啟發日記D281『太空 AI 資料中心』

親愛的，你今天過得好嗎？ 今天想和你分享的啟發關鍵詞是： 「太空 AI 資料中心」。 如果有人告訴你： 未來，AI 資料中心可能會蓋在太空。 你的第一個反應是什麼？ 多數人的第一句話都是：「那一定很貴吧！」 可是，有趣的是： 我們真的算過嗎？ 我們真的知道怎麼樣算「貴」嗎？ 近幾年，AI 的快速發展， 讓全球掀起一波資料中心建設熱潮。 很多人以為，AI 最大的成本是晶片。 但當資料中心愈蓋愈大， 真正困擾企業的，反而是另外兩件事： 電力與散熱。 一座大型 AI 資料中心， 需要源源不絕的電力， 也需要大量冷卻系統。 以 Google 為例， 2023 年資料中心一年 就消耗了約 290 億公升淡水， 其中近八成還是飲用級水源。 除此之外，還要面對土地取得、 電網擴建、環境評估， 以及地方居民對能源與用水的疑慮。 正因如此，一些公司開始提出一個朝向地球之外的想法， 如果，把資料中心搬到太空呢？ 在近地軌道，有幾乎取之不盡的太陽能， 不需要重新建設電網， 也不用水冷， 而是利用熱輻射器直接把熱散到太空。 原本像科幻小說的情節， 如今已經成為一些企業認真評估的方案。 親看到這裡，除了太空資料中心 最後會不會成功之外， 還有另一個問題也值得我們思考： 工程師們，到底是怎麼思考這件事的？ 美國商業航太工程師 Andrew McCalip， 並沒有急著回答：「值不值得？」 於是，他換了一個問題： 「到底有哪些因素，真正決定了太空資料中心的成本？」 這一問，整件事情忽然就變得不一樣了。 因為，他嘗試在找答案之前， 先建立一個「模型」。 愛模型，其實就是一種理解世界的方法。 它不可能把所有細節都放進來， 卻能抓住最重要的因素。 McCalip 認為，影響太空資料中心成本的核心， 可以先濃縮成三個變數。 第一，是「發射成本」。 每把一公斤設備送上太空，需要多少費用？ 如果火箭可以重複使用更多次，成本就下降。 第二，是「功率重量比」。 真正想回答的是： 每增加一公斤重量， 到底能換來多少電力？ 因為衛星不是只有 AI 晶片， 還有太陽能板、散熱器、電池、結構、通訊設備…… 每增加一公斤， 都需要花錢送上太空。 因此，如果同樣重量可以產生更多電力， 代表效率提高，整個系統的成本自然下降。 第三，是「衛星成本」。 這裡比較的，也不是一顆衛星多少錢， 而是把造價換算成： 每一瓦發電能力需要多少建造成本。 如此一來， 不同大小、不同世代的衛星， 就能放在同一個標準裡比較。 的這三個變數有一個共同特色： 它們都不是固定的。 火箭技術會進步。 太陽能板效率會提升。 衛星製造成本也可能下降。 所以，McCalip 並不是在計算一個 永遠正確的答案。 他是在建立一個 可以隨著科技進步不斷更新的模型。 只要其中任何一個變數改變， 最後的結果就會重新計算。 按照他的估算， 在特定的技術假設下： 一座 1 吉瓦的太空 AI 資料中心， 五年的總成本約為 511 億美元； 他再用同樣方式估算地面資料中心， 結果約是 159 億美元。 很多人看到這裡， 可能立刻下結論： 「果然，還是地面比較便宜。」 但我們可以學習的， 不只是這個數字， 而是這個數字「怎麼來的」。 他不是只比較火箭， 也不是只比較電費， 而是把土地、電網、輸配電、水資源、冷卻、環評， 以及衛星、發射、能源…… 全部放進同一個模型。 最後比較的， 不是某一筆成本， 而是整個系統的「總成本」。 這也是模型最重要的價值： 或許這個模型也不保證答案永遠正確， 卻讓每一個假設、每一個變數， 都攤開在陽光下。 當有人提出新的證據， 我們不是推翻一切，而是繼續往下更新。 ，或許，這也是閱讀真正迷人的地方。 一本好書、一篇文章、一場演講， 甚至一次聊天， 最珍貴的， 常常不是帶來一個新的答案， 而是帶來一個新的「模型」。 有人教我們用歷史思考， 有人教我們用機率思考， 有人教我們用經濟學思考， 有人教我們用工程的方法， 把複雜的事情拆成 幾個可以分析的變數。 不是每個人得到相同的結論， 而是我們因此多學會了一種理解世界的方法。 以後，當我們再次面對一個 陌生而複雜的問題， 也許就不會急著問： 「答案是什麼？」 而是先問： 「可以用什麼模型或角度來理解它？」 你親愛的你呢？ 最近，有沒有一本書、 一場演講，或是一位朋友， 讓你驚訝地發現： 哇，原來世界還可以這樣理解。 期待聽聽你的分享。 祝願我們都能在閱讀與交流中， 不只是累積更多知識， 也慢慢累積更多 理解世界的模型。 借用另一個人的模型或視角， 來重新理解這個世界。 ——企鵝不捨小書房 -- Hosting provided by SoundOn