去年5月，12颗计算卫星在酒泉被一箭送入轨道。这不是普通的遥感或通信卫星，而是中国首个在轨太空计算星座——星算计划首发组网。

‘星算’计划首发组网的计算卫星陈列

这些卫星搭载了80亿参数的天基模型，组网算力达到5POPS，能直接在天上识别森林火灾，过滤掉90%的云层遮挡废片，把响应时间从“一天后”压缩到“分钟级”。

就在同一个月，大洋彼岸的SpaceX向FCC递交了申请，计划发射100万颗算力卫星，命名为Starmind。英伟达投资的Starcloud公司，已让搭载H100 GPU的卫星完成了在轨验证，轨道到地面延迟低于50毫秒。

一个案例是偶然，但当中美两国的头部玩家同时把数据中心往天上搬，这就不是巧合了。AI算力盯着太空，是在盯什么？

第一道是电力墙。 2025年，中国算力中心总用电量达到1700亿千瓦时，占全社会用电的1.6%，近3年平均增速39.5%。单座超大规模数据中心年耗电量已堪比一座中型城市，电费占到运营成本的80%。

而电价本身也在涨——美国数据中心集中地区，过去5年电价飙升了267%。

电网扩容跟不上算力增长的速度。一个1GW的算力集群，用电量相当于百万人口城市的民生用电总量。新能源虽然能补位，但光伏风电的波动性跟数据中心对稳定供电的要求直接冲突，长时储能的技术瓶颈还没突破。

第二道是散热墙。 传统数据中心里，制冷系统要吃掉约27%的耗电量。2023年光散热就耗了400亿度电，相当于三峡水电站半年的发电量。AI GPU功耗已经冲到700到1200W，风冷技术彻底到了物理极限——空气的热交换效率根本带不走这么高密度的热量。

液冷虽然能把PUE压到1.15以下，但在100kW以上的超高密度机柜面前，冷板式液冷也快顶不住了，浸没式液冷又因为系统复杂、成本高，还没大规模普及。

第三道是芯片墙。 摩尔定律正在撞向物理极限。7nm以下工艺，量子隧穿和电子泄漏已经让制程缩小的边际效益急剧下降，流片成本却在指数级上涨。IBM虽然搞出了0.7纳米芯片，但良率控制和制造成本仍是巨大难题。

手持展示的芯片晶圆

更要命的是，芯片算力越高，热密度增长越快——就算制程能突破，散热问题也可能锁死芯片性能的实际发挥。

把算力搬上太空，相当于给这三道墙各开了一扇门。

能源上，太空太阳能发电效率是地面的5到7倍，没有昼夜和天气干扰，近乎零边际成本持续供电。地面数据中心为电费焦虑的那些问题，在轨道上压根不存在。

散热上，太空本身就是真空加超低温，热辐射可以直接排向深空。SpaceX AI1卫星用了一个110㎡的展开式液体辐射器，实现1400 W/m²的热流密度，不需要地面那种庞大的冷却系统。这是地面数据中心烧掉40%能耗去散热所无法比拟的天然优势。

SpaceX AI1卫星结构及散热装置示意图

数据处理上，过去卫星拍完照要全部传回地面再处理，碰上带宽瓶颈，传回来一堆云层废片，等判读人员拿到结果已经是几小时甚至一天后。现在卫星在天上直接算，识别出有效信息再下传，带宽消耗降低90%以上，响应时间从小时级压到秒级。

当AI算力需求的增速远超电力、散热、芯片制程的扩容速度，地面扩张这条路已经越走越窄。联合国大学预测，到2030年全球数据中心土地占用将超过14500平方公里，年用水量相当于13亿人一年的基本生活需求。

芯片制造等领域年用水量占全球工业淡水比例

碳、水、土地三重资源约束同时收紧，地面算力的物理天花板不是“可能碰到”，而是“已经碰到了”。

所以马斯克说，他判断到2032年，太阳能驱动的太空AI卫星将成为全球成本最优的算力方案。这个预测能不能兑现，取决于可回收火箭的降本速度、卫星批量制造的成熟度，以及在轨抗辐射芯片的工程验证进度——这些目前都还有不确定性。

但方向已经很清楚：太空算力不是在跟地面抢生意，而是在地面算力被物理定律卡住之后，被迫打开的第二战场。

这不是一场浪漫的太空想象，而是算力增长被逼到墙角后的必然选择。