Rumbaseret AI: Den næste grænse for cloud-skala

Hvorfor AI-infrastruktur flytter til kredsløb

Som AI-boomet vokser, er flere forsyningsbegrænsninger dukket op. Den første var GPU’er, hvor specialiseret hardware gik fra en niche‑gaming‑brug til masseadoption i AI‑datacentre. Som følge heraf er Nvidia (NVDA ), sektorrederen, vokset til at blive verdens største virksomhed.

Men en anden begrænsning bliver nu hovedproblemet: energiforsyningen.

Dette skyldes, at AI‑datacentre nu måles mere på deres energiforbrug end på deres beregningskraft. Derfor kæmper AI‑virksomheder for at genstarte atomkraftværker, skaffer de første SMR‑prototyper, eller statlige regulatorer fremskynder godkendelsen af nye gasdrevne kraftværker.

Mens jagten på energi til datacentre intensiveres, vender blikket sig mod en anden mulighed: rumbaseret AI, som giver en helt ny fysisk betydning til “cloud computing”.

Muligheden for en ubegrænset energiforsyning fra satellitter i kredsløb er noget, vi allerede har analyseret grundigt i “Rumbaserede energiløsninger for uendelig ren energi.”

Men dette koncept er altid noget begrænset af behovet for at omdanne solenergi til strøm, derefter omdanne denne elektricitet til mikrobølger for at sende den ned til Jorden, og så omdanne den tilbage til strøm.

Dette øger kompleksiteten af strømsatellitter, kræver mere jordbaseret infrastruktur, og reducerer samlet set effektiviteten drastisk, da hver konvertering til en anden energiform medfører tab. Det vil sandsynligvis kun fungere med meget billige orbital‑opsendelser.

Alternativt, hvis strømmen bruges direkte i kredsløb, ville det være meget mere effektivt og blive økonomisk levedygtigt hurtigere – især hvis det endelige “produkt” let kan sendes tilbage til Jorden.

Teoretisk set kunne datacentre i rummet være den ideelle løsning: de har brug for masser af strøm, men at sende resultaterne af beregningerne tilbage til Jorden er trivielt, kræver ingen ny infrastruktur, og medfører ingen energitab.

Ideen er ikke kun teoretisk; for eksempel har Alphabet (GOOG ) /Google netop annonceret “Project Suncatcher”, et orbitalt AI‑beregningssystem‑prototype, som vi dækkede i “Googles Project Suncatcher og fremkomsten af orbital AI.”

Så, kan det fungere, og hvorfor kunne det være næste skridt i opbygningen af AI‑infrastruktur?

Kollisionen mellem to tendenser

Løsning af den jordbaserede energibegrænsning

Mere energi end nogensinde er nødvendig for at drive den menneskelige civilisation, og kommercialiseringen af LLM’er har kun øget behovet for nye energianlæg. Indtil videre er den mest nyligt installerede energiproduktion solenergi.

Source: ARK Invest

Men dette udgør et problem for jordbaserede net, da solenergi kun producerer strøm, når solen skinner, hvilket betyder lavere produktion på overskyede dage, om vinteren eller om aftenen. Til gengæld kræver energikrævende kilder som AI‑datacentre en kontinuerlig energiforsyning, hvor spidsforbruget ofte forekommer om aftenen og om vinteren.

Teoretisk set kan dette løses med billig energilagring, som f.eks. batteriparker i stor skala. I praksis annullerer dette mange af fordelene ved sol som en grøn og billig energikilde.

Source: ARK Invest

ARK Invest anslår, at kapitaludgifter til energiproduktion skal vokse ca. 2‑fold til omkring 10 billioner USD inden 2030 for at dække den globale el‑efterspørgsel. Af dette skal implementeringen af stationære energilagringssystemer vokse 19‑fold.

Source: ARK Invest

Dette vil også kræve massive investeringer i el‑nettet, hvilket yderligere øger omkostningerne. Enhver alternativ, der springer batteri‑ og netomkostninger over, kunne være konkurrencedygtig, selv med sine egne unikke infrastrukturomkostninger, såsom orbital opsendelse af rumbaserede AI‑datacentre.

Starship‑deflationscyklussen

Det er ingen hemmelighed, at SpaceX er det mest succesfulde rumfokuserede selskab nogensinde skabt. Ved at låse pålidelige genanvendelige opsendelsesraketter op, har virksomheden dramatisk sænket omkostningerne ved at løfte nyttige nyttelaster til Jordens kredsløb. Omkostningerne er faldet med ca. 95 %, fra omkring 15 600 USD/kg til under 1 000 USD/kg i de 17 år siden 2008.

