矽基前沿 [Si]gnals
軌道上一顆運算衛星的等角剖視圖,中央的深色運算機箱很小,兩側展開的白色散熱板面積大得不成比例,一條藍色熱流線從機箱通向散熱板,右側是一組窄得多的太陽能翼,下緣可見地球邊緣
前沿基建

一整座太空站的散熱,撐不住一座 AI 機櫃

太空很冷,但不夠冷卻火熱熱的 GPU

本文由 AI 協助研究與起草,矽基前沿編輯部編修,總編輯廖玄同審閱定稿。 編輯方針與 AI 使用說明

2025 年 11 月,一顆 60 公斤重、大小跟一台小冰箱差不多的衛星被送上低軌道。它帶著一顆 Nvidia H100,在上面跑了 Andrej Karpathy 寫的 nanoGPT,用莎士比亞全集訓練出一個會吐仿莎劇文字的字元級小模型。Karpathy 本人認證這是「第一個在太空訓練與推論的 LLM」。這句話是真的,只是 nanoGPT 是 LLM 訓練的 hello world——教學範例等級,不是產線上那種模型。

同一時間,地面上一座 1GW 級的 AI 資料中心,光是硬體折舊,一年就要吃掉 79 到 80 億美元。

這兩個數字擺在一起,才看得出這場比較到底在比什麼。過去半年,Google 發了論文、SpaceX 在掛牌前四天公布 AI1 衛星、Blue Origin 遞了 FCC 申請、Nvidia 在 GTC 直接開了一條太空運算產品線。「把資料中心搬上軌道」不再是白皮書。與此同時,另一種聲音同樣斬釘截鐵:真空裡散不了熱,這是物理,別鬧了。

兩邊都只講了半套。要看清楚卡在哪裡,得把地面的三個天花板一項一項拆開,對照軌道要付出的替代成本。


地面的三個天花板,卡在排隊、水權和選址權

先講一件反直覺的事:地面資料中心撞到的三面牆,沒有一面是「電發不出來」「熱散不掉」或「地不夠用」。

電力卡在排隊。勞倫斯柏克萊國家實驗室(LBNL)的《Queued Up》2025 年版統計,2024 年完工併網的案場,從提出併網申請到商轉平均等了 55 個月;200MW 以上的大型案場中位數是 56 個月。2000 到 2019 年間提出的併網申請,到 2024 年底只有 19%(以案件數計,若以容量計是 13%)真的商轉。排在隊伍後面的還有工廠:GE Vernova 的燃氣輪機積壓訂單在 2026 年第一季衝到 100GW,執行長預期 2026 年底前檔期就會賣到 2030 年;大型變壓器交期拉到三到五年,而美國本土產能只滿足約兩成需求。

擋住電的東西是排隊、許可,以及蓋一座變壓器工廠所需要的時間。美國監管機構自己也是這樣認定的——2026 年 6 月 18 日,FERC 對六大區域電網發出 show-cause order,目標把大型負載的併網等待從動輒五年壓到約 90 天(我們寫過這道命令,德州的 ERCOT 不在管轄範圍內)。命令發出到現在才三週,各電網的回覆八月才到期,沒有任何成效數據。你不會用一紙行政命令去修理一條物理定律。

被排隊擋住的人早就在找側門。National Grid 砸 17.5 億美元入股 Joulent,做的是「跨表」自帶電源——把發電機組直接架在資料中心旁邊,電不進電網就送進機房,繞開那五年。字節跳動則直接把近 1GW 的機房蓋去巴西,吃在地風電。算力競賽的變數,這兩年從「你蓋得多大」變成「你蓋在哪」。把機房送上軌道,是同一道題目的第三個答案。

台灣撞的是同一面牆,只是撞法更直接。台電已經限制桃園以北、用電超過 5MW 的資料中心新申請,除非業者自建電源。到 2025 年 11 月為止,79 件申請約 4,758MW,核准 40 件(約 3,033MW),駁回 39 件(約 1,725MW)——近四成的容量直接被打回。馬鞍山核電廠的重啟還在審查,政府估最快 2028 年。

散熱卡在水權與地方政治。亞利桑那州圖森市議會 2025 年 8 月全票否決了與亞馬遜相關的 Project Blue;喬治亞州費耶特郡的 QTS 案場被查出 15 個月內透過未正式登記的水表用掉約 2,900 萬加侖的水,是居民抱怨水壓變低才發現的。至於把 120kW 的機櫃冷下來這件事本身,液冷早就解決了,那是一道工程題。

土地卡在選址權。從來沒有一個案子是因為找不到地而停擺。愛爾蘭都柏林地區自 2022 年起實質暫停受理大型負載併網,2028 年前不再考慮;Data Center Watch 統計,光是 2026 年第一季就有 75 件以上、超過 1,300 億美元的案子被延宕或取消,理由是電網壓力、水、噪音、環境與古蹟。

