پرش به محتوای اصلی
پرش به محتوای مقاله

شرط ۲۰۰ دلاری اسپیس‌ایکس برای تبدیل مدار زمین به مرکز داده هوش مصنوعی

·۲۰ خرداد ۱۴۰۵۲ دقیقه مطالعه
مرکز داده اسپیس‌ایکس در مدار زمین
مرکز داده اسپیس‌ایکس در مدار زمین
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

هدف‌گذاری دقیق سال ۲۰۲۷ برای تولید انبوه سخت‌افزارهای مرکز داده فضایی و تعیین شاخص ۲۰۰ دلار به‌ازای هر کیلوگرم به عنوان نقطه سر‌به‌سر مالی این پروژه.

اگر فکر می‌کنید گلوگاه رشد هوش مصنوعی فقط کمبود تراشه است، باید به آسمان نگاه کنید. تصور کنید محاسبات سنگین مدل‌های زبانی شما را نه یک انبار در تگزاس، بلکه خوشه‌ای از ماهواره‌ها در مدار زمین پردازش کنند.

ایلان ماسک این ایده را برای افزایش جذابیت اسپیس‌ایکس (SpaceX) پیش از عرضه عمومی سهام (IPO) مطرح کرده است. او معتقد است ساخت مراکز داده در فضا یک مسئله مهندسی ساده است. در واقع، این مدل‌ها به دنبال فرار از کمبود زمین و برق در سطح سیاره هستند. مرکز داده (Data center) — که شبیه به یک کارخانه‌ی عظیم دیجیتال است که هزاران کامپیوتر را برای «فکر کردن» در یک جا جمع کرده — در فضا می‌تواند از انرژی خورشیدی بی‌حدومرز و سرمای طبیعی خلأ برای خنک‌سازی استفاده کند.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی بحران انرژی مدل‌های زبانی بزرگ اشاره کردیم، نیاز به برق اکنون بزرگ‌ترین سد پیش روی شرکت‌های فناوری است. به گزارش CNBC، این فشار مالی چنان زیاد است که گوگل (Google) پذیرفته ماهانه ۹۲۰ میلیون دلار بابت ظرفیت محاسباتی مراکز داده xAI به اسپیس‌ایکس پرداخت کند.

طبق مستندات ویدئویی اسپیس‌ایکس که در ۸ ژوئن ۲۰۲۶ منتشر شد، جزئیات فنی این طرح بر توان بالای برق متمرکز است:

  • حداکثر توان: ۱۵۰ کیلووات
  • محاسبات پایدار: ۱۲۰ کیلووات (معادل یک رک ان‌ویدیا (Nvidia) مدل GB300)
  • هدف تولید: رسیدن به حجم عملیاتی در کارخانه باستروپ تگزاس تا پایان ۲۰۲۷

اما فیزیکِ آموزش مدل‌های بنیادی (Foundation model) — که مثل یک دانشی جامع است و هر چیز دیگری روی آن ساخته می‌شود — مانع بزرگی ایجاد می‌کند. مراکز داده زمینی از NVLink برای انتقال سریع داده‌ها بین تراشه‌ها استفاده می‌کنند. طبق مقاله Suncatcher گوگل، پیاده‌سازی این سطح از پهنای باند در فضا مستلزم پرواز هزاران ماهواره در فاصله چند صد متری از یکدیگر است. علاوه بر این، تابش‌های کیهانی می‌توانند باعث «پریدن بیت‌ها» شوند و کل فرآیند آموزش را خراب کنند.

برای مدیران کسب‌وکار، این یعنی اقتصاد هوش مصنوعی به دو شاخه تقسیم می‌شود. احتمالاً مدت‌ها پیش از آنکه بتوان مدل‌های غول‌آسای جدید را در فضا آموزش داد، این مراکز برای استنتاج (Inference) — یعنی همان لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه به خودِ آشپزی و نه دوره‌ی آموزش آشپز — به کار گرفته شوند، چون در اینجا تاخیر کم و پهنای باند متوسط کفایت می‌کند.

گام بعدی شما

  • شاخص‌های هزینه پرتاب را در ۱۸ ماه آینده زیر نظر بگیرید.
  • دنبال کنید آیا اسپیس‌ایکس می‌تواند هزینه ارسال هر کیلوگرم بار را به ۲۰۰ دلار کاهش دهد یا خیر.
  • تاثیر انتقال محاسبات به فضا بر تأخیر (Latency) پاسخ‌های مدل‌ها را بررسی کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این استراتژی نشان می‌دهد که محدودیت‌های فیزیکی زمین (برق و زمین) به قدری بحرانی شده‌اند که غول‌های فناوری حاضرند ریسک‌های مرگبار فضایی را بپذیرند. این چرخش، قدرت محاسباتی را از کنترل دولت‌های محلی خارج کرده و به حاکمیت شرکت‌های مالک زیرساخت‌های فضایی می‌سپارد.

تأثیر برای ایران

این یک تحول داخلی در زیرساخت‌های شرکت‌های آمریکایی است و در حال حاضر مسیر مستقیمی به اکوسیستم فناوری یا بازار مصرف ایران ندارد.

·نگاه ما
تحریریه دات‌هوش

تحلیل ما نشان می‌دهد که ادعای «سادگی مهندسی» ماسک بیشتر یک ابزار بازاریابی برای IPO است تا یک واقعیت فنی. شکاف میان استنتاج (که در فضا ممکن است) و آموزش مدل‌های بزرگ (که به پهنای باند فوق‌سریع NVLink نیاز دارد) بسیار عمیق است و احتمالاً ۲۰ سال زمان می‌برد تا در مدار زمین به بهره‌وری مراکز داده زمینی برسد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.