太空AI開始上軌道，Alphabet與Rocket Lab誰先把故事變營收？

 

Alphabet把TPU送上SpaceX火箭，太空AI開始進入實測

Alphabet(GOOGL)把自家TPU送上SpaceX火箭，做的是太空AI運算的原型測試。這次任務屬於內部的「Project Suncatcher」，重點放在低軌環境下的穩定性、能耗與長時間運行表現。

Alphabet選的是SpaceX的Transporter-18任務，由Planet Labs打造的太陽能衛星承載測試晶片。這顆原型衛星要面對高輻射、極端溫差與真空環境，檢驗TPU能否在太空持續工作。Alphabet的構想很直接：用太陽能驅動一套可擴展的在軌AI運算平台，把部分訓練與推論搬到軌道上完成。

Alphabet的說法指出，低軌衛星幾乎能享有接近持續的日照，太陽能發電效率理論上可達地面八倍。這個條件讓太空資料中心具備吸引力，因為它同時避開地面土地、機房耗電與碳排壓力。對AI基礎建設來說，這是一條很有想像空間的新路徑。

 

SpaceX與Alphabet把算力往太空推，技術門檻仍然很高

SpaceX長期看好太空資料中心，Elon Musk多次提到未來在太空建構資料中心，可能是成本與效率都更划算的AI訓練方式。Gwynne Shotwell也預估，公司會在2027年前部署「supercompute in space」，由衛星搭載高階GPU與大型太陽能陣列，提供雲端級別算力。

市場願意把這件事當成新一輪基礎建設題材來看，原因也很清楚：地球上的算力需求還在往上走，地面資料中心的土地與電力卻愈來愈緊。問題在於，軌道資料中心距離商業化還有多道門檻。

首先是發射成本與載重限制。就算SpaceX已用可重複使用火箭壓低單次發射費用，要把超級電腦等級的硬體、冷卻系統與備援電源送上軌道，仍需要大量發射次數。其次是太空環境本身的難度，晶片設計、散熱機構與防護材料都要重新做。再來是太空垃圾與碰撞風險，低軌已經壅塞，若再加入大量算力衛星，監管與責任歸屬都會變得更複雜。

這也解釋了為什麼目前看到的是測試，而不是大規模商轉。Alphabet與SpaceX把概念往前推了一步，但商業模式、技術可靠性與法規框架，還需要時間驗證。

 

Rocket Lab拿下百趟以上訂單，商業太空先看到現金流

另一條更接近現金流的線，落在Rocket Lab(RKLB)。Citi新啟動研究給了Rocket Lab「Buy」評級，分析師John Godyn直接把它形容成space bulls的核心持股。這家公司吸引市場的地方，在於它不只做Electron小型火箭發射，還往航太零組件、衛星平台與地面發射設施延伸。

最新的Synspective合約很有代表性。這家東京地球觀測公司一次預訂20次Electron發射，將StriX合成孔徑雷達(SAR)衛星送入太陽同步軌道，時程從2028年延續到2031年。加上既有訂單，Synspective累計預訂Electron任務已達47次，成為Rocket Lab最大的單一客戶。

Rocket Lab同時表示，今年以來累積的多項多發射合約，讓發射訂單backlog突破100趟。這代表它的Electron業務有多年期收入可見度，也替更大型可重複使用火箭Neutron的開發提供支撐。對資本市場來說，這種可追蹤的訂單，比太空算力概念更容易被定價。

 

太空與AI的交會，故事品質與執行力會同時被檢驗

Alphabet的Project Suncatcher，和Rocket Lab的訂單累積，構成太空產業兩條不同層次的成長線。前者是高研發、高風險、但若成功就可能改寫AI基礎設施版圖的長線構想；後者是已經有實收訂單、靠發射與零組件建立收入能見度的商業供應鏈。

這兩條線都受惠於同一個大趨勢：地球上的算力承載空間越來越貴，企業開始找新的位置放伺服器與運算能力。只是市場在追逐這類新題材時，通常會先把想像拉得很滿，真正要看的還是執行。

對Alphabet來說，接下來要看的是TPU在軌道環境中的穩定表現，以及太陽能、散熱與通訊架構能否形成可複製模式。對Rocket Lab來說，關鍵則在於發射成功率、訂單能否延續，以及Neutron能否按進度推進。太空與AI的結合已經進入資本市場視野，後面的分野會落在技術驗證、成本下降與商業化速度。