一句话定义
Project Suncatcher 是 Google 提出的一个研究性设想：把自家的 AI 加速芯片（TPU）装到卫星上，靠近乎不落的太阳供电，靠星间激光把一批卫星连成一张"天上的算力网"，让部分 AI 计算在天上完成。它是研究项目，不是已经上线的产品。
为什么会有这个念头
地面数据中心越来越像一座开在闹市里的工厂：要买地、要接电、要喝大量冷却水、还要养一支运维团队。而近地轨道恰好把这些约束反过来——在特定的太阳同步轨道上，卫星几乎一直晒得到太阳，电近乎"免费"；散热不用水，直接把热量以红外辐射的形式射向深空。
打个比方：地面机房是租写字楼，房租、水电、物业费一样不少；太空算力像是把服务器搬到无人区的太阳能营地，阳光管够，但营地泡在真空里，机器发热只能靠"朝天空发光"散掉，没有空气帮你吹。
真正难的地方
- 星间激光互联：卫星各自以每秒数公里的速度飞行，要维持高速光链路，就得像战斗机编队一样飞得极近、相对位置抖动极小。链路一断，分布式训练的通信就断了。
- 供电与散热：太阳能板面积、电池重量、散热板面积三者互相挤压。真空里没有对流，散热效率差，热量容易积压。
- 辐射：高能粒子会让芯片位翻转，甚至造成永久损伤，需要在芯片架构和软件层面做容错。
- 维护：服务器坏了没法换硬盘，只能软件屏蔽或整星报废。
- 发射成本：只有当每公斤入轨成本比现在低一个数量级，"天上算"才可能算得过账。
和相邻概念的区别
| 概念 | 算力在哪 | 主要目的 |
|---|---|---|
| 传统通信/遥感卫星 | 地面 | 把数据搬回地面再算 |
| 地面数据中心 | 地面 | 通用算力，时延低、可维护 |
| 边缘计算 | 靠近用户 | 降低时延 |
| 轨道数据中心 | 天上 | 换一种方式解决电力和场地 |
关键差别在于：边缘计算是把算力拉近用户，太空算力其实是把算力推得很远。它换来的不是时延，而是能源和场地。所以对延迟敏感的任务不会上去，适合的是能容忍往返几百毫秒的批量化训练或推理。
对从业者意味着什么
短期看，它不影响你今天的训练脚本和推理服务；落地时间、规模、成本都要以官方页面为准。但它提示了一件事：AI 的瓶颈正在从芯片转向电力和散热，而"把负载搬到能源旁边"是一个正被认真讨论的方向。对做基础设施的人来说，值得盯住三点——辐射容错、断链情况下的分布式训练容错、以及单位算力成本，这些是决定它能否从论文走进现实的门槛。