تصور کنید دیتاسنترهایی که دیگر با کمبود برق یا محدودیتهای محیطزیستی زمین دستوپنجه نرم نمیکنند. اکنون مدار زمین پایین (Low Earth Orbit) از یک محیط علمی به قلمرو اقتصادی برای قدرتمندترین بازیگران هوش مصنوعی تبدیل شده است.
به نقل از تحلیل فنی The Sequence، کمبود ظرفیت شبکههای برق، بحران آب برای خنکسازی و دشواری دریافت مجوزهای زمین، غولهای فناوری و دولتها را به سمت انتقال محاسبات (Compute) به فضا سوق داده است. همانطور که در تحلیلهای قبلی ما دربارهی بحران انرژی مراکز داده اشاره کردیم، گلوگاه رشد مدلها دیگر معماری یا داده نیست، بلکه دسترسی به انرژی است.
فضا محیطی منحصربهفرد است که در آن انرژی عملاً نامحدود است و از قوانین سختگیرانه شهرداریها و سازمانهای محیطزیستی زمین پیروی نمیکند. این ویژگی، مدار زمین را به مکانی ایدهآل برای نسل بعدی خوشههای محاسباتی عظیم تبدیل میکند.
طبق گزارشهای فنی، انتقال از تئوری به سختافزار پیش از این اتفاق افتاده است. تا دسامبر ۲۰۲۵، نخستین مدل زبانی بزرگ (LLM) با نام nanoGPT با موفقیت در فضا آموزش دید. این مدل که توسط آندری کارپاتی طراحی شده، با استفاده از یک واحد پردازش گرافیکی (GPU) مدل H100 در یک ماهواره ۶۰ کیلوگرمی، روی آثار کامل شکسپیر آموزش یافت.
این چرخش، مفروضات بنیادی زیرساختهای هوش مصنوعی را تغییر میدهد. با جداسازی فرآیند آموزش از شبکه برق زمین، شرکتها میتوانند بدون درگیر شدن در پیچیدگیهای تملک زمین یا مجوزهای محلی، مقیاس محاسبات خود را افزایش دهند. اکنون «منحنی زیان» (Loss Curve) برای هوش مصنوعی مداری، از یک فرضیه به واقعیت تبدیل شده است.
این رقابت شامل ترکیبی از شرکتهای تریلیون دلاری، سازندگان تراشه و استارتاپهای سرمایهگذاری شده است. بازیگران این میدان، مدار زمین را نه به عنوان ابزاری برای اکتشاف، بلکه به عنوان یک دارایی استراتژیک برای تسلط اقتصادی میبینند.
گام بعدی شما
- رصد همکاریهای میان سازندگان تراشه و شرکتهای پرتاب ماهواره برای ایجاد «کارخانههای مداری».
- بررسی مقالات مربوط به مدیریت حرارتی سختافزارهای H100 در محیطهای خلأ.
- تحلیل اثرات تأخیر (Latency) در انتقال دادههای آموزش شده از مدار به زمین.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است؛ برای درک چالشهای خنکسازی در فضا، به تحلیل ما دربارهی تراشههای نسل جدید مراجعه کنید.
گفتگو