马斯克造星链，劈柴造算链！英伟达卷到宇宙，谷歌也要上天

不过，AI算力上空之前，还有许多亟待解决的工程难题。

好在，谷歌新一代Trillium架构TPU，在模拟近地轨辐射水平的粒子加速器测试中，「扛住了」太空辐射。

除此之外，热管理、在轨系统可靠性等，仍是需要攻克的工程挑战。

太阳直接给AI充能

谷歌最新的论文叫做《迈向未来基于太空的、高度可扩展的人工智能基础设施系统设计》。

看名字似乎有些长，但是这篇论文，还有一个简单的文件名，Suncatcher，太阳捕捉者、捕日计划。

AI对算力的需求正在催生一个难以想象的需求，一个地球目前也无法满足的需求：电量不够了。

于是，这些AI巨头开始把目光投向天空，投向太阳。

在太阳系中，太阳的能量输出为3.86 × 10^26瓦，发出的能量超过人类总电力产量的100万亿倍以上。

处于合适轨道时，太阳能板的产能可比地球上高出多达8倍，并且几乎可以持续发电，从而减少对电池的依赖。

在未来的某个时候，为AI供能的最佳方式很可能就是直接利用太阳能！

谷歌提出一种替代方案：不是从太空向地球传输电力，再供给AI数据中心。

而是直接建立基于太空的机器学习「数据中心」，由许多太阳能供电的卫星通过自由空间光学星间链路联网构成。

一个自由下落（无推力）星座在地球引力作用下的演化过程，其建模细节足以推算出太阳同步轨道。该模型位于一个非旋转坐标系中，并以中心参考卫星S0为参照。箭头指向地心。品红色：卫星S0的最近邻卫星。橙色：示例「外围」卫星S1。橙色虚线：S1 相对于集群中心的位置（在非旋转坐标系中）。

系统设计与关键挑战

谷歌提出的系统由一个「网络化的卫星星座」构成，可能会运行在晨昏太阳同步低地球轨道上。

在该轨道上，卫星能够近乎持续地接收到阳光照射。

这种轨道选择最大化了太阳能的收集，并减少了对重型星载电池的需求。为使该系统成为可能，必须克服以下几项技术挑战：

1. 打造数据中心级别的星间链路

大规模机器学习工作负载要求将任务分布在众多加速器上，并通过高带宽、低延迟的连接进行通信。

为了提供堪比地面数据中心的性能，卫星之间的链路需要支持每秒数十太比特（Tbps）的传输速率。

谷歌分析表明，采用「多通道密集波分复用」（DWDM）收发器和空间复用技术，这一目标有望实现。

然而，要达到如此高的带宽，所需的接收功率水平要比传统远程部署高出数千倍。

由于接收功率与距离的平方成反比，可以让卫星以非常紧密的编队（间距在公里级或更小）飞行来应对这一挑战，从而满足链路预算的要求，即通信系统中端到端信号功率损耗的核算。

谷歌团队已通过一个实验平台验证系统着手验证此方法，该系统使用一对收发器成功实现了单向800Gbps（总计1.6Tbps）的传输速率。

2. 控制大型、紧密集群的卫星编队

高带宽星间链路要求卫星以远比现有任何系统都更紧凑的编队飞行。

为此，谷歌团队开发了数值和解析物理模型，来分析此类星座的轨道动力学。

他们从希尔-克洛赫西-威尔特方程（Hill-Clohessy-Wiltshire equations）出发，采用一种近似方法，并利用一个基于JAX的可微分模型进行数值优化，以计入更多的摄动因素。

希尔-克洛赫西-威尔特方程组在开普勒近似下，描述了卫星相对于圆形参考轨道的运动

在谷歌规划的星座高度上，地球引力场的非球形特性以及潜在的大气阻力，是影响卫星轨道动力学最主要的非开普勒效应。

下图标示了一个包含81颗卫星的示例星座在一个完整轨道周期内的轨迹，该星座位于轨道平面内，平均集群高度为650公里。

集群半径R=1公里，在地球引力影响下，次近邻卫星间的距离在约100-200米的范围内振荡。

模型表明，在卫星间距仅数百米的情况下，或许只需进行适度的轨道保持机动，即可在预期的太阳同步轨道上维持星座的稳定。

3. TPU 的抗辐射能力

为了让机器学习加速器在太空中有效运行，它们必须能够承受低地球轨道的严苛环境。

谷歌在67MeV的质子束中对谷歌的v6e云TPU——Trillium进行了测试，以评估总电离剂量（TID）和单粒子效应（SEE）对其造成的影响。

测试结果十分喜人。

尽管高带宽内存（HBM）子系统是最敏感的组件，但它们直到累积辐射剂量达到2 krad(Si) 时才开始出现异常——这几乎是预期的（有屏蔽防护下）五年任务总剂量750 rad(Si)的三倍。

在对单个芯片高达15 krad(Si)的极限剂量测试中，没有出现任何可归因于总电离剂量的硬故障。

这表明，Trillium TPU 对于太空应用而言，表现出惊人的抗辐射能力。

4. 经济可行性与发射成本

历史上，高昂的发射成本一直是部署大规模天基系统的主要障碍。

然而，谷歌对历史及预测的发射价格数据分析表明，只要（成本）学习率能持续下去，到2030年代中期，发射价格有望降至每公斤200美元以下。

在这一价格水平上，以「每千瓦/年」为单位计算，一个天基数据中心的发射和运营成本，或将与公开报道的同等规模地面数据中心的能源成本大致相当。

解读谷歌星间链路

大规模地面机器学习（ML）集群的网络需求远远超出现有卫星间链路（ISL）技术的能力。

例如，谷歌的TPU超级计算机采用两层网络架构。高速数据中心网络一种定制的低延迟光学芯片间互连（ICI）每芯片吞吐量达数百吉比特每秒。

相比之下，商业可用的光学ISL提供的速率仅在1–100Gbps范围内。

图中X轴（距离，单位：km）：表示光学星间链路（OISL）中数据传输的距离，范围从不到1公里到超过10,000公里。Y轴（带宽，单位：Gbps）：表示不同光学系统在对应距离下所能实现的带宽。

可以看到，距离和带宽之间呈现出典型的反比关系，即随着距离增加，带宽会下降，这在光通信中是常见的现象，因为光信号在传播过程中会衰减。

像8×8空间复用这种系统，适用于非常短的通信距离，能够提供较高的带宽；而像Starlink和24路DWDM这种系统则适用于较长距离的通信，能够在更远的距离上传输大量数据。

谷歌提出的星间通信方案主要是：

• 飞行卫星群处于近距离编队（距离在「数百米至几公里」量级）以大幅降低链路路径损耗，从而获得高接收功率。

• 利用自由空间光通信结合多通道密集波分复用（DWDM）技术（类似或采用于地面数据中心的商用DWDM收发器）来实现每链路10 Tbps级别的带宽目标。

• 在距离极短的时候，还考虑「空间复用」多个光束共传以进一步提升容量。

飞行卫星群处于近距离编队（距离在「数百米至几公里」量级）以大幅降低链路路径损耗，从而获得高接收功率。

利用自由空间光通信结合多通道密集波分复用（DWDM）技术（类似或采用于地面数据中心的商用DWDM收发器）来实现每链路10 Tbps级别的带宽目标。

在距离极短的时候，还考虑「空间复用」多个光束共传以进一步提升容量。

参考资料：

https://research.google/blog/exploring-a-space-based-scalable-ai-infrastructure-system-design/