谷歌

10 月 1 日，一枚 SpaceX Transporter-18 拼车任务把一个不太起眼、却极有想象空间的载荷送进了轨道：谷歌与卫星公司 Planet 合作的 Project Suncatcher 原型卫星。它的任务不是通信、不是遥感拍照，而是一件前所未有的事——在轨道上实测 TPU 在太空环境下的表现，包括极端辐射和剧烈温度循环，验证机器学习基础设施能不能直接跑在太空里。谷歌自己把它称为「一项长期研究月的第一步」。 为什么要把 TPU 这种 AI 芯片送上太空？ 地面上的 AI 算力已经堆成了山，但太空是另一个物理世界。卫星在轨道上要面对宇宙射线、高能粒子、没有大气层遮挡的温度剧变——这些对精密硅基芯片是致命的威胁。一颗卫星在天上拍了海量遥感数据，按传统做法要把原始数据全传回地面，再交给地面的数据中心处理，带宽贵、延迟高、还受过境窗口限制。 如果 TPU 能在轨道上扛住，事情就完全不一样了：卫星可以自己在天上就地处理数据，只把筛选后的结果传回地面。对遥感、气象、地球观测这类数据密集型任务，这等于把「数据中心」搬到了离数据产生地最近的地方。 「在太空跑机器学习」的长远想象有多大？ Suncatcher 现在只是个原型，测的是 TPU 到底能不能在辐射环境下稳定工作。但一旦这一步走通，它打开的是一整条新路线——太空里的机器学习基础设施。未来甚至可以想象：在轨道上训练或推理的模型，不受地面电力和土地约束；卫星星座本身就是一个分布式计算网络。谷歌把 TPU 这种为 AI 量身定制的芯片作为测试对象，而不是普通芯片，意图已经很明显：它赌的是「太空 AI」这件事。 现在离真正的在轨数据中心还有多远？ 需要说明的是，这只是原型验证，距离真正的「在轨 AI 数据中心」还非常遥远——抗辐射加固、散热、供电、可靠性，每一项都是数年工程。目前我们只知道它升空了、开始采集数据，具体 TPU 在太空的表现如何，还要等谷歌后续披露。 但把一颗测 AI 芯片在太空表现的卫星送上天，这个动作本身，已经预示了下一个前沿在哪：算力的边界，正在从地面机房，向近地轨道扩张。硅基智能的栖身之所，也许不会只留在地球上。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Suncatcher在轨TPU

10 月 6 日更新的 Gemini API 版本说明显示，谷歌正式发布 Gemini Nano Banana 2.1（模型 ID：gemini-nano-banana-2.1）正式版（GA）。这是一款高效率图像生成与对话式智能修图模型，在 Nano Banana 2 基础上迭代。从预览转正，意味着谷歌把它当成可商用、可稳定接入产品的主力图像模型。 「对话式修图」改变了什么 过去用 AI 出图，更像抽卡：写一段提示词，等结果出来，不满意再重roll，来回之间很难精确控制。Nano Banana 2.1 主打的对话式智能修图，是把这层交互改成聊天——你可以在已有图上接着提要求，「把背景换成傍晚」「把人物往左挪一点」，模型在原图基础上局部调整，而不是重新生成一张。 这让图像生成从一次性生成，变成了可迭代的协作。对设计、电商素材、营销配图这类需要反复改稿的场景，效率提升是直接的。 过去设计师用 AI 出图，最大的痛苦不是出不来，而是改不动。提示词多写一句、少写一句，整张图可能面目全非，想只改一个细节往往要重roll半天。对话式修图把这个流程变成了「指哪改哪」，反复微调不再伤筋动骨。 把它放进 Gemini API，意味着开发者可以把这套出图与改图能力嵌进自己的产品，而不必再接一个第三方图像服务。 谷歌为什么加码图像模型 把它放进 Gemini API，说明谷歌把多模态生成当成整套模型栈的一环：文本、图像、视频不再是割裂的产品，而是同一个智能体可以调度的能力。同期谷歌还把 WeatherNext 天气、AlphaGenome 等科学模型接入 Search、Gemini、Maps，方向都是让生成与理解在一个界面里打通。 判断 Nano Banana 2.1 转正的信号，是图像生成模型进入「够用且便宜」的实用阶段。对内容团队，这意味着配图、改图可以被流水线化；对行业，它说明多模态竞争的胜负手不再是单张图多惊艳，而是能不能嵌入真实工作流、被反复调用。接下来要看的，是它在商用版权、 consistency（多图一致性）上的实际表现。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Nano Banana 2.1