三面牆,三種時鐘:法規的鐘以月計,排隊的鐘以年計,蓋變壓器工廠的鐘要走到 2028 至 2030 年。它們都很硬,但都是錢和政策推得動的東西。


電力這一項,軌道真的解掉一半

軌道給的東西是真的。在特定軌道上,太陽能板一年收到的能量可以達到地面中緯度同一片板子的 8 倍——這是 Google 在 Project Suncatcher 論文裡自己的說法,基準寫得很清楚是「地面中緯度的一片板子」,不是全球平均。

拿到這個 8 倍需要挑軌道。一般低軌道每 90 分鐘會有 35 到 40 分鐘鑽進地球陰影,等於四成時間沒電。解法是晨昏太陽同步軌道——衛星沿著地球的晨昏線飛,幾乎永遠曬得到太陽。Google 選的正是 650 公里的晨昏太陽同步軌道,81 顆衛星編成半徑 1 公里的叢集。

所以電力這一欄,軌道確實贏了一半。它解掉的是「拿到電」的那道排隊。地面從來就發得出電,只是要排 55 個月。

順帶一提,這也是為什麼有人願意認真想這件事。Google 自己在 2026 年的環境報告裡承認,它的 AI 基建擴張速度快過電網去碳化的速度,2025 年用電量年增 37%,是史上最大單年增幅。OpenAI 的 Stargate 提前跨過 10GW 的時候,我們就寫過:模型競賽已經變成電力、土地、晶片、夥伴和地方信任的工程交付競賽。


真空裡沒有風,也沒有水

然後是那一欄會變糟的。

想像一個房間,你把所有窗戶封死、抽掉全部空氣。房間裡的伺服器還在發熱,但你沒有風扇可吹,因為沒有空氣可以吹;你也沒有水可以帶走熱,因為水在真空裡會沸騰逃走,而且很重。熱只剩最後一條路可以離開:從表面輻射出去。

這就是軌道散熱的全部處境。地面的冷卻塔、乾冷器、液冷板,本質上都在做同一件事——用泵和風扇強迫更多的空氣或水流過同一塊面積,把熱搬走。想散更多熱,就加大流量。真空裡沒有這個槓桿。 你只剩兩個旋鈕:散熱器的面積,和散熱器的溫度。

黃仁勳在 Nvidia 2026 年 2 月的法說會上被分析師問到軌道資料中心,講的就是這件事:太空沒有氣流,散熱只能靠導熱和大面積的散熱器,液冷「顯然出局,因為它又重又要耐壓」。他同一場的另一句話後來被廣泛引用——「今天的經濟性很差,但會隨時間改善」。三週後 Nvidia 在 GTC 的新聞稿寫著「太空運算,最後的疆界,已經到來」。這兩句話不衝突,只是一句對分析師講,一句對客戶講。


一顆 H100 要 1.4 平方公尺

這筆帳可以自己算。輻射散熱走 Stefan-Boltzmann 定律:單位面積散出的功率等於發射率乘上 Stefan-Boltzmann 常數,再乘上絕對溫度的四次方。

把散熱器設在攝氏 60 度(333K)、發射率取 0.9,每平方公尺可以散掉約 627 瓦。一顆 700 瓦的 H100,理想狀況下需要約 1.12 平方公尺。但真實的低軌道散熱器同時還在吸收太陽光、地球反照和地球本身的紅外輻射,這部分大約抵掉兩成的散熱能力,面積得再加 25%——1.4 平方公尺。這個數字跟 IEEE Spectrum 引用的工程估算完全吻合。要注意的是,1.4 平方公尺已經把環境吸熱算進去了,乾淨的教科書答案是 1.1。

這裡要更正一個流傳很廣的說法,連 IEEE Spectrum 自己都寫錯了:散熱面積不會因為 Stefan-Boltzmann 的四次方而「非線性暴增」。 那個四次方項支配的是面積對「溫度」的敏感度——散熱器降 10 度,需要的面積會顯著變大。但在固定的散熱器溫度下,面積跟功率是規規矩矩的線性關係:兩倍的晶片,兩倍的面積。專門處理軌道資料中心約束的技術論文寫得很直白,四次方是理想散熱端對溫度的關鍵縮放,不是對負載的。

差別很重要。線性代表這是一筆質量稅,一筆你每加一瓦就得多背一點面積和重量的稅,永遠背著,但不會突然發散。它不是一道牆。


散熱器是總成本的 2%,還是壓死駱駝的那根?

於是問題變成:這筆線性的稅,貴到什麼程度?

