Meta將在太空部署「太陽能衛星」陣列，從軌道為AI資料中心供電|數位時代 BusinessNext

科幻成真？Meta將在太空部署「太陽能衛星」陣列，從軌道為AI資料中心供電

Meta計畫在距離地球約35,400公里的地球同步軌道，部署太陽能收集衛星，並將收集到的太陽能透過光束傳送回地球，藉此穩定提供AI資料中心的運算電力。

太空太陽能解決「看天吃飯」的間歇性瓶頸

目前微軟、Google 與 Meta 雖然皆大舉投資太陽能、風能與核能等綠電設施，但傳統綠能始終難以擺脫「間歇性」的致命缺陷。地表太陽能農場只有在白天能發電，風力發電則高度依賴氣候條件；然而，AI 伺服器卻是全天候 24 小時高效運轉的怪獸，即使採用大型儲能系統也難以彌補其龐大的基礎需求。

Meta 提出的「軌道到電網」（Orbit-to-grid）概念，直接將太陽能發電陣列搬到了「太陽永遠不會下山」的太空中。衛星將不受天氣或日夜交替的影響，持續收集太陽能，並將能量轉換為低強度的近紅外線，精準發射至地球表面的接收器。接收器再將光能轉換回電能，直接併入現有的電網系統。

這項計畫的優勢在於，現有那些「夜間無法發電」的傳統太陽能發電廠，未來可能可以直接作為接收站，讓這些設施能全天候發電。不過，由於近紅外線雷射無法穿透厚重雲層，Overview 計劃透過建立多個分散的接收站網絡來降低此天氣風險。

結合長效儲能，確保 AI 算力不中斷

除了發電問題外，Meta 也同步解決「儲電」的難題。目前的鋰電池雖然適合短期調度，但無法負擔長達數天的連續供電。透過與 Noon Energy 的合作，Meta 將導入可逆式固態氧化物燃料電池技術，以碳與氧作為儲能介質，能提供超過 100 小時的超長效電力支援。

這項儲能計畫預計在 2028 年啟動 25 MW / 2.5 GWh 的初步測試階段，確保未來即使電網面臨供電低谷，依然能維持龐大 AI 算力的穩定運轉。

2030 商業化挑戰與未來展望

雖然「太空太陽能」的構想已存在數十年，但至今從未實現過大規模商業化應用。Meta 預計於 2028 年進行首次低地球軌道（LEO）驗證測試，若一切順利，預估將在 2030 年於地球同步軌道（GEO）展開正式商業運轉。

隨著 AI 資料中心興建計畫已經在美國各地引發電力排擠與房地產延遲等爭議，科技巨頭已別無選擇。Meta 近期除了這項驚人的太空計畫外，也以實現總計 30 GW 的再生能源容量為目標，2025 年更名列全球最大企業清潔能源採購方，並投入地熱與核能開發。這場由 AI 引發的能源戰爭，已經正式從地球表面延燒至外太空，未來哪家企業能掌握最穩定、成本最低的能源，就將主宰下個世代的科技霸權。

本文授權轉載自T客邦

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。