工程師揭「軌道資料中心」成本真相:太空發電比地面貴3倍,為何仍被視為下一個算力解方?
工程師揭「軌道資料中心」成本真相:太空發電比地面貴3倍,為何仍被視為下一個算力解方?

當下,矽谷與航太產業的交集地帶,正瀰漫著一股關於「軌道資料中心」的狂熱。這股浪潮混雜著濃厚的未來主義色彩與錯失恐懼(FOMO)情緒,彷彿人類文明的下一個奇點,就懸掛在距離地表 250 英里的低地球軌道上。

身兼太空工程師的 Andrew McCalip 近日發布專文〈Economics of Orbital vsTerrestrial Data Centers〉,對軌道計算(orbital compute)與地面數據中心(terrestrial data centers)的經濟效益進行了嚴謹的比較分析,以釐清將資料運算任務移至低地球軌道(LEO)的潛在價值,是否真的有商業可行性?

先說結論:McCalip認為軌道計算雖然在物理上是可行的,但其經濟效益極具挑戰性(economics are savage),只有在極為激進的假設和極高的垂直整合度下才可能具備競爭力。

他通過詳細的第一性原理建模,比較了兩者的電力成本(Cost per Watt)和能源平均化成本(LCOE),發現軌道太陽能發電的成本明顯高於地面發電。因此McCalip主張,由馬斯克主持的 SpaceX 是「基本上唯一」有能力嘗試實現軌道運算經濟可行性的企業。

那麼,這是否意味著人類追求軌道計算的意圖是不理性的,甚至是過度樂觀的押注?這個命題,就是McCalip嘗試在文章中回答的問題。

在太空上跑GPU,真的有比較省錢嗎?

在任何新技術的萌芽期,公眾討論往往會被熱情而非理性所主導。從網路泡沫到區塊鏈狂潮,歷史一再證明,這種集體性的樂觀,既是推動創新的燃料,也是最大的風險來源。太空計算的當前局面,正是這個模式的重演。

McCalip 指出,當前的討論幾乎完全避開了唯一重要的問題: 「為什麼要在軌道上進行計算?」 人們熱衷於探討太陽能板的效率、衛星的設計、火箭的載荷,卻對最根本的商業邏輯避而不談,彷彿其經濟上的合理性是不證自明的。

為了驗證軌道計算的可行性,McCalip 設定的核心論題(Core Thesis)簡單直白:太空計算能否在「每瓦可用功率成本」上,擊敗最便宜的地面替代方案?

為了讓推論有據可依,McCalip 建立了一個基於第一性原理(first-principles)的開源成本模型。他為模型設定了幾個核心參數:發射成本為 500/公斤,衛星硬體成本每週22美元,比功率為 36.5 瓦/公斤(意思是:每 1 公斤在軌硬體,平均可輸出約 37 瓦的可用電力)。他將這個工具開放給所有人,邀請所有人來挑戰他的假設。

他在文內也強調,這整個模型都建立在極度樂觀的最佳情境假設之上。特別是 $500/公斤的發射成本,完全依賴於 SpaceX 星艦(Starship)未來的成功與完全可重複使用,但至少可將軌道運算的商模想像,拉回到可計算的基準上,而不只是「很酷的大餅」。

SpaceX Starship
圖/ SpaceX IG

通往太空計算的三道「生死關」

McCalip 的模型不僅僅給出了一個非黑即白的結論,更重要的是,它揭示了實現太空計算的路徑上,三大核心的成本驅動因素與風險因子。任何一個夢想家,都必須直面這三道關卡。

第一關:直面「野蠻」的經濟學

模型的計算結果是清晰而殘酷的。在一個為期五年、目標容量為 1 吉瓦(GW)的基準情境下,成本對比如下:

方案 期間 目標容量 總成本 (5 年) 每瓦成本
Orbital Solar(軌道) 5 年 1 GW 511 億美元 51.10 美元/瓦
Terrestrial(地面) 5 年 1 GW 159 億美元 15.85 美元/瓦

值得注意的是,軌道方案的每瓦成本是一個涵蓋所有項目的總體數字,而地面方案的數字則主要是基礎設施的資本支出(Capex),這讓軌道方案面臨的挑戰顯得更加嚴峻。

軌道太陽能的成本大約是地面方案的3倍
這張圖在比「同樣5年、同樣1GW」的兩種供電路線要花多少錢,以及每提供1瓦功率要付多少成本。
圖/ Andrew McCalip

這不是微小的差距, 軌道方案成本是地面方案的三倍有餘 ,主因在於把大量設備送上軌道需要付出龐大的發射費用,衛星本體與研發/替換也很貴;地面則受惠於成熟的土建、電力與冷卻供應鏈。

McCalip 形容這種經濟學是「野蠻的」(savage)。數據表明,儘管在物理上或許能將資料中心送上天,但在經濟學上是一場極其艱難的戰鬥。

第二關:跨越「利潤疊加」的死亡之谷

為什麼成本差距如此之大?模型揭示了一個關鍵的結構性問題:利潤疊加(margin stack)與質量稅(mass tax)。

McCalip 的結論是:垂直整合是唯一生路。如果一家公司需要向供應商採購火箭發射服務、衛星平台、電力硬體、部署服務,那麼在供應鏈的每一個環節,都會被疊加上一層利潤。

