Calcolo AI oltre i data center: opportunità orbitanti e vincoli di scala

Google ha acceso una Tensor Processing Unit in orbita, a bordo di un satellite Planet Labs lanciato da SpaceX. È il primo collaudo di un chip di Google fuori dall’atmosfera, parte di Project Suncatcher. Tesi: il calcolo si spinge ai margini, ma resta legato a costi per megawatt, budget energetici e memoria disponibili a terra.

TPU nello spazio, non per spettacolo

Travis Beals, a capo di Suncatcher, spiega che i test a terra non bastano. Serve la verifica in condizioni di volo. Planet Labs ha adattato una piattaforma commerciale per far girare ripetutamente modelli e misurare errori o instabilità introdotti dallo spazio. Obiettivo: valutare tolleranza e affidabilità, non la massima prestazione.

Nello stesso lancio sale anche Satlyt. L’azienda, con sedi a Sunnyvale e Nairobi, porta software per inferenza e orchestrazione a bordo, senza costruire satelliti propri. Ha chiuso un seed da 8 milioni di dollari. Il fondatore, Rama Afullo, racconta di aver proposto la stessa idea a SpaceX e a Google ricevendo un “no”, e oggi trova più apertura del settore. Sullo stesso razzo, quindi, Google prova un acceleratore nel vuoto e una startup testa lo stack per distribuire carichi in orbita.

Vincoli orbitanti: 1 kW, finestre brevi, robustezza prima di tutto

Il profilo operativo è stretto. La TPU assorbe circa 1 kW continuo. Per non stressare alimentazione e termica, Google la avvierà in burst di 15 minuti. È calcolo intermittente, non base load. La metrica principale è la resilienza del sistema in un ambiente ostile, non il throughput sostenuto.

Scelta coerente anche la piattaforma: un bus commerciale adattato, non un veicolo costruito ad hoc per potenza. Prossimo passo già in agenda: due satelliti in volo il prossimo anno proveranno a collaborare tramite un collegamento laser. Segnale di interesse per architetture distribuite in orbita, legate da un canale ottico tra nodi.

Terra: il conto si fa a megawatt

NVIDIA dà una soglia chiara: 60 milioni di dollari per ogni megawatt di “AI factory”. Ha senso investire a quella scala solo con visibilità su ricavi futuri. Se i token generati non trovano acquirenti, l’impianto non remunera i capitali. La pianificazione si fa in MW, persino in GW. L’impegno cresce con la scala e va sostenuto nel tempo.

La tesi economica poggia su tre leve: earning capacity, useful life, demand. Tradotte: quanto puoi incassare se vendi tutti i token prodotti; per quanti anni l’hardware resta utile a generare ricavi; quanta domanda effettiva esiste per quei token. Le leve interagiscono. Un impianto che esegue più tipi di workload incontra più domanda e rimane produttivo più a lungo. Obiettivo di progetto: aumentare throughput per MW, abbassare il costo per token, ampliare la varietà di carichi servibili.

Il confronto con l’orbita è netto. A terra si cerca carico continuo e scala elettrica; in orbita si accetta potenza limitata e finestre brevi per testarne la stabilità. Non è una gara di potenza, ma di vincoli operativi.

La memoria come collo di bottiglia

C’è un limite trasversale: la memoria ad alta banda. Il CEO di Micron, Sanjay Mehrotra, prevede domanda superiore all’offerta fino al 2028. Il riferimento non è il retail. Micron si concentra sul business-to-business: HBM per l’intelligenza artificiale e DRAM per server.

Mehrotra indica due freni. Il ramp-up degli impianti procede gradualmente. In parallelo, il mix si sposta verso HBM più avanzata. Il passaggio da 3E a una quota maggiore di 4 e 4E, unito al trade ratio corrente, frena i volumi disponibili. Le fabbriche privilegiano HBM e DRAM per server, sottraendo capacità ai prodotti consumer. Anche nuovi investimenti in clean room verso il 2028, da soli, non risolvono nel breve. Chi progetta infrastrutture AI deve quindi pianificare con HBM contesa e tempi di consegna più lunghi.

Fili che si intrecciano: dove fare cosa, e perché

Messe insieme, queste linee definiscono il perimetro delle scelte. Sulla Terra conta l’economia di scala: 60 milioni per MW, impianti progettati per carichi diversi, tre leve da massimizzare per sostenere l’investimento. In orbita contano fisica e logistica: circa 1 kW disponibile, burst di 15 minuti, test ripetuti per scovare errori indotti dall’ambiente. In mezzo c’è la scarsità di memoria, con HBM e DRAM server sotto pressione fino al 2028.

La decisione per chi guida infrastrutture non è “dove c’è più potenza”, ma “dove si regge il modello economico e dove serve avvicinare il calcolo alla fonte”. L’AI factory terrestre punta a base load e costo per token in calo, sostenuta da domanda ampia. L’orbita serve casi in cui ridurre latenza e banda di downlink conta più del throughput continuo. Qui l’obiettivo è dimostrare affidabilità del calcolo a bordo e, in prospettiva, coordinamento tra nodi.

Regola pratica in tre punti:

• Validare il caso d’uso sulle leve NVIDIA: earning capacity, useful life, demand. Senza vendite prevedibili dei token, la scala in MW non sta in piedi.
• Ancorare i piani alla disponibilità di memoria: HBM avanzata cresce per gradi e resta contesa fino al 2028 nel B2B.
• Modellare i vincoli ambientali: in orbita si opera a circa 1 kW con finestre da 15 minuti; la priorità è la robustezza, non il carico continuo.

Implicazione operativa

I segnali convergono su reti di calcolo più articolate. Google e Planet Labs preparano due satelliti che proveranno a collaborare via laser il prossimo anno. Satlyt costruisce software per distribuire carichi tra veicoli in volo. A terra, NVIDIA spinge impianti capaci di servire molteplici workload per allungare vita utile e intercettare più domanda. Se i test di Suncatcher confermeranno stabilità e la memoria resterà tesa fino al 2028, chi investe dovrà orchestrare finestre da 15 minuti sopra di noi e megawatt da 60 milioni sotto i nostri piedi.