Den nye super‑tunge opsender, Starship, vil sandsynligvis fortsætte denne tendens og i sidste ende bringe opsendelsesomkostninger ned i området omkring 100 USD/kg.

Source: ARK Invest

Det, der endnu ikke er fuldt forstået, er at dette ikke kun gør satellitter eller rummissioner billigere; det ændrer radikalt hvad der kan gøres i rummet.

Når et kilo materiale i rummet kun koster 100 USD, bliver det økonomisk levedygtigt at sende alt, der er nyttigt eller let nok, i kredsløb. Dette gælder for tynde solceller, som kan være meget lette, når de ikke behøver at blive beskyttet af glas eller stive metalrammer mod jordens vejr.

Det gælder også for materialer, der er meget rentable pr. kilo, såsom computerchips.

For eksempel koster et komplet GB300 NVL72 rack/kabine fra NVIDIA omkring 4 millioner USD, men vejer kun omkring 1,8 ton (4 000 lb). At sende sådan et materiale i kredsløb til 100 USD/kg koster kun 180 000 USD – næsten en afrundingsfejl i forhold til hardware‑prisen.

Selvfølgelig vil den samlede pris være højere, når man medregner støttende udstyr (skærmning, køling, energiproduktion osv.), men det betyder, at det ikke vil inflere omkostningerne ved at få et AI‑beregningssystem i kredsløb markant. Det er sandsynligt, at vendepunktet ligger omkring 500 USD/kg i opsendelsesomkostninger.

Source: ARK Invest

Som en ekstra bonus kan fremkomsten af orbital AI yderligere forbedre økonomien i genanvendelige raketter ved at skabe et enormt marked at betjene. Mens færdiggørelsen af Starlink‑konstellationen måske kræver 11‑gange den samlede opsendte masse, som SpaceX har løftet indtil 2025, vil 100 GW AI‑beregning øge efterspørgslen efter orbital løft med yderligere 60‑gange. Til gengæld vil dette volumen yderligere sænke opsendelsesomkostningerne.

Source: ARK Invest[/caption>

Hvorfor orbital AI har strukturelle fordele

Swipe for at rulle →

Driver	Terrestriske AI‑datacentre	Orbital AI‑datacentre	Hvorfor det betyder noget
Power availability	Begrænset af netkapacitet, brændstofforsyning og tilladelses‑tidslinjer	Næsten kontinuerligt solpotentiale i den rette bane; ingen net‑interkonnektion	Orbital beregning omgår den langsomste del af AI‑skalering: kraft + tilladelser
Capacity factor	Sol er intermitterende; fastgørelse kræver lagring eller dispatch‑generering	Høj sol‑tilgængelighed med reduceret intermitterende vs. jord‑sol	Reducerer eller eliminerer lagrings‑capex for kraft‑fastgørelse
Cooling overhead	Høje HVAC/varme‑afvisningsbelastninger; vand‑begrænsninger i mange regioner	Strålings‑køling via store varmestrålere; ingen vand‑krav	Mere beregning per watt når kølingsenergi er lavere (men radiator‑masse betyder noget)
Latency & bandwidth	Fremragende for interaktive arbejdsbelastninger; fiber‑backbones er tætte	Bedst egnet til batch/HPC, træning eller asynkron inferens; afhænger af sat‑kom‑link	Orbital AI vil sandsynligvis starte med ikke‑latens‑følsomme arbejdsbelastninger
Deployment speed	Land, tilladelser, net‑opgraderinger og konstruktion tager år	Opsendelses‑kadence bliver den begrænsende faktor, hvis standardiserede platforme findes	En “fremstil + opsend” model kan komprimere tid‑til‑kapacitet
Hard risks	Tilladelser, net‑overbelastning, lokale vand‑/termiske grænser	Stråling, affald/kollision, service og slut‑liv bortskaffelse	Orbital økonomi afhænger af at afbøde rum‑specifikke fejlscenarier
Economic hinge	Kraft + interkonnektion + kølings‑capex dominerer skalering	Opsendelse + platform‑masse + on‑orbit oppetid dominerer skalering	Krydset kommer når $/kg og standardiserede platforme driver den samlede leverede beregning ned

Perfekt til sol

Solenergi er rigelig i rummet—op til 4‑gange output for samme nominelle kapacitet, takket være direkte sollys uden atmosfærisk tab. I den rette bane er den også meget mere pålidelig, og skinner 24/7 konsistent.

