前共享电滑板车品牌Spin联合创始人Euwyn Poon近日为其新创办的太空基建公司Orbital完成500万美元天使轮融资，计划未来8年内部署10000个近地轨道太空数据中心，针对性解决当前AI大模型训练、推理场景下地面算力供给不足、能耗成本过高的行业痛点。
2026年以来，大语言模型参数规模已普遍突破万亿级，单模型单次训练的算力需求较3年前上涨了12倍，地面数据中心的供电、散热、土地占用问题已经成为制约AI行业发展的核心瓶颈，不少创业者开始把目光投向近地轨道空间。
作为共享出行品牌Spin的联合创始人，Euwyn Poon曾主导搭建了覆盖17个国家、25万辆共享电滑板车的运营网络，在智能硬件大规模量产、分布式节点部署领域积累了丰富经验。此次创办Orbital布局太空数据中心，正是他看到AI算力爆发下地面基础设施的供给短板：当前地面智算中心平均PUE值（电源使用效率）普遍在1.2以上，散热能耗占总运营成本的40%，而近地轨道零下200℃的天然低温环境，可将数据中心散热能耗降至接近0，结合太阳能供电可完全摆脱对地面能源、土地资源的依赖。
本次披露的500万美元融资将主要用于首台验证性数据中心节点的研发与发射测试，预计2027年第四季度完成首次入轨验证。
当前AI算力供给的紧张局势已经传导到整个行业：头部云厂商的高端算力实例溢价已经超过300%，部分大模型企业的算力排队周期长达6个月，而太空数据中心的商业化落地有望打破这一困局。据Orbital公开的测算数据，其计划部署的10000个近地轨道数据中心节点全部投产后，总算力规模相当于15个国内目前最大的单体智算中心，可同时支撑200个千亿级参数大模型的训练需求，单位算力成本仅为地面智算中心的40%。
同时，近地轨道20-50毫秒的传输延迟，也足以满足AI实时推理、自动驾驶云边协同等场景的性能要求。
尽管太空算力的想象空间巨大，但行业距离规模化落地仍然存在多个待突破的瓶颈。首先是星间通信的稳定性问题，要实现AI大模型训练所需的高带宽低丢包率传输，现有星间激光通信技术的性能还需要提升30%以上；其次是空间碎片的规避、节点运维成本的控制，以及跨国数据传输的监管合规问题，都是Orbital等太空算力企业需要解决的核心问题。目前Orbital已经与两家商业卫星通信企业达成技术合作，正在加速相关技术的验证落地。
从行业发展趋势来看，随着AI大模型参数规模的持续扩张，全球算力需求预计将在2030年突破当前供给量的5倍，太空算力作为完全脱离地面资源限制的新型算力供给方式，很可能成为未来AI基础设施的重要组成部分，甚至在部分特定场景中实现对地面算力的替代。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号