# 每公斤500美元的分水岭：Starcloud创始人把太空数据中心讲透了 > Training Data No. 83 中文精读 - 原标题：Greetings, Earthlings: Philip Johnston of Starcloud on Data Centers in Space - 发布日期：2026-03-17 - 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等 - 网页版：https://trainingdata.qiaomu.ai/ep/083-greetings-earthlings-philip-johnston-of-starcloud-on-data-ce-FKHENV.html - 精读字数：约 5095 字（阅读约 11 分钟） > 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 几个月前，一颗叫Starcloud-1的卫星从轨道上给地球发了条消息： > 「地球人，你们好。或者按我更喜欢的说法，一群迷人的蓝色和绿色。」 这颗卫星上装着英伟达H100，是人类第一台进入太空的GPU数据中心。主持人Sonya Huang以为上面只有一块GPU，创始人Philip Johnston当场纠正：是五块，H100只是那个上新闻的。 Johnston做客红杉资本播客Training Data，把这门生意的账从头到尾摊开算了一遍。他的背景有点跨界：在麦肯锡做过几年，服务各国航天机构，注意到发射成本正在快速下降。三年前一个周末，他跑去得州Starbase看SpaceX造星舰，被眼前的规模震住了，规划产能是每天三艘。回来后，他和在英国一起长大的联合创始人Ezra写了份白皮书，公司就此起步。 这个点子的前身是太空太阳能，从阿西莫夫的年代就有人琢磨：在太空铺巨型太阳能板，把电传回地面。问题卡在传输，大部分能量在半路损耗掉。Johnston反过来想了一步：**既然新增的电力最终大多流向数据中心，那把数据中心搬到电源旁边，损耗直接归零。** ## 地球这边的墙 为什么非要上天？他的答案是能源。在北美，新建一个100兆瓦的能源项目，光审批就要五到十年。想用太阳能板铺满10平方公里的乡村，会激怒一大批人。 > 「在地球上搞建设，每多加一个数据中心，边际成本都会上升，因为好建的地方都用完了。在太空，每多一个单元，边际成本都在下降。到了某个交叉点，继续在地球上建就完全没有意义了。」 地面光伏已经是最便宜的能源，成本由三块构成：审批过的土地、电池储能和备用电源、太阳能板本身。到了太空，前两块直接消失，卫星每天24小时晒太阳；第三块打个大折，同样一平方米太阳能板，太空发电量是地面的八倍。太空多出来的成本只有发射一项。 把账算到一起，就有了那个关键数字：**发射成本降到每公斤500美元左右，太空数据中心就和地面打平；土地审批成本还在飞涨，这个平衡点会进一步逼近每公斤1000美元。**Johnston补了一句，哪怕假设土地成本为零，另外两项成本照样存在。所以只要发射成本掉到几百美元一公斤，任何要建数据中心的人，算完账都会选太空。 他给的市场规模判断：十年内，每年接近1万亿美元的资本开支会部署到太空，有史以来最大的市场机会。Pat Grady追问，如果给你1万亿美元去建AGI的算力骨干网，多少投到太空。Johnston的回答是：百分之百，五到十年内，至少一半的新增算力会部署在太空，理由还是能源。 ## 七成工程时间，花在散热上 多数人以为太空冷，散热容易。Johnston解释了这个直觉为什么错得离谱：太空的麻烦在于真空。保温瓶就是靠真空隔热的。在真空里，热量只剩一条出路，红外辐射，而辐射量随温度差的四次方增长，温度抬高一点，散热能力暴涨。所以策略是把散热器烧得越热越好。一种办法是让芯片跑高温，代价是寿命缩短；另一种是用热泵，把芯片出来的60度液体抬到100度，再去喂散热器。 第一颗卫星的做法比较粗暴：整块主板、供电和GPU全部泡在相变材料里，材料受热从固态变液态来吸热。这套系统没法连续运行，纯粹为了验证原理。第二颗才接近最终形态：GPU旁边装定制散热器，液体流过芯片，通到一面巨大的低成本可展开辐射板上。系统已经在热真空舱里测过，今年晚些时候上天验证。 散热吃掉公司大约70%的工程时间，剩下30%花在辐射上。芯片是系统里最贵的部件之一，**只要太空里的芯片故障率比地面高10%，能源上省的钱就全部白费。