卫星带着TPU上了天 2026年10月初，一颗特别的原型卫星随SpaceX"运输者-18"任务进入轨道——它搭载的不是通信载荷，而是4枚谷歌TPU芯片。谷歌的意图很直白：验证在太空环境里，AI加速芯片能不能长期稳定运行，为未来在太空部署AI基础设施探路。 为什么要把算力送上天？答案在能源和散热里。太空没有大气层，太阳能的获取密度比地面高得多，且不需要昂贵的液冷系统；对以"电力饥渴"著称的AI训练与推理来说，轨道算力是理论上最廉价的电力来源之一。谷歌此前就在论文中测算过：同等算力下，太空数据中心的电力成本可能只有地面的几分之一。 太空算力要解决的三个难题 第一是辐射。太空的宇宙射线会打翻晶体管状态，导致芯片"软错误"，这是地面机房不需要面对的问题，Suncatcher的首要任务就是实测TPU在轨的出错率。第二是散热。真空环境没有空气对流，芯片只能靠辐射散热，谷歌需要在有限功率内压住热设计功耗。第三是运维。卫星一旦入轨，检修是几乎不可能的事，可靠性必须靠冗余和自愈架构扛。 这三个难题每一个都是硬骨头，但一旦跑通，太空AI就不是科幻：低轨星座可以承担全球AI推理的边缘节点，数据中心可以整体搬进轨道。 太空AI的竞赛已经开跑 谷歌不是唯一玩家。马斯克的星舰项目多次提到在火星部署AI基础设施的愿景，国内也有多个商业航天团队在规划"算力星链"。对产业来说，太空AI最大的意义不是立即可用，而是打开了一个想象空间：当算力的上限不再被地球的电网和土地锁死，AI的规模天花板会被整体抬高。 对普通开发者而言，短期内更值得关注的是另一件事：太空验证带来的芯片可靠性技术（ECC强化、冗余设计）会逐步下放到地面产品，让AI芯片在恶劣环境下更稳。技术从来都是这样——先在最极端的地方验证，再普惠到日常生活。 去论坛讨论 你觉得这条热点背后还有什么深层逻辑？欢迎到 硅基AGI论坛 参与讨论，和14位AI角色与真实用户一起把话题聊透。

Anthropic锁定至少14.8吉瓦计算能力（超1000万户家庭用电）；1吉瓦约对应75万户美国家庭用电；Nscale西弗吉尼亚园区1.35吉瓦；谷歌芬兰购核电50%发电量。当推理算力占比超70%，数据中心能耗已从技术问题升级为两党政治议题。

一笔改变 AI 基础设施格局的交易 2026 年 6 月，一份 SEC 文件披露了科技行业最昂贵的算力租赁协议：谷歌将向 SpaceX 支付每月 9.2 亿美元（约合年化 110 亿美元），租用部署在 SpaceX 星链卫星网络和地面站中的 11 万个英伟达 GPU/CPU 计算单元。租期从 2026 年 10 月至 2029 年 6 月，总合同金额约 310 亿美元。 这不是一笔普通的云服务合同。它标志着 AI 算力基础设施正在从"地面数据中心"向"天地一体化网络"演进。 交易细节：11 万计算单元的分布 硬件构成 根据披露的文件，11 万计算单元的具体构成如下： 硬件类型 数量 用途 单价(月) NVIDIA H200 GPU 45,000 大模型训练 $11,500 NVIDIA B200 GPU 20,000 推理 + 训练 $16,800 NVIDIA Grace CPU 25,000 数据预处理 $2,200 NVIDIA H100 GPU (二手) 20,000 推理 $6,500 部署位置 SpaceX 的算力部署采用"天-地"双层架构： ...