Rymden
Rymdbaserad AI: Nästa frontlinje för molnskala

Varför AI-infrastruktur flyttar till omloppsbana
När AI blomstrar har flera leveransbegränsningar uppstått. Den första var GPU:er, där specialiserad hårdvara gick från en nischad spelanvändning till massadoption i AI-datacenter. Som ett resultat har Nvidia (NVDA ), sektorns ledare, vuxit till världens största företag.
Men en annan begränsning blir det huvudsakliga problemet: energiförsörjning.
Det beror på att AI-datacenter nu mäts mer efter deras energiförbrukning än efter deras beräkningskraft. Detta är varför AI-företag skyndar sig att starta om kärnkraftverk, skaffa de första SMR-prototyperna, eller statliga regulatorer placerar nya gasdrivna kraftverk på en snabbspår för godkännande.
När jakten på energi för datacenter intensifieras vänder blickarna sig mot ett annat alternativ: rymdbaserad AI, vilket ger en helt ny fysisk betydelse till “molnberäkning”.
Möjligheten till en obegränsad energiförsörjning från omloppssatelliter är något vi redan har analyserat utförligt i “Rymdbaserade energilösningar för oändlig ren energi”.
Men detta koncept är alltid något begränsat av behovet att omvandla solenergi till kraft, omvandla elektriciteten till mikrovågor för att stråla ner till jorden, och sedan omvandla den tillbaka till kraft.
Detta ökar komplexiteten hos kraftsatelliterna, kräver mer markbaserad infrastruktur och minskar övergripande effektiviteten i processen kraftigt, eftersom varje omvandling till en annan energiform leder till förluster. Detta kan sannolikt bara fungera med mycket billiga omloppslanser.
Alternativt, om kraften användes direkt i omloppsbana, skulle det vara mycket mer effektivt och bli ekonomiskt hållbart tidigare—särskilt om den slutliga “produkten” enkelt kan skickas tillbaka till jorden.
I teorin skulle datacenter i rymden kunna vara det idealiska alternativet: de kräver mycket kraft, men att skicka resultaten av beräkningarna tillbaka till jorden är trivialt, kräver ingen ny infrastruktur och medför inga energiförluster.
Idén är inte bara teoretisk; till exempel har Alphabet/Google precis tillkännagett “Project Suncatcher”, ett prototyp av ett orbitalt AI-beräkningssystem som vi behandlade i “Googles Project Suncatcher och framväxten av orbital AI”.
Så, kan det fungera, och varför kan det vara nästa steg i att bygga AI-infrastruktur?
Kollisionen av två trender
Lösa den jordbaserade kraftbegränsningen
Mer energi än någonsin behövs för att driva mänsklig civilisation, och kommersialiseringen av LLM:er har bara ökat behovet av nya kraftanläggningar. Hittills är den största delen av nyinstallerad kraftproduktion solenergi.

Källa: ARK Invest
Men detta innebär ett problem för jordbaserade nät, eftersom solenergi bara producerar kraft när solen skiner, vilket ger lägre produktion under molniga dagar, vinter eller på kvällen. I kontrast kräver kraftintensiva källor som AI-datacenter en kontinuerlig energitillförsel, med toppförbrukning ofta på kvällen och under vintern.
I teorin kan detta lösas med billig energilagring, som storskaliga batteriparker. Men i praktiken upphäver detta många av solens fördelar som en grön och billig energikälla.

Källa: ARK Invest
ARK Invest uppskattar att kapitalutgifterna för kraftproduktion måste öka ~2x till cirka $10 biljoner år 2030 för att möta den globala elefterfrågan. Av detta måste installationer av stationär energilagring skala upp 19x.

Källa: ARK Invest
Detta kommer också att kräva enorma investeringar i kraftnätet, vilket ytterligare ökar kostnaderna. Alla alternativ som hoppar över batteri- och nätkostnader kan vara konkurrenskraftiga, även med sina egna unika infrastrukturkostnader, såsom den orbitala lanseringen av rymdbaserade AI-datacenter.
Starshipens deflationscykel
Det är ingen hemlighet att SpaceX är det mest framgångsrika rymdfokuserade företaget som någonsin skapats. Genom att låsa upp pålitliga återanvändbara uppskjutningsfordon har företaget dramatiskt minskat kostnaden för att lyfta användbara nyttolaster till jordens omloppsbana. Kostnaderna har minskat med ~95%, från cirka $15 600/kg till under $1 000/kg under de 17 år som gått sedan 2008.
Den nya supertunga uppskjutaren, Starship, kommer sannolikt att fortsätta denna trend och slutligen föra lanseringskostnaderna ner till omkring $100/kg.

