Vệ tinh Suncatcher của Google chạy suy luận AI trên quỹ đạo

Vệ tinh nguyên mẫu Suncatcher của Google hiện đã trực tuyến và liên lạc với các trạm mặt đất sau khi phóng vào đầu tháng này bằng tên lửa SpaceX Falcon 9. Tàu vũ trụ mang theo bốn Đơn vị Xử lý Tensor (TPU) và đã thực thi thành công một mô hình AI được cài đặt sẵn là Gemma 4 của Google DeepMind, đánh dấu bước đi đầu tiên hướng tới các trung tâm dữ liệu trên quỹ đạo.

Diễn biến sự việc

Vệ tinh được phóng cùng hơn 100 tàu vũ trụ khác và trải qua quá trình nghiệm thu kéo dài ba tuần để xác minh các hệ thống con. Sau khi được phê duyệt vận hành, các kỹ sư dưới mặt đất đã gửi một câu lệnh yêu cầu mô hình trên boong viết một bài haiku về việc ở ngoài không gian. Bài thơ kết quả, "Blue marble below / Data streams in silent grace / Starlight feeds my core," đã xác nhận rằng ngăn xếp phần mềm đang hoạt động tốt và phản hồi nhanh nhạy.

Ngoài các bài kiểm tra sáng tạo văn bản, nhóm nghiên cứu còn sử dụng vệ tinh để báo cáo về điều kiện quỹ đạo địa phương. Một người phát ngôn cho biết phần cứng đang hoạt động bình thường. Thành công ban đầu này xác nhận kiến trúc cơ bản của việc đặt tài nguyên tính toán trên quỹ đạo thấp của Trái Đất, mặc dù hạn chế về nguồn điện hiện tại khiến việc vận hành liên tục trở nên khó khăn. Vệ tinh tạo ra tối đa 1 kW điện, không đủ để chạy cả bốn TPU cùng lúc.

Hiện tại, nhu cầu năng lượng chỉ cho phép một TPU hoạt động trong khoảng 20 phút mỗi lần. Hạn chế này làm phức tạp hóa giao tiếp từ không gian xuống mặt đất và giới hạn thời lượng của các khối lượng công việc suy luận đang hoạt động. Bất chấp những ràng buộc này, sứ mệnh vẫn tiến hành đúng kế hoạch, đóng vai trò là bằng chứng khái niệm cho các mạng lưới vệ tinh bay gần nhau trong tương lai, được thiết kế để xử lý các tác vụ phân tán lớn hơn.

Cách thức hoạt động

Thách thức kỹ thuật cốt lõi đối với máy tính dựa trên không gian là bức xạ. Các hạt năng lượng cao có thể gây ra "bit flips" (đảo bit) trong bộ nhớ máy tính, thay đổi các giá trị được lưu trữ và làm hỏng dữ liệu mà không kích hoạt các công cụ giám sát tiêu chuẩn. Mặc dù Google đã thử nghiệm các TPU của mình trong các máy gia tốc hạt trên Trái Đất, môi trường không gian thực tế đặt ra các biến số riêng biệt mà mô phỏng không thể tái tạo hoàn toàn. Chiến dịch thử nghiệm đang diễn ra tập trung vào việc quan sát cách ứng suất nhiệt và bức xạ không gian thực tế ảnh hưởng đến độ ổn định của bộ vi xử lý trong các tác vụ suy luận.

Các thử nghiệm trên mặt đất gợi ý rằng tác động của bức xạ đối với khối lượng công việc suy luận sẽ là tối thiểu so với việc huấn luyện mô hình. Tuy nhiên, dữ liệu thực nghiệm từ quỹ đạo là cần thiết để xác nhận những giả định này. Bằng cách chạy Gemma 4 trong môi trường khắc nghiệt này, Google nhằm mục đích định lượng tỷ lệ lỗi và phát triển các chiến lược giảm thiểu rủi ro cho các thế hệ phần cứng trong tương lai. Dữ liệu này sẽ cung cấp thông tin cho việc thiết kế các chip mạnh mẽ hơn, có khả năng duy trì cửa sổ hoạt động lâu hơn.

Tầm nhìn dài hạn bao gồm việc tạo ra một mạng lưới mắt xích các vệ tinh được liên kết bởi các kết nối quang học tốc độ cao. Khác với các đề xuất khác dựa vào xử lý vệ tinh đơn lẻ hoặc các quỹ đạo quá xa để chia sẻ hiệu quả, Suncatcher lên kế hoạch cho các khối lượng công việc phân tán mạch lạc. Phương pháp này đòi hỏi sự phối hợp chính xác và các liên kết độ trễ thấp giữa các tàu vũ trụ, cho phép chúng hoạt động như một trung tâm dữ liệu khổng lồ duy nhất trôi nổi phía trên bầu khí quyển.

