AI-modeller och plattformar

Project Suncatchers kretsande TPU levererar sin första AI-genererade haiku

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Google uppgav den 30 oktober 2026 att dess prototypsatellit Project Suncatcher hade skickat tillbaka sitt första AI-svar från omloppsbana: en haiku som genererats av en inbyggd öppen modell, Gemma 4, som kördes på en Tensor Processing Unit (TPU) av datacenterklass.

Travis Beals, Senior Director för Paradigms of Intelligence på Google, tillkännagav milstolpen i ett inlägg från Google Research. Han beskrev den som uppdragets ”Hello World”-milstolpe och som det företaget beskrev som det första AI-svaret någonsin från en TPU av datacenterklass i omloppsbana. Under en passage över en markstation skickade teamet upp sin första prompt till satellitens inbyggda Gemma 4-modell och bad den generera en haiku om att befinna sig i rymden. När satelliten passerade Svalbard i Norge bekräftade den nedlänkade dikten att försöket hade lyckats: ”Blå marmor där nere / Dataströmmar flyter tyst och stilla / Stjärnljus ger näring åt min kärna.”

Efter det första resultatet testade teamet rymdtematiska limerickar och telemetriprompter som rapporterade nyttolastsystemens tekniska status.

Driftsättning efter uppskjutningen

Satelliten sköts upp den 1 oktober 2026 med SpaceX:s samflygningsuppdrag Transporter-18 och byggdes i samarbete med Planet, enligt Googles tillkännagivande av uppskjutningen. Teamet bekräftade att det hade fått kontakt med rymdfarkosten och uppgav att den fungerade som förväntat.

Under veckorna efter uppskjutningen slutförde teamet en checklista för driftsättningen. Den omfattade bland annat att starta värdenheten och TPU-brickorna samt att framgångsrikt köra de första maskininlärningstesterna, skrev Beals. Enligt tillkännagivandet av uppskjutningen är uppdraget utformat för att samla in data i omloppsbana om hur Googles TPU:er klarar rymdfärdens fysiska påfrestningar samt rymdens extrema strålning och temperaturer. En sakkunniggranskad artikel som beskriver forskningen bakom uppdraget finns nu tillgänglig i tidskriften Joule.

En storsatsning inom forskning tillkännagavs 2025

Google tillkännagav Project Suncatcher den 4 november 2025 och beskrev det som en långsiktig forskningssatsning med höga ambitioner. Den skulle undersöka om ett sammankopplat nätverk av solcellsdrivna satelliter utrustade med företagets TPU-chip för AI en dag skulle kunna skala upp maskininlärning i rymden. Företagets inledande forskning, som publicerades i en förhandsartikel i samband med tillkännagivandet, beskrev dess tillvägagångssätt för utformning, styrning och kommunikation av satellitkonstellationer samt de första insikterna från strålningstester av Googles TPU:er. Planen var därefter att genomföra ett inlärningsuppdrag i samarbete med Planet och skjuta upp två prototypsatelliter senast i början av 2027 för att testa hårdvaran i omloppsbana.

I ett inlägg om ingenjörsarbetet bakom kulisserna, publicerat den 24 september 2026, uppgav Google att satelliter i låg omloppsbana runt jorden kan få tillgång till nästan konstant solljus och därmed generera upp till åtta gånger mer solenergi än på jorden. Företaget uppgav att det så småningom kan bli möjligt att koppla samman flera satellitkonstellationer, så att de kan hantera större AI-arbetsbelastningar i omloppsbana.

Tester på marken och milstolpen 2027

Före uppskjutningen testade teamet om hårdvaran kunde överleva färden till omloppsbana. En raketfärd till låg omloppsbana runt jorden varar omkring 10 minuter och innebär långvariga accelerationsbelastningar på upp till 10 gånger gravitationskraften. Enskilda komponenter, som TPU-chipen, kan utsättas för krafter på 50 till 100 g, enligt ingenjörsinlägget. Teamet genomförde vibrationstester genom att skaka satelliten kraftigt längs alla tre axlarna för att efterlikna vibrationerna vid en raketuppskjutning.

För att testa strålning utsatte teamet TPU:er för en protonstråle vid Crocker Nuclear Laboratory vid UC Davis samtidigt som det körde AI-arbetsbelastningar. Teamet övervakade hur fel, till exempel en bitflipp, skulle påverka arbetsbelastningarna. Google rapporterade att de första resultaten visade att företagets Trillium-TPU:er kan överleva en total joniserande stråldos som är större än den de skulle utsättas för under ett femårigt rymduppdrag.

Kylning är ytterligare en utmaning som teamet beskrev. TPU:er alstrar mycket värme på en liten yta, och eftersom det inte finns något luftflöde i rymdens vakuum kan värmen bara ledas bort med hjälp av radiatorer. Teamet arbetar med en kombination av värmerör och radiatorer för att kyla chipen och har hittills testat tekniken i en termisk vakuumkammare som simulerar både temperaturförhållandena och vakuumet i rymden.

Framtida satellitkonstruktioner skulle var och en bära dussintals TPU-chip och kretsa runt jorden i kluster. De skulle kommunicera via lasrar som måste fungera med mycket hög bandbredd över extremt korta avstånd – en riktiningsutmaning som inlägget jämför med att träffa ett mål stort som ett mynt på flera kilometers avstånd medan båda punkterna är i rörelse. Google planerar att testa denna sammankopplingsteknik 2027, när företaget placerar två satelliter i omloppsbana.

Nästa steg är, skrev Beals, att teamet ska genomföra en serie tester för att utvärdera hur TPU:erna fungerar under termisk belastning och exponering för strålning i omloppsbana. Google uppgav att det faktum att företagets TPU:er på ett tillförlitligt sätt kan utföra arbetsbelastningar i rymden banar väg för projektets nästa milstolpe: två sammankopplade satelliter 2027.

Theo Nash är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker AI‑infrastruktur, beräkning och hårdvarusystemen som driver modern artificiell intelligens. Hans arbete fokuserar på de tekniska grunderna bakom storskaliga AI‑arbetsbelastningar, inklusive datacenter, acceleratorer, nätverk och mjukvarustacken som binder dem samman.

Med ett analytiskt och ingenjörsdrivet perspektiv granskar Theo hur framsteg inom GPU:er, skräddarsytt kisel, minnesarkitekturer och distribuerade system möjliggör nya generationer av AI‑modeller. Han ägnar särskild uppmärksamhet åt prestandakompromisser, energieffektivitet, skalbarhet och de praktiska begränsningarna som formar verklig implementering av AI‑infrastruktur.

Artiklar skrivna av Theo Nash är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa teknisk noggrannhet, tydlighet och ansvarsfull täckning av det snabbt föränderliga AI‑beräkningslandskapet.