随着航天公司急于将最先进的芯片送入轨道,如何为这些高功率处理器散热成为首要问题。
英伟达首席执行官黄仁勋在公司最近的财报电话会议上被问及太空数据中心时表示:"太空中很冷……但没有气流,因此唯一的散热方式就是通过传导。"
现在,Sophia Space已从包括Alpha Funds、KDDI Green Partners Fund和Unlock Venture Partners在内的投资者那里筹集了1000万美元。该公司计划首先在地面验证一种新的太空计算机被动散热方法,然后从Apex Space购买卫星平台,并在2027年底或2028年初证明该技术在轨道上的有效性。
SpaceX、谷歌或Starcloud等公司正在为其拟议的太空数据中心星座群研究传统卫星形态,这些设计依赖大型散热器来保持芯片处于最佳热状态。但Sophia Space的创始人——首席技术官Leon Alkalai、首席执行官Rob DeMillo和首席增长官Brian Monnin——采用了不同的方法。
该公司的技术来源不寻常:加州理工学院一个投资1亿美元的项目,该项目旨在开发能够向地球传输电力的轨道太阳能发电站。研究人员最终选择了一种帆状结构,与传统的方盒状卫星相比,这种结构既薄又灵活。
虽然技术和监管挑战使得为地球生产电力变得困难,但加州理工学院管理的喷气推进实验室研究员Alkalai被利用这种设计为太空处理器供电的想法所打动。(太空太阳能发电初创公司Aetherflux也有类似的认识。)
作为英伟达的合作伙伴,Sophia设计了带有集成太阳能电池板的模块化服务器机架,称为TILES,面积为1米×1米,深度几厘米。DeMillo表示,通过采用这种薄型设计,处理器可以贴靠在被动散热器上,消除了主动散热的需求。他预计92%的发电量将用于处理,这比传统设计有显著提升。不过,这种设计需要一个复杂的软件管理系统来平衡各处理器之间的活动。
到2030年代,Sophia希望用数千个TILES构建更大的太空数据中心,设想一个50米×50米的结构提供1兆瓦的计算能力。DeMillo认为,尝试用效率较低的系统建造太空数据中心在经济上不可行,单一结构比通过激光连接的分布式网络更容易实现。
不过,Sophia计划首先向需要在轨计算解决方案的卫星运营商提供其TILES。潜在合作伙伴包括收集大量传感器数据的地球观测卫星、五角大楼投资数十亿美元建造的导弹预警和追踪系统,甚至日益复杂的通信网络。
DeMillo告诉TechCrunch:"卫星行业一个不为人知的秘密是,我们在太空中有所有这些令人惊叹的传感器,每隔几分钟就产生兆兆字节甚至拍字节的数据,但它们丢弃了大部分数据,因为它们无法在板上进行计算,也无法足够快地往返地面。"
Q&A
Q1:Sophia Space的TILES技术是什么?
A:TILES是Sophia Space设计的模块化服务器机架,集成了太阳能电池板,面积为1米×1米,深度几厘米。采用薄型设计,处理器可以贴靠在被动散热器上,消除主动散热需求,预计92%的发电量用于处理。
Q2:太空计算机为什么需要特殊的散热方式?
A:太空中虽然温度很低,但没有气流,唯一的散热方式是通过传导。传统卫星依赖大型散热器来保持芯片处于最佳热状态,而Sophia Space采用被动散热方法,通过薄型设计让处理器贴靠散热器。
Q3:Sophia Space的技术来源于什么项目?
A:该技术来自加州理工学院一个投资1亿美元的轨道太阳能发电站项目。研究人员开发了薄而灵活的帆状结构,与传统方盒状卫星不同,Sophia Space将这种设计用于太空处理器供电和散热。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。