**团队在诺克斯维尔的质子束加速器做了两轮测试，又在布鲁克海文国家实验室的重离子加速器做了一轮，24小时能模拟五年的辐射剂量，数据用来决定屏蔽方案和软件层的位翻转纠错。 结果比预期好。轨道上的H100至今没出过一次需要重启的芯片故障。Johnston的解释很直观：GPU的工作负载本质上是随机的，你让ChatGPT写一首关于太空的诗，每次给的都不一样，质量却相同。位翻转打在这种负载的大多数位置上，不影响输出质量。**GPU天生抗造，这件事出乎很多人意料。** 面对外界批评，他的回应分两层。散热问题，他认为好解决；很多人算成本时还在用猎鹰9的发射价格，**「如果你不相信发射成本会降，那我们确实是一门烂生意。如果你信，我们可能是有史以来最大的生意。」**他自己认账的硬骨头，只有芯片故障率那一块。 团队配置也值得一看：热系统负责人来自NASA喷气推进实验室，设计过欧罗巴快船任务的全部散热系统，那是NASA史上最大最贵的深空任务；还有亚马逊Kuiper星座的首席热工程师，和一批SpaceX前员工。联合创始人Adi之前就发射过多块GPU，粒子加速器测试是他做熟的活。 ## 从8千瓦到每月数吉瓦 排期是这样的：即将上天的Starcloud-2大约8千瓦。再往后的Starcloud-3是量产型，单颗200千瓦、约3吨，星舰一次能塞50颗，从那道类似糖果分发器的窄门里逐个出货，算下来一次发射就是10兆瓦。星舰进入量产节奏后，他们计划每月发射数百颗，等于每月新增数吉瓦算力，每年几十吉瓦。 这些算力全部用于推理。延迟和星链一样，地面端50毫秒以内。Zoom通话、语音客服、视频生成、ChatGPT，凡是星链上能跑的推理负载都能跑。训练呢？Johnston的态度干脆：训练在终局里占不到全部AI工作负载的1%，不值得追。想在太空训练前沿模型，得对接出地球最大数据中心量级的结构，现在地球最大是300兆瓦，等你能对接300兆瓦了，地球那边可能已经到3吉瓦，目标一直在移动。白皮书里那张卫星对接概念图，更多是防止别人说「你们做不了训练」的防御性姿态。 数据传输曾经是个大问题，两三年前还不是。现在星链已经用激光链路基本解决，亚马逊Leo、Kepler等星座陆续上线，等自家卫星多了还能自建光学回传，这项顾虑可以划掉了。 维护问题初期照抄星链：不做机器人维护，关键系统做冗余，易损件超配。太阳能板每年衰减几个百分点，多装就行。卫星设计寿命五到六年，与芯片同步，退役方式和星链一样，离轨再入。至于机器人，真正的用武之地在月球：给Optimus套一层宇航服就能解决热和辐射问题，去建大型制造设施，甚至用质量投射器把AI卫星直接从月球弹射入轨，这是他看到的最强经济动机。 时间表他也给得具体：星链V3载荷预计今年底或明年初上天，之后12到18个月开始搭载商业载荷，也就是2028年中前后。星舰一旦高频飞行，天平就会倾斜。 ## 当Equinix，别当AWS 商业模式上，Johnston的选择很明确：**Starcloud卖的是一个带电力、散热和联网的盒子，客户往里装自己想装的任何芯片，卖给任何客户。对标Equinix，而SpaceX更像AWS。**他不想自己做云，理由有两条：公司的核心能力是造出能散热、抗辐射的卫星，AWS花20年建的应用层没必要重建；更关键的是系统里最贵的是芯片，让客户出钱买芯片，风险就分出去了，利润率还更高。 早期客户已经就位。头几颗卫星服务其他航天器，尤其是军用、政府和地球观测卫星，Starcloud-1上已经在跑军用负载。这类客户出的GPU时薪大约是地面市场的一千倍，足够公司在星舰就绪前维持运转。星舰要是晚两三年，就多发射几年边缘节点，账算得过来。 为什么卫星需要太空算力？他举了合成孔径雷达卫星的例子：一颗SAR卫星每秒采集5GB数据，射频下行到地面站只有1Gbps，注意一个是字节一个是比特，差着几十倍，所以现在卫星采集的数据九成直接扔掉。未来卫星通过光学终端接入太空传输层，把数据在轨道上直接喂给Starcloud的GPU做推理，比如发来10TB海面数据，在轨找出船只位置。**第一批商业负载，大概率就是太空采集、太空处理的数据。** 硬件清单反而比普通卫星短。星链很大一块成本是相控阵天线，Starcloud用不上。全部家当：太阳能板、辐射板、卫星本体、芯片、小容量缓冲电池、一个反作用轮、两台激光通信终端。因为卫星做得很长，靠地球引力梯度就能自然稳定姿态，一颗反作用轮就够，普通卫星至少要装三个，每个都很重。