Källa: ARK Invest
Det som ännu inte har förståtts fullt ut är att detta inte bara gör satelliter eller rymduppdrag billigare; det förändrar radikalt vad som kan göras i rymden.
När det bara kostar $100 att placera ett kilo material i rymden blir det ekonomiskt lönsamt att skicka något användbart eller tillräckligt lätt i omloppsbana. Detta gäller tunna solceller, som kan vara mycket lätta när de inte behöver skyddas av glas eller stela metallramar mot jordens väder.
Detta gäller också material som är mycket lönsamma per kilo, såsom datorkretsar.
Till exempel kostar ett komplett GB300 NVL72 Rack/Skåp från NVIDIA upp till $4 M men väger bara omkring 1,8 ton (4 000 lbs). Kostnaden för att skicka sådant material till omloppsbana till $100/kg är bara $180 000—nästan en avrundningsfel i förhållande till hårvarukostnaden.
Naturligtvis skulle den totala kostnaden vara högre när man tar hänsyn till stödutrustning (skydd, kylning, kraftgenerering etc.), men det betyder att få ett AI-datorsystem i omloppsbana inte kommer att kraftigt öka dess kostnader inom kort. Det är troligt att brytpunkten ligger kring $500/kg i lanseringskostnader.

Källa: ARK Invest
Som en extra bonus kan framväxten av orbital AI ytterligare förbättra ekonomin för återanvändbara raketer genom att skapa en massiv marknad att betjäna. Medan färdigställandet av Starlink-konstellationen kan kräva 11x den kumulativa upplyftningsmassan som SpaceX har lyft fram till 2025, skulle 100 GW AI-beräkning öka efterfrågan på orbital lyftning med ytterligare 60x. I sin tur kommer denna volym att minska lanseringskostnaderna ytterligare.

Källa: ARK Invest
Varför orbital AI har strukturella fördelar
Swipe to scroll →
| Drivkraft | Terrestriska AI-datacenter | Orbitala AI-datacenter | Varför det är viktigt |
|---|---|---|---|
| Tillgänglighet av kraft | Begränsad av nätkapacitet, bränsletillgång och tillståndstider | Nästan kontinuerlig solpotential i rätt omloppsbana; ingen nätanslutning | Orbital beräkning kringgår den långsammaste delen av AI-skalning: kraft + tillstånd |
| Kapacitetsfaktor | Sol är intermittent; stabilisering kräver lagring eller dispatchbar generation | Hög soltillgänglighet med minskad intermittens jämfört med markbaserad sol | Minskar eller eliminerar kapitalutgifter för lagring för kraftstabilisering |
| Kylkostnad | Höga HVAC/värmeavledningsbelastningar; vattenbegränsningar i många regioner | Strålningskylning via stora värmespridare; inget vattenkrav | Mer beräkning per watt när kylenergi är lägre (men radiatorns massa spelar roll) |
| Latens & bandbredd | Utmärkt för interaktiva arbetsbelastningar; fibernät är täta | Mest lämpad för batch/HPC, träning eller asynkron inferens; förlitar sig på satellitkommunikationslänkar | Orbital AI kommer sannolikt att börja med arbetsbelastningar som inte är känsliga för latens |
| Implementeringshastighet | Mark, tillstånd, nätuppgraderingar och byggnation tar år | Lanseringsfrekvens blir den begränsande faktorn om standardiserade plattformar finns | En “tillverkning + lansering”-modell kan komprimera tiden till kapacitet |
| Hårda risker | Tillstånd, nätträngsel, lokala vatten-/termiska begränsningar | Strålning, skräp/kollision, service och avfallshantering vid livets slut | Orbital ekonomi hänger på att mildra rymdspecifika felmodeller |
| Ekonomisk hävstång | Kraft + anslutning + kylkapital dominerar skalning | Lansering + plattformsmassa + drifttid i omloppsbana dominerar skalning | Korsningen inträffar när $/kg och standardiserade plattformar sänker den totala levererade beräkningskapaciteten |
Perfekt för solenergi
Solenergi är riklig i rymden—upp till 4 gånger utsläppet för samma nominella kapacitet, tack vare direkt solljus utan atmosfärisk förlust. I rätt omloppsbana är den också mycket mer pålitlig, och skiner 24/7 konsekvent.
Detta tar bort begränsningarna som markbaserad solenergi lider av. I teorin kan detta vara den slutgiltiga formen av solenergiproduktion. Men på grund av svårigheten att föra tillbaka den kraften till jorden krävs ultrabilliga lanseringskostnader eller tillverkning i omloppsbana för att vara ekonomiskt hållbart.
Alternativt kan enklare orbitala speglar som lyser på markbaserade solfarmer, som förespråkas av Reflect Orbital, hoppa över förlusterna vid ljus‑till‑mikrovågsomvandling.
I kontrast, om kraften används i omloppsbana krävs ingen av dessa steg. När beräkningen är klar kan de resulterande data skickas tillbaka till jorden med standardtelekommunikationsmetoder, och satellitbandbredden förbättras snabbt.
Naturlig kylning
En annan unik fördel med rymdbaserade AI-datacenter är kylning. När de inte utsätts för solens strålning är rymden extremt kall, omkring -148°F (-100°C) för ett rymdfarkost i jordens skugga eller dess egna paneler.
En betydande del av energiförbrukningen i jordbaserade datacenter kommer från kylning. Att placera dem i Arktis eller till och med stratosfären har föreslagits, så rymden erbjuder en naturlig fördel. Detta kommer sannolikt att kräva massiva passiva kylsystem för att avge värme, men det är tekniskt genomförbart.
Allestädes närvarande satellitintelligens
SpaceX och dess bredbands satellitnätverk har helt förändrat den orbitala landskapet, där Starlink-satelliter utgör ungefär hälften av alla satelliter i omloppsbana.