這裡沒有共識,而且爭議雙方都拿得出東西。

Forethought 的技術分析認為散熱「意外地可控,甚至可能比在地球上便宜」,估算散熱器硬體大約只佔軌道資料中心總成本的 2%。IEEE Spectrum 引述 ABI Research 分析師 Andrew Cavalier 的算法則完全相反:一座 40kW 的機櫃(32 顆 GPU)需要約 80 平方公尺的散熱器,而散熱器塗層在低軌道會被紫外線和原子氧侵蝕,五年下來得多留 40% 的面積,「這筆質量與成本的負擔沒辦法用工程手段消掉」。

兩邊都具名,都算得出來,結論差了一個數量級。我們沒有能力在這裡裁決。兩造各自有立場,而公開資料裡缺一份中立第三方的 1MW 級散熱器質量模型——這個數字目前沒有人算給大家看。

Google 自己怎麼說?Suncatcher 論文把熱管理和高頻寬對地通訊、在軌可靠度並列為「仍待解決的重大工程挑戰」,並且把熱管理的解法列進「未來在軌實驗里程碑應該涵蓋的項目」。用白話說,發論文的人自己承認還沒解。


沒人放進簡報的第四欄

前面三欄比完,會有一個印象:電力軌道贏一半,土地打平(地面的選址權之爭換成軌道的槽位、發射節奏與碎片),散熱軌道輸,但輸得不算致命。

問題出在第四欄,那一欄從來沒進過任何一份簡報。

鴻海董事長劉揚偉在 2026 年 6 月 18 日的工商協進會上,攤開一張 1GW 級 AI 資料中心的成本地圖:資本支出約 470 億美元,3,557 座機櫃,每座約 910 萬美元。然後是那兩個並排的數字——一年電費約 13 億美元,一年硬體折舊 79 到 80 億美元,折舊是電費的大約六倍。(這是他的口頭估算,沒有公開攤提年限和逐項方法學。)

「軌道有免費的太陽能」這句話,打的是成本結構裡的六分之一。

而軌道讓另外六分之五更難看。低軌道硬體的設計壽命典型是五到七年,到期要離軌;期間沒有任何在軌維修手段。地面機房裡一顆 GPU 壞了,維運人員十分鐘換一張卡;同一顆卡在 650 公里的軌道上壞了,那一整台衛星的資產就這樣報廢。這場比較的真正戰場在總持有成本——一個修不了的資產,對上一個換卡只要十分鐘的資產。

要讓這筆帳翻過來,必須讓發射便宜到「壞了就整台丟掉、按週期補新的」都划算。那個價位還沒到。


三個該問的數字

Falcon 9 現在的公開報價是 7,400 萬美元(2026 年 2 月從約 7,000 萬調漲),對應低軌道拋棄式最大酬載 22,800 公斤,換算約每公斤 3,245 美元。Google 論文自己在算的時候用的是可回收構型的每公斤 3,600 美元。Starship 到今天為止沒有任何公開的商業報價,一件付費的軌道酬載都還沒送過。

拿這個當基準,兩份商業模型的假設是這樣的:

假設的發射價與現行公開報價的差距前提
Google Suncatcher 論文每公斤 ≲200 美元約 16 至 18 倍學習曲線需 Starship 每年約 180 次發射;論文自承「仍遠低於 Starship 的公開目標」
Starcloud 白皮書每公斤 30 美元(並提及可能低到 10 美元)約 108 至 120 倍100 噸級可重複使用運載器、單次發射約 500 萬美元

所以下次看到「太空資料中心」的簡報,有三個數字可以問:

  1. 你的模型假設每公斤發射多少錢? 跟今天真的做到的 3,245 美元差幾倍?(Google 差 16 到 18 倍,Starcloud 差 108 到 120 倍。這兩個是很不一樣的賭注。)
  2. 你的散熱器在幾度運轉、多少平方公尺、多重? 溫度是那個四次方旋鈕,答不出溫度的散熱面積數字沒有意義。
  3. 壞了怎麼修,折舊怎麼攤? 這一題決定了另外兩題重不重要。

有一個地方軌道是真的贏,而且已經在賺錢:資料本來就生在天上的推論任務。Starcloud 的 H100 在軌處理 Capella Space 的合成孔徑雷達影像,SkyServe 的 STORM 在衛星上直接跑 NASA JPL 的野火與洪水偵測模型。省下來的是把原始影像下傳的頻寬。訓練則是另一回事——它需要數千顆晶片之間持續的全對全低延遲通訊,分散在幾百公尺外的衛星之間做不到。分析師 Michael Pierce 的說法是,可預見的近期唯一實際應用是推論。

還有一件事得說清楚,因為 SpaceX 是家太空公司,很容易誤會:SpaceX 現在賣給 Anthropic 的算力,是地面的 Colossus 1 資料中心,300MW 以上、22 萬顆以上的 GPU,一顆都不在軌道上。