更致命的是,每一克額外的質量,都會被火箭發射成本成倍放大。這兩者疊加,會讓利潤被「活活吃掉」(eat you alive)。其中「質量稅」的懲罰尤為嚴苛:從處理器到螺絲釘,每一公克硬體的成本,都將被每公斤 $500 的發射價格成倍放大。

編按:「質量稅」其實是一種比喻性說法。McCalip 的意思是,火箭發射主要以「每公斤到指定軌道的價格」或「整枚火箭的固定任務價格」計價;所謂質量稅就是所有要上天的硬體重量都要乘上一個美元/公斤的發射費,因為重量會把成本線性放大。

因此他強調,在太空這盤棋局裡,垂直整合不是什麼「護城河」,而是「入場券」。

基於這個嚴苛的條件,McCalip 認為放眼全球,有能力挑戰這條路徑的公司屈指可數,甚至可以說「基本上只有一個」, 就是馬斯克主持的SpaceX 。只有能夠同時控制發射成本、衛星製造與部署的巨頭,才有可能在這場遊戲中倖存。

Elon Musk
McCalip 認為放眼全球,有能力挑戰「軌道運算」商模的公司,只有馬斯克主持的SpaceX。
圖/ shutterstock

第三關:散熱在太空環境是大問題

McCalip強調即便解決了經濟學和供應鏈問題,軌道運算還有一個終極的物理約束在等待著,就是熱力學。

地球上的資料中心依賴對流散熱,將廢熱排入大氣或水中。但在真空的太空中,唯一的散熱方式是熱輻射。這意味著工程上的核心挑戰,是確保晶片的矽接面溫度(silicon junction temperatures)始終低於 85°C 至 100°C 的安全上限,也意味著散熱器本身的表面溫度必須維持在 75°C 左右。

這催生了所謂的**「雙面架構」(bifacial architecture)**,正面是光伏電池板,背面就是散熱器。然而,這帶來了一個根本性的矛盾:更高的算力需要更大的太陽能板面積來供電,但更大的面積會吸收更多的太陽熱量。這些熱量,連同 GPU 產生的廢熱,都必須通過有限的表面積輻射出去。如果不能高效地將熱量排出去,系統就會失靈。也因此熱管理才會是軌道計算中最根本、最棘手的工程挑戰。

「終端線軌道」上衛星雙面陣列的平衡溫度
左邊是進來的能量:太陽照射約 4391 MW,加上少量紅外線 40.5 MW,以及循環熱(把電轉成熱再帶到面板)1380 MW。中間的盒子代表雙面板系統:A 面是發電用的光伏陣列(吸收係數高、也會放熱),B 面是專門當散熱器。右邊是出去的能量:A 面以輻射方式放掉約 2823 MW,B 面再放掉 2989 MW,同時產出 1380 MW 的電力給 GPU。進出相加後剛好平衡,因此系統在真空中靠「輻射散熱」達到穩態,溫度落在約 63°C。
圖/ Andrew McCalip

儘管設下了這三道幾乎無法逾越的關卡,McCalip 本人卻對這個方向的未來趨勢,保持著一種審慎的「正面」態度。

算力只是藉口,星辰大海才是真目的

從純粹的短期單位經濟效益來看,在軌道上運行 GPU 可能是一項平庸甚至糟糕的資本運用。正如 McCalip 所言,一個建在奧勒岡州、享受著廉價電力與冷卻資源的地面資料中心,是難以擊敗的。然而,偉大的基礎設施在建設之初,其直接回報往往並不誘人,但其「二階效應」(second-order effects)卻是無價的。

McCalip 認為,如果人類真的能夠在軌道上實現能源生產和工業化運營,那麼其收益將遠遠不止是運行一些 GPU。這是在為人類文明的持續擴張,搭建必要的「鷹架」(scaffolding)。AI 對算力的無盡渴求,恰好為這個宏偉的工程提供了一個商業藉口,催生出一個正向的「飛輪」(flywheel):軌道上廉價、充沛的電力將成為一種新的「工業基元」(industrial primitive),其潛在應用將遠遠超出運行 GPU 本身。

我們可以將其理解為一個精妙的類比:用AI對算力的渴求,來支付人類文明走出地球的「基礎設施建設費」。

正是基於這種更宏大的敘事,McCalip 呼籲,我們應該積極地「慫恿億萬富翁去資助那些非理性、高風險,但可能真正推動文明進步的項目」。他將這種投入與購買超級遊艇、沉迷於奢侈品等「地位角色扮演」(status cosplay)進行對比。在他看來,後者不過是財富的虛無燃燒,而前者才是財富最榮耀的歸宿。

亦即,燒掉萬貫家財點亮一角未來,是這個時代的億萬富翁最體面的終局。

最終,我們回到了文章開頭的問題。McCalip 的結論既非盲目樂觀,也非全然悲觀。他的工作,不是要給太空計算的夢想判死刑,而是用嚴謹的數學為這個夢想探路,將對話從「氛圍」(vibes)拉回到可驗證的「現實」(reality)。