地面数据中心里的冷水机组、冷却塔、电池备电、交直流转换，全部砍掉。**地面新建数据中心基础设施成本是每兆瓦1500万到2000万美元，Starcloud不到500万。**能源成本上，地面约8美分每千瓦时，他们已签的意向协议是3美分，终局目标低于0.5美分，含发射费。 轨道资源目前先到先得。公司刚向美国FCC申报了一个88000颗卫星的星座。Johnston顺带吐槽，卫星归FCC管是历史遗留，当年卫星只做通信才归它管，如今终局形态连地面站都不需要，理论上可以找全球任何监管机构申报。十年后，最值钱的轨道槽位会被占满，先占的人有权转售。 ## 绕不开的SpaceX 访谈里最微妙的段落在这里。Sonya问他，马斯克也宣布要往太空放大量数据中心算力，你们怎么办。Johnston先夸了一轮合作伙伴：没有SpaceX的拼车发射计划就没有这家公司，SpaceX发射自己的竞争对手，亚马逊Leo星座和OneWeb都靠它发射，专利还开放。然后他承认，**SpaceX拥有发射能力，成本结构一定比Starcloud低，但Starcloud的成本结构低于所有超大规模云厂商。**SpaceX主要服务自家负载，Grok和特斯拉，也没打算开放让第三方装芯片的盒子。 他给超大规模厂商推演了三条路。三年后星舰高频飞行，他们意识到拿不到太空算力就完了。第一，付钱给马斯克买算力，OpenAI、Meta、谷歌、微软大概率不愿意；第二，自己造卫星，谷歌嘴上说在做同类项目，实际是付钱给Planet Labs在2027年做个演示，动作谈不上激进；第三，找市场上最领先的伙伴合作，而那时Starcloud的在轨部署、工程团队和专利都会是最多的。他特意强调，是伙伴关系、客户关系，不一定非要被收购。 至于发射领域的竞争格局，他的判断近乎残酷：**可复用上面级是成本竞争力的门槛。SpaceX之外，Stoke Space在做，Relativity可能考虑，蓝色起源的New Glenn虽没官宣但已开始招热盾工程师，Rocket Lab连试都没试。**可复用上面级研发周期五到十年，SpaceX正在筑成史上最稳固的垄断之一。 安全性质疑他用星链挡了回去：乌克兰军方天天用星链，俄罗斯想打掉它也不是一天两天了。打弗吉尼亚州的一个地面数据中心，比打一个以每小时27000公里速度移动的轨道数据中心容易多了，真动手就是战争行为。至于遮挡星空的担忧，他们的轨道是晨昏太阳同步轨道，飞越两极，永远不会把影子投在地球上，也永远不进地影，只在黎明和黄昏出现在夜空，对天文学的干扰降到最低。 ## 费米悖论，和99.9%的终局 访谈后半段聊到了外星人。Johnston的版本很硬核：银河系4000亿颗恒星，每颗平均10颗行星，就是4万亿颗行星，每颗都有100亿年的宜居窗口。要么我们是极其罕见的奇迹，要么智慧生命本身短命。他押后者，而且认为大过滤器在我们前方：一旦出现超级智能，一百万架杀手AI无人机群毁灭自己和星球用不了多久，而我们正在造这种无人机群。以现有技术，两百万年就能殖民整个银河系，可我们看不到任何戴森球的痕迹。 回到生意，他的终局判断是：500到1000年后，GDP的99.9%会花在推理上，因为我们造的是戴森球，而戴森球几乎就是整个实体经济。主持人Sonya回应，一千年超出了基金的投资周期。 倒是有一个细节比宏大叙事更实用。Johnston在公司Slack上发了条月度提醒：**每个工程师每月不花掉1万美元的token，他不开心。**有员工来问能不能每月花300美元订Grok 4 Heavy，他的回复是：可以。他还分享过一个趣事，融资时问Gemini会投哪家太空数据中心创业公司，答案正是Starcloud，他截图庆祝了半天，又怀疑模型在奉承。 ## 明天就能用的三件事 - **把「边际成本走向」当成判断基础设施生意的第一把尺子。**地球上每多建一个数据中心，成本往上走；太空里每多造一颗卫星，成本往下走。边际成本递减的那一边最终会赢，这个框架可以直接套到你自己的业务上。 - **盯住两个公开信号。**星链V3是否在今年底或明年初上天，以及2028年中前后商业载荷是否开始搭载星舰。前者验证发射成本曲线，后者决定太空数据中心的盈亏平衡点何时到来。 - **学Starcloud的token纪律。**给团队定一个足够高的模型使用预算，鼓励烧到上限。按Johnston的标准，工程师每月1万美元的token支出，是衡量团队是否用尽AI杠杆的硬指标。 发射成本每降一美元，这个故事的确定性就多一分。接下来两三年，看星舰的发射频率就够了。