Google porta l’AI in orbita con Project Suncatcher
Google ha portato per la prima volta uno dei suoi chip dedicati all’intelligenza artificiale nello spazio. Il satellite prototipo di Project Suncatcher, costruito in collaborazione con Planet Labs, è stato lanciato il 1° ottobre a bordo della missione rideshare Transporter-18 di SpaceX dalla California. Google ha successivamente confermato di aver stabilito il contatto con il satellite, che sta operando secondo le attese.
La missione deve verificare se una Tensor Processing Unit, la famiglia di acceleratori progettata internamente da Google per i workload di machine learning, possa funzionare nelle condizioni dell’orbita terrestre. Il test riguarda diversi aspetti che sulla Terra sono relativamente semplici da gestire, ma diventano molto più complessi nello spazio: alimentazione continua, dissipazione del calore, radiazioni e stabilità dell’hardware durante l’esecuzione di modelli AI.
Il satellite dovrà fornire circa un kilowatt di potenza continua al sistema. Una volta completata la fase di commissioning, la TPU verrà attivata in sessioni di circa 15 minuti, una scelta studiata per non sovraccaricare i sistemi di alimentazione e thermal management della piattaforma.
Un data center formato da satelliti
Project Suncatcher non nasce per dimostrare soltanto che un chip AI può funzionare nello spazio. Google sta studiando un’architettura molto più ampia nella quale gruppi di satelliti potrebbero operare come un’infrastruttura di calcolo distribuita.
L’ipotesi descritta dal gruppo di ricerca prevede cluster orbitali nei quali numerosi acceleratori lavorano in parallelo. Uno degli scenari analizzati da Google comprende una rete di 81 satelliti in formazione ravvicinata. Il problema non è solamente la capacità di calcolo disponibile su ogni singolo spacecraft. Nei workload AI distribuiti, bandwidth e latenza tra gli acceleratori sono determinanti, soprattutto quando il calcolo viene suddiviso tra più nodi.
Per questo Google sta sviluppando collegamenti laser ad alta velocità tra satelliti. A differenza delle comunicazioni ottiche pensate per coprire grandi distanze, il sistema immaginato per Suncatcher deve garantire molta banda tra spacecraft relativamente vicini e in continuo movimento. Nel 2027 Google e Planet prevedono una nuova dimostrazione con due satelliti progettati in modo più specifico per il calcolo avanzato e per sperimentare proprio questo tipo di interconnessione.
Raffreddare un acceleratore AI nel vuoto
Il thermal management è uno dei problemi più immediati. Le TPU concentrano una notevole quantità di calore in una superficie ridotta, mentre nello spazio non esiste aria che possa essere utilizzata per raffreddare i componenti attraverso convezione.
Google sta quindi sperimentando soluzioni basate su heat pipe e radiatori, già sottoposte a test in camere termovuoto. La missione consentirà ora di confrontare quei risultati con il comportamento dell’hardware in condizioni orbitali reali.
C’è poi il problema delle radiazioni. I chip Trillium utilizzati nel progetto sono stati testati con fasci di protoni presso il Crocker Nuclear Laboratory dell’Università della California, Davis. Secondo Google, i risultati indicano che le TPU possono sopportare una dose ionizzante totale superiore a quella prevista durante una missione orbitale di cinque anni.
Gli errori osservati restano abbastanza rari da consentire, secondo il gruppo di ricerca, workload di inference su larga scala. Il quadro è meno favorevole per training estremamente lunghi eseguiti contemporaneamente su migliaia di chip, dove anche un error rate molto basso può diventare significativo. Travis Beals, Senior Director di Google e responsabile di Project Suncatcher, ha indicato un ordine di grandezza di circa un errore su un milione nelle tipiche operazioni di inference.
Il vero ostacolo è il costo dei lanci
La tecnologia dei chip è solo una parte dell’equazione. Per costruire infrastrutture AI orbitali su larga scala occorre portare enormi quantità di hardware nello spazio a costi molto inferiori rispetto a quelli attuali.
Nel lavoro scientifico sottoposto a peer review e destinato alla rivista Joule, Google analizza anche questo problema. I ricercatori ipotizzano che il costo dei lanci possa scendere verso i 200 dollari per chilogrammo entro il 2035, prendendo come riferimento la curva di riduzione dei costi registrata da SpaceX a partire dal Falcon 1. L’analisi, precisano gli stessi autori, non costituisce però uno studio di fattibilità economica.
Per mantenere una traiettoria di riduzione dei costi comparabile, Starship dovrebbe trasportare complessivamente circa 370.000 tonnellate in orbita. Assumendo 200 tonnellate di payload per missione, servirebbero nell’ordine di 1.800 lanci in dieci anni, pari a circa 180 ogni anno. È una scala operativa molto distante da quella dimostrata finora dal nuovo sistema di lancio di SpaceX.
La corsa al compute orbitale è già iniziata
Google non è l’unica società interessata a spostare capacità AI fuori dall’atmosfera. Sullo stesso lancio erano presenti più di cento payload, comprese missioni legate a Satlyt e Cowboy Space Company. Satlyt, in particolare, sta sviluppando software per eseguire modelli AI direttamente sui satelliti senza costruire una propria piattaforma hardware.
Project Suncatcher ha però un orizzonte esplicitamente pluriennale. La missione attuale serve soprattutto a raccogliere dati: capire come reagiscono le TPU al lancio, alle radiazioni e alle escursioni termiche, verificare il sistema di raffreddamento e preparare le successive prove di interconnessione.
L’idea di un vero data center orbitale resta quindi lontana dall’implementazione commerciale. Prima devono funzionare i chip, poi i collegamenti tra satelliti e, soprattutto, deve cambiare radicalmente l’economia dei lanci. Il prototipo appena entrato in orbita serve a capire se almeno il primo di questi problemi può essere risolto.
