AI-modeller og platforme

TPU’en i kredsløb i Project Suncatcher leverer sit første AI-genererede haiku

mm
Føj Unite.AI til dine foretrukne kilder på Google

Google oplyste den 30. oktober 2026, at prototypen på satellitten i Project Suncatcher havde sendt sit første AI-svar fra kredsløb: et haiku genereret af den åbne Gemma 4-model ombord, der kører på en tensorprocessorenhed (TPU) i datacenterklassen.

Travis Beals, seniordirektør for Paradigms of Intelligence hos Google, annoncerede milepælen i et opslag fra Google Research og beskrev den som missionens »Hello World«-milepæl og som det, virksomheden beskrev som det første AI-svar nogensinde fra en TPU i datacenterklassen i kredsløb. Under en kontaktperiode med en jordstation sendte teamet sin første prompt op til satellittens indbyggede Gemma 4-model og bad den om at skrive et haiku om at være i rummet. Da satellitten passerede Svalbard i Norge, bekræftede digtet, der blev sendt ned fra satellitten, at det var lykkedes: »Blå marmor nedenunder / Datastrømme flyder i tavs ynde / Stjernelys nærer min kerne.«

Efter det første output afprøvede teamet limericks med rumtema og telemetriprompter, der rapporterede den tekniske status for nyttelastsystemerne.

Ibrugtagning efter opsendelsen

Satellitten blev opsendt den 1. oktober 2026 som en del af samflyvningsmissionen Transporter-18 med SpaceX og blev bygget i partnerskab med Planet, ifølge Googles meddelelse om opsendelsen. Teamet bekræftede, at det havde fået kontakt med rumfartøjet, og oplyste, at det fungerede som forventet.

I ugerne efter opsendelsen gennemførte teamet en tjekliste for ibrugtagning, der omfattede opstart af værtsenheden og TPU-bakkerne samt vellykkede tidlige maskinlæringstest, skrev Beals. Missionen er ifølge meddelelsen om opsendelsen designet til at indsamle data i kredsløb om, hvordan Googles TPU’er håndterer de fysiske belastninger ved rumflyvning samt rummets ekstreme strålings- og temperaturforhold. En fagfællebedømt artikel med en detaljeret beskrivelse af forskningen bag missionen er nu tilgængelig i tidsskriftet Joule.

En ambitiøs forskningsplan annonceret i 2025

Google annoncerede Project Suncatcher den 4. november 2025 og beskrev det som et langsigtet, ambitiøst forskningsprojekt, der undersøger, om et sammenkoblet netværk af solcelledrevne satellitter udstyret med virksomhedens TPU-AI-chips en dag kan gøre det muligt at skalere maskinlæring i rummet. Virksomhedens indledende forskning, der blev offentliggjort i en preprint-artikel sammen med annonceringen, beskrev dens tilgang til design, styring og kommunikation af satellitkonstellationer samt de første erfaringer fra strålingstest af Googles TPU’er. Planen gik derefter ud på at gennemføre en læringsmission i partnerskab med Planet og opsende to prototypesatellitter inden begyndelsen af 2027 for at teste hardwaren i kredsløb.

I et indlæg om ingeniørarbejdet bag kulisserne, der blev offentliggjort den 24. september 2026, oplyste Google, at satellitter i lavt jordkredsløb kan få adgang til næsten konstant sollys og dermed generere op til otte gange mere solenergi end på Jorden. Virksomheden sagde, at det på sigt kan blive muligt at forbinde flere satellitkonstellationer, så de kan håndtere større AI-arbejdsbelastninger, mens de er i kredsløb.

Test på jorden og milepælen i 2027

Før opsendelsen testede teamet, om hardwaren kunne overleve turen ud i kredsløb. En rakettur til lavt jordkredsløb varer omkring 10 minutter og indebærer vedvarende accelerationsbelastninger på op til 10 gange tyngdekraften; enkelte komponenter som TPU-chipsene kan ifølge ingeniørindlægget blive udsat for kræfter på 50 til 100 g. Teamet gennemførte vibrationstest ved at ryste satellitten kraftigt langs alle tre akser for at efterligne vibrationerne fra en raketopsendelse.

For at teste strålingspåvirkningen afprøvede teamet TPU’er i en protonstrålefacilitet på UC Davis’ Crocker Nuclear Laboratory, mens de kørte AI-arbejdsbelastninger og overvågede, hvordan fejl som bitflip påvirkede dem. Google rapporterede, at de første resultater viste, at virksomhedens Trillium-TPU’er kan modstå en samlet ioniserende strålingsdosis, der er større end den, de ville blive udsat for under en femårig rummission.

Køling er en anden udfordring, som teamet beskrev. TPU’er genererer meget varme på et lille område, og i rummets vakuum er der ingen luftstrøm, så varmen kan kun ledes væk via radiatorer. Teamet arbejder på at kombinere varmerør og radiatorer for at køle chipsene og har indtil videre testet teknologien i et termisk vakuumkammer, der simulerer både rummets temperaturforhold og vakuum.

Fremtidige satellitdesign vil hver omfatte dusinvis af TPU-chips, mens satellitterne kredser om Jorden i klynger og kommunikerer via lasere, der skal fungere med meget høj båndbredde over ekstremt korte afstande. Indlægget sammenligner udfordringen med at rette laseren mod en målskive på størrelse med en mønt flere miles væk, mens begge punkter er i bevægelse. Google planlægger at afprøve dette sammenkoblingsarbejde i 2027, når virksomheden sender to satellitter i kredsløb.

Beals skrev, at teamet som det næste vil gennemføre en række test for at evaluere, hvordan TPU’erne fungerer under termisk belastning og stråling i kredsløb. Google oplyste, at en bekræftelse af, at virksomhedens TPU’er pålideligt kan udføre arbejdsbelastninger i rummet, baner vejen for projektets næste milepæl: to sammenkoblede satellitter i 2027.

Theo Nash er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑infrastruktur, beregning og de hardware‑systemer, der driver moderne kunstig intelligens. Hans arbejde fokuserer på de tekniske grundlag bag store AI‑arbejdsbelastninger, herunder datacentre, acceleratorer, netværk og software‑stakke, der binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøger Theo, hvordan fremskridt inden for GPU’er, specialdesignet silicium, hukommelsesarkitekturer og distribuerede systemer muliggør nye generationer af AI‑modeller. Han lægger særlig vægt på præstationsafvejninger, energieffektivitet, skalerbarhed og de praktiske begrænsninger, der former implementeringen af AI‑infrastruktur i den virkelige verden.

Artikler skrevet af Theo Nash er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hastigt udviklende AI‑beregningslandskab.