Google 于 2026 年 9 月 24 日介绍 Project Suncatcher，一项探索太空能否承载可扩展 machine learning infrastructure 的长期研究。第一步不是把完整的 orbital data center 投入服务，而是把原型卫星送上低地球轨道，先了解 AI 硬件能否承受太空飞行的物理环境。
Google 表示，这次原型任务会测试 Tensor Processing Units 如何面对极端辐射、火箭发射震动、加速，以及真空中的散热问题。任务由 Google 与 Planet 合作，安排在 Transporter-18 rideshare mission；文章把它描述为 upcoming test，因此不应把研究计划当成已经完成的产品部署。
Project Suncatcher 的长期想法，是利用低地球轨道接近持续的阳光，Google 称卫星可以取得比地面高得多的 solar power；未来可能把多个卫星群用高带宽 laser links 连接起来，承载更大型的 AI workload。这仍然是研究方向，不是 Google 已承诺的商用运算服务。
硬件生存是第一个门槛。Google 说团队在 UC Davis Crocker Nuclear Laboratory 用 proton beam 测试 Trillium TPU，初步结果显示芯片可承受高于五年太空任务所需的 total ionizing dose；同时，卫星在三轴上接受模拟发射的震动测试。这些结果是 Google 的初步测试回报，真正的轨道数据仍要靠上天后收集。
散热是另一个完全不同的设计问题。真空中没有空气对流，TPU 产生的热量只能通过 heat pipes 和 radiators 等方式扩散。Google 表示，团队已在 thermal vacuum chamber 测试散热方案，但轨道任务才会提供最接近真实环境的结果。
未来的卫星群还要解决互联问题。Google 计划让卫星以 laser communication 维持高带宽、短距离精密连接，并预计在 2027 年测试两枚卫星之间的连接。这代表 Project Suncatcher 的核心不是单一芯片，而是硬件耐受、散热、供电、通信和维修方式的整套系统工程。
对 AI 基础设施市场来说，Suncatcher 是一个值得观察的 moonshot，而不是近期可采用的 deployment option。它把模型能力之外的限制放到前台：能源、冷却、辐射、网络和失效恢复。即使未来测试成功，太空运算仍需要以成本、延迟、维护和地面替代方案作比较。