Chi tiết chính

• Nguyên mẫu Suncatcher mang theo bốn TPU của Google nhưng chỉ có thể cấp nguồn cho một cái tại một thời điểm do giới hạn năng lượng 1 kW.
• Mô hình AI trên boong là Gemma 4 của Google DeepMind, được yêu cầu tạo thơ và báo cáo dữ liệu quỹ đạo.
• Các đảo bit do bức xạ là mối lo ngại chính, có khả năng làm hỏng bộ nhớ mà không cảnh báo các hệ thống giám sát tiêu chuẩn.
• Các sứ mệnh tương lai dự kiến vào năm 2027 sẽ bao gồm hai vệ tinh bổ sung với khả năng tạo năng lượng cao hơn và các liên kết quang học giữa các vệ tinh.
• Tên lửa Starship của SpaceX được coi là thiết yếu cho tính khả thi kinh tế của các trung tâm dữ liệu trên quỹ đạo nhờ khả năng tái sử dụng.
• Alphabet nắm giữ cổ phần đầu tư đáng kể vào SpaceX, đồng bộ hóa các mục tiêu cơ sở hạ tầng của cả hai công ty.

Tại sao điều này quan trọng

Đối với các kỹ sư phần mềm và kiến trúc sư cơ sở hạ tầng, sự phát triển này báo hiệu một tiềm năng thay đổi nơi cư trú của các tài nguyên tính toán. Nếu các trung tâm dữ liệu trên quỹ đạo trở nên khả thi, chúng có thể cung cấp xử lý độ trễ thấp cho các ứng dụng toàn cầu mà không gặp phải các ràng buộc về đất đai và làm mát của các cơ sở trên mặt đất. Tuy nhiên, những hạn chế về nguồn điện hiện tại nhấn mạnh các đánh đổi kỹ thuật nghiêm ngặt cần thiết để vận hành các chip hiệu suất cao trong không gian. Các nhà phát triển xây dựng hệ thống AI phải xem xét cách độ tin cậy của phần cứng thay đổi khi bị loại bỏ khỏi các môi trường trung tâm dữ liệu được kiểm soát.

Dự án cũng nhấn mạnh sự phụ thuộc vào khả năng phóng tải nặng. Mô hình kinh tế cho máy tính dựa trên không gian phụ thuộc vào các vụ phóng thường xuyên, chi phí thấp, đặc biệt nêu rõ nhu cầu SpaceX phải bay Starship 1.800 lần để đạt được mức giảm chi phí cần thiết. Điều này gắn liền tương lai của cơ sở hạ tầng đám mây trực tiếp với thành công của kỹ thuật hàng không vũ trụ thế hệ mới. Cho đến khi chi phí phóng giảm đáng kể, máy tính trên quỹ đạo sẽ vẫn là một lĩnh vực thử nghiệm ngách chứ không phải là một tùy chọn triển khai phổ biến.

Ngoài ra, sự khác biệt giữa suy luận và huấn luyện trong các môi trường bức xạ là rất quan trọng. Nếu suy luận chứng minh được khả năng chống chịu trong khi huấn luyện vẫn dễ bị tổn thương, chúng ta có thể thấy một mô hình lai nơi các mô hình được huấn luyện trên Trái Đất và triển khai lên quỹ đạo để thực thi. Sự tách biệt các mối quan tâm này có thể định nghĩa lại các đường ống MLOps, đòi hỏi các công cụ mới để triển khai và giám sát các mô hình trong các môi trường không phải trên mặt đất.

Bạn có thể làm gì

• Theo dõi các bài báo nghiên cứu về máy tính chống bức xạ để hiểu các tiêu chuẩn mới nổi cho phần cứng cấp không gian.
• Đánh giá lợi ích độ trễ của điện toán biên so với các nút trên quỹ đạo trong tương lai tiềm năng cho các trường hợp sử dụng cụ thể của bạn.
• Nghiên cứu các ràng buộc về nguồn điện của các hệ thống AI nhúng để đánh giá tốt hơn các thách thức về hiệu quả trong các môi trường hạn chế.
• Theo dõi các cột mốc phát triển của SpaceX Starship, vì tần suất phóng ảnh hưởng trực tiếp đến tính khả thi của cơ sở hạ tầng trên quỹ đạo.
• Thử nghiệm với các mô hình nhẹ như Gemma để hiểu các kỹ thuật tối ưu hóa liên quan đến các triển khai bị ràng buộc về nguồn điện.
• Xem xét các chiến lược xử lý lỗi cho các hệ thống phân tán để chuẩn bị cho mức nhiễu cao hơn trong các môi trường tính toán phi truyền thống.