Källa: ARK Invest
Detta har lett till en exponentiell minskning av satellitbandbreddskostnader, som sjönk nästan 100x mellan 2020-2024, med ytterligare vinster förväntade från Starship-flyg.

Källa: ARK Invest
Telekommunikation i rymden blir så allestädes närvarande och billig att orbitala datacenter kan använda befintliga nätverk för att kommunicera med jorden utan att behöva bygga dedikerad kapacitet. Dessutom kan ett tätt satellitnät leda till ytterligare underhållstjänster, såsom påfyllning eller ”töjning”, vilket skulle förlänga livslängden för dessa tillgångar.
Separera rymd‑ och markinfrastruktur
Eftersom orbitala AI-datacenter inte ansluter till det vanliga nätet kommer de inte att påverka elpriserna på jorden. Om något, kommer den extra efterfrågan på solteknik att hjälpa till att göra solenergi billigare globalt.
Dessutom kommer dessa centra inte behöva vänta på jordbaserade nätuppgraderingar, vilket kan ta år. Processen undviker också användning av mark och värdefulla vattenresurser, vilket förbättrar den övergripande ekonomin.
Investera i orbital AI
Broadcom
(AVGO )
Förutom GPU‑producenter och AI‑modellutvecklare är företag som producerar anslutning och specialiserad IT‑utrustning för datacenter stora vinnare av AI-boomen. Ett stort företag i denna kategori är Broadcom, en teknikjätte med rötter som går tillbaka till dot‑com‑eran.
Efter sammanslagningen av Broadcom och Avago 2016 är företagets verksamhet uppdelad mellan infrastrukturprogramvara och anslutningshårdvara (trådlöst, servrar, AI‑nätverk osv.).

Källa: Broadcom
En annan växande AI‑relaterad aktivitet är design och tillverkning av XPU:er, som sammanslår CPU, GPU och minne i en enda elektronisk enhet. Broadcom utnyttjar sin erfarenhet av att producera ASIC:er (applikationsspecifika integrerade kretsar) för att skapa chip som är specifikt designade för AI‑beräkning.

Källa: Broadcom
Dessa typer av täta, energieffektiva beräkningsenheter är en perfekt matchning för orbital AI, som kräver en optimerad balans mellan prestanda och vikt. ASIC:ernas högre energieffektivitet är också en fördel, eftersom lägre energiförbrukning minskar massan av solpaneler som behövs i omloppsbana.
Investerarinsikter:
- Kärntesen: AI:s begränsande faktor skiftar från beräkning till krafttillgänglighet och tillståndstider; orbital beräkning är en potentiell strukturell lösning.
- Ekonomisk trigger: Lanseringskostnader som närmar sig ~$500/kg breddar väsentligt den möjliga nyttolastmixen (sol, radiatorer, skydd) för lönsamma orbitala beräkningsutplaceringar.
- Tidiga vinnare: “Picks‑and‑shovels”-möjliggörare—ASIC/XPU‑designers, fotonik/co‑paketerad optik och termisk hantering—drar nytta innan någon “ren orbital moln” existerar offentligt.
- Nyckelrisker: Strålninghärdning, logistik för service i omloppsbana och risk för skräp/kollision kan urholka ekonomin även om lanseringspriserna faller.
- Tidsram: Behandla orbital AI som ett långsiktigt infrastrukturtema; fokusera på företag som tjänar pengar på jordbaserad AI‑skalning idag samtidigt som de bygger valmöjligheter för rymdbelastningar.