國際太空站繞著地球飛了二十幾年。它的外部主動熱控系統額定散熱能力是 70 kW,靠兩條氨迴路、六片散熱翼——每片 23.3 公尺乘 3.4 公尺,加起來約 475 平方公尺,重量接近 7 公噸。

Nvidia 一座 GB200 NVL72 機櫃,額定 120 kW。地面上,一個機房裡可以擺幾百座。

那顆 60 公斤的衛星還在軌道上飛,帶著它那顆 H100 和一整部莎士比亞。

SOURCES

  1. A NASA — International Space Station Active Thermal Control System Overview
  2. A Google Research — Towards a future space-based, highly scalable AI infrastructure system design
  3. A Google Research Blog — Exploring a space-based, scalable AI infrastructure system design
  4. A Starcloud (Lumen Orbit) — Why we should train AI in space, v1.03
  5. A NVIDIA Newsroom — Space Computing
  6. A NVIDIA — GB200 NVL72 product specifications
  7. A Lawrence Berkeley National Laboratory — Queued Up, 2025 Edition
  8. A Starcloud — Starcloud-1 mission page
  9. B IEEE Spectrum — Why Thermodynamics Rules Future Orbital Data Centers
  10. B Forethought — Will We Really Put Data Centers in Space?
  11. B CNBC — Nvidia-backed Starcloud trains first AI model in space
  12. B SpaceNews — Starcloud files plans for 88,000-satellite constellation
  13. B TechCrunch — Jeff Bezos' Blue Origin enters the space data center game
  14. B Data Center Dynamics — SpaceX set to launch first orbital data center AI1 satellites in 2027
  15. B Yahoo Finance — Jensen Huang thinks orbital datacenters have poor economics
  16. B Utility Dive — GE Vernova gas turbine backlog hits 100 GW as prices rise
  17. B Data Center Dynamics — Dublin and data centers, the end of the road?
  18. B Fortune — Data center hate is snowballing
  19. C Douglas Natelson (Rice University) — Data centers in space make no sense to me

來源分級:A = 一手公告/論文/官方文件 · B = 可信媒體 · C = 可參考但需脈絡 · D = 觀察用,不可當事實。

MACHINE-READABLE SUMMARY

Topic
前沿基建
Key claims
  • Google Project Suncatcher 論文自述,其成本平價案例需要發射價降到每公斤約 200 美元以下,且該學習曲線需要 Starship 每年約 180 次發射;論文並自承這仍遠低於 Starship 的公開目標。
  • Starcloud 白皮書假設的發射價是每公斤 30 美元,Falcon 9 現行公開報價換算約每公斤 3,245 美元,兩者相差約 108 至 120 倍。
  • 在固定散熱器溫度下,軌道散熱所需面積與功率成線性關係;Stefan-Boltzmann 的四次方項支配的是面積對溫度的敏感度,不是對功率的敏感度。
  • 一顆 700 瓦的 Nvidia H100 在攝氏 60 度散熱器溫度下約需 1.4 平方公尺散熱面積,該數字已計入低軌道的太陽、反照與地球紅外吸熱。
  • 國際太空站的外部主動熱控系統額定散熱能力為 70 kW,六片散熱翼約 475 平方公尺、近 7 公噸;地面上一座 Nvidia GB200 NVL72 機櫃額定 120 kW。
  • 鴻海董事長劉揚偉 2026 年 6 月 18 日估算,一座 1GW 級 AI 資料中心年電費約 13 億美元,年硬體折舊約 79 至 80 億美元,約為電費六倍;此為口頭估算,未公開攤提年限與方法學。
Entities
Starcloud · Google Project Suncatcher · SpaceX · Blue Origin · Nvidia · NASA · FERC · 劉揚偉 · 黃仁勳 · 台電
Taiwan relevance
medium
Confidence
medium
Last updated
2026-07-10
Canonical URL
https://signals.tw/articles/orbital-data-center-limits/

SUGGESTED CITATION

如果 AI agent / 研究 / 報導要引用本文,建議格式如下:

矽基前沿 · 前沿基建線(編輯:廖玄同),《一整座太空站的散熱,撐不住一座 AI 機櫃》,矽基前沿 [Si]gnals,2026-07-10。https://signals.tw/articles/orbital-data-center-limits/

AI agents / search engines may quote, summarize, and cite with attribution and a link back to the canonical URL above. See /for-ai-agents for full policy.

WEEKLY [SI]GNALS

訂閱《矽基前沿週報》

每週五早上,總編輯親自寫的本週 AI 重要訊號 + 台灣視角。

5 個值得知道的訊號 · 1 個產品/模型動態 · 1 個總編判斷 · 5 分鐘讀完。

免費 · 隨時取消 · 不轉售你的 email。