馬斯克的太空 AI 資料中心構想：散熱、輻射與維護的可行性分析

馬斯克 (Elon Musk) 最近在訪談中提出一個想法：「把 AI 資料中心送上太空，直接利用 24 小時不間斷的太陽能來驅動龐大的算力。」

這個構想先處理了能源來源：太空沒有雲層，也沒有地球上的晝夜變化，太陽能可以持續供電。另一個直覺是，太空溫度接近絕對零度 (-270°C)，設備散熱應該更容易。

但把問題拆開來看，能源只是其中一部分。我比較在意的是散熱、輻射和維護。這三項會直接影響資料中心能否長期運作。

太空背景溫度很低，不代表運作中的設備容易降溫。真空中沒有空氣，熱量無法透過「對流」(Convection) 散出，主要只能靠「熱輻射」(Thermal Radiation)。

根據 NASA 與 IEEE 的研究，在電子元件的運作溫度下，太空散熱板每平方公尺約能排出 100 - 350 瓦 (W) 的熱量。
一個標準的 NVIDIA H100 機櫃功率約 40,000 瓦 (40kW)。
依這個範圍估算，冷卻一個機櫃需要約 200 - 400 平方公尺 的散熱板，面積接近一個籃球場。若規模擴大到 100MW 的中型資料中心，散熱板面積大約相當於 100 個足球場，工程結構會很難處理。

地球大氣層會阻擋一部分宇宙射線 (Cosmic Rays)。到了軌道上，商用級 GPU 會直接面對高能粒子。

針對 NVIDIA Jetson Nano 架構的總游離劑量測試 (Total Ionizing Dose) 顯示，即使加上 2.5mm 厚的鋁屏蔽，在低軌道 (LEO) 的預期壽命仍只有 1.5 到 2 年。
在地球上，H100 可以使用 5 年甚至更久；若太空中的設備每 1.5 年就要更換一次，硬體資本支出 (CapEx) 可能達到地球方案的 3 倍以上。

在地球資料中心，記憶體或風扇故障時，工程師可以直接更換，成本可能只有幾百美元。放到太空後，同樣的小故障可能讓一台價值數百萬美元的伺服器無法繼續使用。

除非另外部署能在軌道上工作的「AI 維修機器人」，否則維護成本會直接反映在總體擁有成本 (TCO) 上。這是商業化時很難避開的問題。

以目前條件來看，將大規模 AI 訓練中心 (Training Cluster) 送上太空，在物理上不是完全做不到，但散熱面積、輻射造成的硬體壽命，以及後續維護，都會讓工程與成本變得很難控制。

比較實際的方向仍是邊緣運算 (Edge Computing)：直接在 Starlink 衛星上處理影像數據，減少傳回地球的頻寬，而不是在太空中訓練 GPT-6。