Dette fjerner de begrænsninger, som jordbaseret solkraft lider under. Teoretisk kunne dette være den endelige form for solenergi‑produktion. På grund af vanskeligheden ved at bringe den strøm tilbage til Jorden vil det dog kræve ultra‑billige opsendelsesomkostninger eller fremstilling i kredsløb for at være økonomisk levedygtigt.

Alternativt kan enklere orbital‑spejle, der reflekterer på jordbaserede solfarme, som fremmet af Reflect Orbital, springe lys‑til‑mikrobølge‑konverteringstab over.

I kontrast, hvis strømmen bruges i kredsløb, er ingen af disse trin nødvendige. Når beregningen er færdig, kan de resulterende data sendes tilbage til Jorden ved hjælp af standard telekommunikationsmetoder, mens satellit‑båndbredde hurtigt forbedres.

Naturlig køling

En anden unik fordel ved rumbaserede AI‑datacentre er køling. Når de ikke er udsat for solens stråling, er rummet ekstremt koldt, omkring -148 °F (-100 °C) for et rumfartøj i Jordens skygge eller i sine egne arrays.

En betydelig del af energiforbruget i jordbaserede datacentre kommer fra køling. At placere dem i Arktis eller selv i stratosfæren er blevet foreslået, så rummet tilbyder en naturlig fordel. Dette vil sandsynligvis kræve massive passive kølesystemer til at stråle varmen væk, men det er teknisk gennemførligt.

Udbredt satellit‑intelligens

SpaceX og deres bredbåndssatellitnetværk har fuldstændigt ændret det orbitale landskab, hvor Starlink‑satellitter udgør cirka halvdelen af alle satellitter i kredsløb.

[caption id="attachment_316537" align="aligncenter" width="749"] Source: ARK Invest

Dette har medført et eksponentielt fald i satellit‑båndbreddeomkostninger, som er faldet næsten 100‑gange mellem 2020‑2024, med yderligere gevinster forventet fra Starship‑flyvninger.

Source: ARK Invest

Telekommunikation i rummet bliver så udbredt og billig, at orbitale datacentre kan bruge eksisterende netværk til at kommunikere med Jorden uden at skulle bygge dedikeret kapacitet. Desuden kan et tæt satellitnetværk føre til yderligere serviceydelser, såsom påfyldning eller “trækning”, hvilket vil forlænge levetiden for disse aktiver.

Adskillelse af rum‑ og jordinfrastruktur

Fordi orbitale AI‑datacentre ikke er tilsluttet det almindelige net, vil de ikke påvirke strømpriserne på Jorden. Tværtimod vil den ekstra efterspørgsel efter solteknologi hjælpe med at gøre solenergi billigere globalt.

Derudover vil disse centre ikke skulle vente på jordbaserede netopgraderinger, som kan tage år. Processen undgår også brug af jord og knappe vandressourcer, hvilket forbedrer den samlede økonomi.

Investering i orbital AI

Broadcom

Udover GPU‑producenter og AI‑modeludviklere er virksomheder, der producerer forbindelses‑ og specialiseret IT‑udstyr til datacentre, store vindere af AI‑boomet. Et vigtigt firma i denne kategori er Broadcom (AVGO ), en teknologigigant med rødder tilbage til dot‑com‑æraen.

Efter fusionen mellem Broadcom og Avago i 2016 er virksomhedens aktiviteter opdelt mellem infrastruktur‑software og forbindelses‑hardware (trådløs, servere, AI‑netværk osv.).

Source: Broadcom

En anden voksende AI‑relateret aktivitet er design og fremstilling af XPUs, som samler CPU, GPU og hukommelse i én enkelt elektronisk enhed. Broadcom udnytter sin erfaring med at producere ASIC’er (Application‑Specific Integrated Circuits) til at skabe chips, der er specifikt designet til AI‑beregning.

Source: Broadcom

Disse typer af tætte, energieffektive beregningseenheder er et perfekt match for orbital AI, som kræver en optimeret balance mellem ydeevne og vægt. ASIC‑ers højere energieffektivitet er også et plus, da lavere strømforbrug reducerer massen af solpaneler, der er nødvendige i kredsløb.

Seneste Broadcom (AVGO) aktienyheder og udviklinger