為什麼馬斯克、Google 都想把資料中心搬到太空?建置資料中心需要什麼條件?
為什麼馬斯克、Google 都想把資料中心搬到太空?建置資料中心需要什麼條件?

距離地球數百公里的地球軌道,似乎即將成為眼下這場AI競賽的最新戰場,從Google、OpenAI到SpaceX、貝佐斯的藍色起源(Blue Origin),都著眼將資料中心搬到太空中,祕密展開了計畫。為何宇宙在近幾個月成為了AI巨頭的應許之地,設立資料中心面臨的難關真的能在太空迎刃而解嗎?

投資AI技術的熱潮,來到了字面意義上的最高點。在太空中設立資料中心可能不再是紙上的科幻場景,更是各個科技領導者認真研究中的方向。Google便率先在今年11月成立「太陽捕手」計畫,2027年將搭載TPU晶片的衛星送入地球軌道測試。

航太公司正在準備提供相關服務,馬斯克旗下SpaceX在募資時向潛在投資者透露,他們計畫將升級版星鏈衛星改造成AI資料中心,而貝佐斯的藍色起源早在一年多前就成立團隊,開發太空資料中心所需技術。

OpenAI也一度考慮為了太空資料中心收購航太公司,或建立合作關係,雖然隨著OpenAI面臨日漸強烈的競爭壓力,相關的協商已經中止。

為什麼科技界大佬都想將資料中心搬上太空,距離地表數百公里的高空中,有什麼優勢能解決資料中心面臨的瓶頸嗎?

資料中心有哪些條件?為何AI巨頭都著眼太空?

要理解科技巨頭為何將目光投向太空,先得了解資料中心的建設條件:

1. 巨大的電力供應: AI晶片極度耗費能源。國際能源署預估,資料中心用電量到2030年時將增加一倍以上,達到945十億瓩時,相當於當今日本的用電量。以Google為例,其碳排放量因資料中心擴張在過去五年增加了近50%。

2. 高效的散熱系統: AI 運算產生的熱能極高,必須依賴冷卻系統持續帶走。資料中心的用水量絕大部分都用於散熱,通常超過 90%。一座大型機房一天可能就耗水數百萬公升。隨著 AI 訓練與推論需求激增,全球資料中心的用水量預計在未來數年快速攀升。

3. 廣大的土地: 建設資料中心需要同時具備電力、水源、氣候(例如低溫有助於散熱)及網路條件的大片土地,尤其AI時代下資料中心規模遽增,使得符合條件的土地日漸稀缺,許多政府開始嚴格審查新建案。

這些龐大的能源需求、冷卻資源壓力、稀缺的合適用地,也是促使科技巨頭探索太空資料中心的主因,他們希望在浩瀚的宇宙中,擺脫土地、水源及電力的束縛。

Sundar Pichai Official Twitter
Google執行長桑德爾.皮蔡曾表示,太空中可以利用的太陽能,是人類今日總發電量的100兆倍
圖/ Sundar Pichai Official Twitter

能源是最核心的驅動力,理論上太空中太陽能板可以24小時不間斷地接收陽光,不受雲層或黑夜影響,為資料中心省下電池成本。Google執行長皮蔡(Sundar Pichai)便聲稱,太空中可以利用的太陽能,是人類今日總發電量的100兆倍。

且太空中有著巨大的散熱潛力,冷卻系統占據資料中心成本及重量很大一部分。資深科技投資人加文.貝克(Gavin Baker)認為,只要將散熱器置於衛星背光側,理論上可以利用接近絕對零度的低溫環境,大幅降低冷卻成本。

同時太空中幾乎沒有土地及空間限制。地球上資料中心選址受限,並且經常受到當地居民的抗議,太空中不存在這些社區衝突,擁有極大的拓展可能性。

太空資料中心是荒謬想法?AI運算想離開地表有哪些難關?

但實務上,想發揮太空資料中心的潛力可能不是那麼容易。前NASA工程師塔拉尼斯(Taranis,筆名)曾在今年11月撰文,批評太空資料中心是極為荒謬的想法,因為資料中心所需的電子設備,和太空環境所需的電子設備條件可說截然不同。

難關一:目前太陽能設備還不及用電需求

對於外界看好的太陽能潛力,他聲稱目前國際太空站的太陽能板陣列發電峰值約為200瓩,這是人類至今在太空中部署規模最大的太陽能設備,占地超過半個美式足球場,卻遠遠不及資料中心的用電需求。

ocs_iss_0.jpg
OpenAI規劃中的巨型資料中心,用電量需要500座國際太空站的太陽能板陣列才能滿足。

以OpenAI計畫建造、容納10萬個GPU的超大型資料中心為例,需要發射相當於500座國際太空站太陽能板陣列規模的衛星,才有辦法滿足其需求。

難關二:真空不易散熱

而冷卻更是個難題。僅管理論上衛星背面接近絕對零度,太空中沒有空氣只能依靠輻射散熱,而輻射散熱效率遠低於地表的對流散熱,要冷卻一個高功率的伺服器機櫃,以當前技術來說,這可能需要數百平方公尺的巨大散熱板,會占用衛星空間、增加發射成本。

太空中的資料中心就像放在南極的保溫瓶,縱使環境溫度極低,熱能卻很難消散出去,如果無法主動將熱能輻射出去,晶片會迅速燒毀。

難關三:輻射防護等技術問題

另外,太空中充滿了宇宙輻射與太陽風,對資料中心依賴的精密設備更是致命。塔拉尼斯解釋,目前為太空環境設計,具備防輻射等能力的晶片,效能約相當於20年前的PowerPC處理器。

而以上種種因素,造就建造太空資料中心的高昂成本。目前將每公斤物品送入軌道的成本仍高達數千美元,Google研究指出,發射成本需要降低至每公斤200美元以下,太空資料中心的建造及營運成本才有可能達到地面資料中心水準。

在能源、散熱以及太空環境的難題下,要實現AI巨頭的太空夢還有一段路要走。

延伸閱讀:台灣首座商業用加氫站正式落地!一座造價比加油站貴3倍,為何中油、聯華林德還要做?

不過,衛星新創Muon Space執行長強尼.戴爾(Jonny Dyer)認為,雖然太空資料中心面臨許多挑戰,這些都是可以攻克的難關,「說到底,一切都是發射的問題。」言下之意是,只要發射成本降得夠低,許多問題都將迎刃而解。

SpaceX持續投入的星艦技術,就致力實現這個願景,其長期目標是將每公斤的發射成本降低至100美元以下。馬斯克聲稱,未來星艦每年可望將300到500百萬瓩的太陽能AI衛星送入軌道。

但地球軌道並非完全無限制的空間,SpaceX發射星鏈衛星曾招致大量批評,被抨擊光污染妨礙天文觀測,還產生無數太空垃圾。目前星鏈衛星總數約7,800個,相較之下,Google太空資料中心計畫負責人崔維斯.比爾斯(Travis Beals)指出,假設一顆衛星功率為100瓩,需要1萬顆衛星才有等同百萬瓩級資料中心的運算能力。

延伸閱讀: 歐洲第一家台灣離岸風電工程商!東方風能插旗挪威,憑「海上永續學」成新一代討海人標竿

Notion釋出提示詞懶人包,教你100個AI Agent實際應用情境,工作效率大飆升!

資料來源:華爾街日報YouTubeTaranis

關鍵字: #資料中心 #太空
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