果。
未來的衛星群還要解決互聯問題。Google 計劃讓衛星以 laser communication 維持高頻寬、短距離精密連線，並預計在 2027 年測試兩枚衛星之間的連接。這代表 Project Suncatcher 的核心不是單一晶片，而是硬件耐受、散熱、供電、通訊和維修方式的整套系統工程。
對 AI 基礎設施市場而言，Suncatcher 是一個值得觀察的 moonshot，而不是近期可採用的 deployment option。它把模型能力之外的限制放到前台：能源、冷卻、輻射、網絡和失效回復。即使未來測試成功，太空運算仍需要以成本、延遲、維護和地面替代方案作比較。