延伸閱讀: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?
馬斯克SpaceX點燃太空革命!低軌道為何是新競技場?3張圖看懂太空商業

資料來源:Andrew McCalip

本文初稿為AI編撰,整理.編輯/ 李先泰

往下滑看下一篇文章
免費下載「會議紀錄整理師」!逐字稿丟給AI,自動抓決議跟待辦,支援ChatGPT與Claude
免費下載「會議紀錄整理師」!逐字稿丟給AI,自動抓決議跟待辦,支援ChatGPT與Claude

在某個大雨滂沱的晚上,超級感謝有 7 位一天一 AI 的讀者來體驗我做的「會議紀錄整理師」AI 工作流。現在,我要把它免費開放給你用了!

今天來跟你分享,一天一AI PRO 設計出的 AI 工作流,到底可以幹嘛,並且讓你試用看看。

首發就是「會議紀錄整理師」,這是我自己最常用的工作流之一。有了它,會議上我都可以集中精神發表意見,之後 AI 再幫我統整即可!

除了省時省力、釐清待辦,我還多做了一點巧思:區分出討論項目與決議。那些會議上討論過的,但根本沒結論的事情,我請 AI 幫忙抓出來。

這個工作流可以到一天一AI PRO 的官網下載,裝進你的 ChatGPT 和 Claude。具體怎麼做?往下看圖卡吧。

還想看哪些內容?歡迎點此連結跟我分享~

AI會議紀錄怎麼做?「會議紀錄整理師」自動整理逐字稿

會議紀錄整理師是什麼?

每次會議我會取得同意後錄音,一結束就把逐字稿丟給 AI,呼叫「會議紀錄整理師」技能來做紀錄。逐字稿的錯字多、內容散亂、缺乏說話者資訊,通通沒關係,這個技能可以通過一串設計好的流程,區分是哪種會議(進度追蹤、規劃討論、解題決策)來決定紀錄的重點,最後產出會議紀錄通知信+留存版的完整紀錄文件。

AI整理會議紀錄最大亮點:自動區分討論、決議與待辦

最有感的亮點:區分出討論項目與決議

看完「會議紀錄整理師」整理的紀錄,第一印象一定是「很清楚、有結構」。但細看會發現,它除了幫你列清楚待辦事項,也會提醒你會議缺失的資訊,例如沒指定負責人、沒確定截止日期、哪些是拍板的決定、哪些決議沒討論完、哪些人的意見有衝突。

同件事反覆討論怎麼整理?AI只抓最後拍板結論

結論回掃:同件事來回討論,AI 只認最後的拍板

開會常常一個議題反覆討論,前面說「先用 A 方案」,後面又改口「還是 B 好」。一般 AI 整理會把兩個都列出來,會搞不清楚到底選了哪個。「會議紀錄整理師」有「結論回掃」機制:以最後一次明確確認為準,早期被推翻的版本會被歸類到「否決了什麼」,不會讓過時的決策混淆你。

與會者有誰?例行會議可以沿用團隊設定

與會者有誰?例行會議可以沿用設定

第一次使用,直接貼逐字稿就能跑。AI 遇到不認識的人名或職稱,會在結尾列出來問你:「這位是誰、負責什麼?要不要記下來?」你回覆後,它就建立你的團隊記憶檔。下次再開相同主題的會議會自動沿用,提高會議紀錄裡名字、職稱、待辦事項隸屬的正確性。

ChatGPT、Claude怎麼安裝「會議紀錄整理師」?

下載後怎麼用?

註冊登入一天一AI PRO 官方網站,找到「會議紀錄整理師」的立即下載按鈕,下載 zip 檔。Claude 網頁版的用戶,從Setting→Skills→右上方Add選擇→Upload skill→上傳 zip 檔。ChatGPT 網頁版的用戶要是付費版:開一個新對話→選擇「工作」標籤→在對話框上傳 zip 檔→輸入「幫我安裝到個人雲端技能」。完成設定後,重整頁面、開新對話,在對話框輸入「/」或是「@」輸入「會議紀錄整理師」就能把技能呼叫出來,再把會議逐字稿貼給它就行了。

AI會議紀錄還能怎麼用?散會前確認、累積成專案進度報告

散會前就做紀錄、同專案紀錄能做成進度報告

我在每個會議結束前,都會速跑紀錄,現場確認與會者的理解都一致。同一個專案的會議紀錄累積起來,還可以變成專案進度簡報給主管看:這個月做了哪些決策、還有哪些待辦沒完成、風險有沒有被處理掉。

訂閱《一天一AI》日報,每天跟你分享超實用的AI小技巧!

延伸閱讀:
一天一AI PRO上線!6組專家工作流,讓ChatGPT、Claude不再每次從頭教

AI又唱反調?每月10分鐘做記憶健檢,4招讓ChatGPT、Claude認得現在的你

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
一次搞懂工業AI
© 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