تصور کنید یک مدیر محصول در صنعت هوافضا باشد که برای اجرای یک مدل هوش مصنوعی ساده، مجبور است کل سخت‌افزار ماهواره را تغییر دهد. این بن‌بست فنی، دلیل اصلی تأسیس Satlyt است تا لایه‌ای ایجاد کند که مدل‌های هوش مصنوعی را بدون وابستگی به سخت‌افزار، در مدار زمین اجرا کند. این استارتاپ با جذب ۸ میلیون دلار سرمایه اولیه، قصد دارد نرم‌افزار هوش مصنوعی را از سخت‌افزار فیزیکی ماهواره‌ها جدا کند؛ رویکردی که در گزارش قبلی ما درباره جذب سرمایه اولیه Satlyt برای ایجاد اکوسیستم باز به تفصیل بررسی شد.
به گزارش TechCrunch، راما آفولو (Rama Afullo)، مدیر محصول سابق گوگل و اسپیس‌اکس، این شرکت را با هدف ایجاد یک اکوسیستم افقی برای محاسبات مداری راه‌اندازی کرده است. او می‌خواهد ماهواره‌ها را به سرویس‌های مدیریت‌شده‌ای تبدیل کند که مستقیماً درآمدزایی می‌کنند.
زمینه: چشم‌اندازی برای محاسبات مداری
سفر آفولو برای رسیدن به این ایده از داخل شرکت‌های بزرگی چون گوگل و اسپیس‌اکس آغاز شد. او در هر دو سازمان ایده‌های خود را برای توسعه محاسبات مداری ارائه کرد، اما هر دو شرکت این پیشنهادها را رد کردند. همین موضوع باعث شد او اسپیس‌اکس را ترک کند و Satlyt را تأسیس نماید. این شرکت اکنون دارای دو دفتر مرکزی در سانی‌ویل کالیفرنیا و نایروبی است.
این حرکت در حالی رخ می‌دهد که صنعت فضا به سمت «مراکز داده مداری» حرکت می‌کند. در حالی که غول‌هایی مثل گوگل و اسپیس‌اکس زیرساخت‌های بسته و اختصاصی خود را می‌سازند، Satlyt می‌خواهد نقش «اندروید» را در برابر «آیفونِ» آن‌ها ایفا کند. یعنی به جای ساخت فضاپیما، نرم‌افزاری ارائه می‌دهد که مدل‌های هوش مصنوعی را روی ماهواره‌های شرکت‌های مختلف اجرا کند. این رقابت در حالی شدت می‌گیرد که چالش‌های لجستیکی انتقال زیرساخت‌های ابری گوگل به فضا با استفاده از استارشیپ همچنان یکی از بحث‌های داغ صنعت است.
همان‌طور که در تحلیل قبلی ما درباره‌ی استراتژی‌های گوگل برای جمع‌آوری داده‌های تخصصی اشاره کردیم، اکنون شاهد جابه‌جایی تمرکز به سمت زیرساخت‌های فیزیکی استنتاج (Inference) — یعنی همان لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه به خودِ آشپزی و نه دوره‌ی آموزش آشپز — هستیم. مدل Satlyt شبیه به پلتفرم‌هایی مثل VMware یا Snowflake است که کاربر بدون درگیر شدن با مدیریت سخت‌افزار زیرین، بارهای کاری پیچیده را اجرا می‌کند.
جزئیات: دستاوردهای فنی و مشارکت‌ها
طبق مستندات این شرکت، Satlyt پیش از این در دو مأموریت آزمایشی، ارزش عملیاتی رایانش لبه (Edge Computing) — یعنی پردازش داده‌ها در همان نقطه‌ای که تولید می‌شوند، مثل پردازش تصویر در دوربین به جای ارسال آن به سرور مرکزی — را در فضا ثابت کرده است. بر اساس گزارش تک‌کرانچ، دستاوردهای این مأموریت‌ها عبارتند از:
- استقرار مدل: اجرای مدل Gemma متعلق به گوگل دیپ‌مایند روی فضاپیمای Momentus.
- بهبود بهره‌وری: کاهش بیش از ۶۰ درصدی حجم داده‌های ارسالی مربوط به خطاهای نرم‌افزاری داخلی.
- کاهش هزینه: آفولو ادعا می‌کند این بهینه‌سازی‌ها می‌تواند سالانه صدها هزار دلار در هزینه‌های «لینک پایین» (Downlink) یا همان انتقال داده‌های گران‌قیمت از فضا به زمین صرفه‌جویی کند.
در هفته جاری، نرم‌افزار Satlyt روی یک موشک اسپیس‌اکس و در بدنه فضاپیمای TakeMe2Space (یک استارتاپ سخت‌افزاری هندی) به مدار می‌رود. این پرتاب هم‌زمان با اولین نمونه اولیه مرکز داده فضایی گوگل با نام Project Suncatcher رخ می‌دهد.
این مأموریت سه مشتری اصلی دارد که هر کدام هدف متفاوتی را دنبال می‌کنند:
۱. ناسا: برای تست پروتکل‌های رایانش ابری در فضای مدار هزینه پرداخت کرده است.
۲. Stellerian: یک استارتاپ نظارت فضایی که بارهای کاری پردازش تصویر برای ردیابی اشیاء در مدار را آزمایش می‌کند.
۳. TakeMe2Space: برای اثبات اینکه سخت‌افزار آن‌ها قادر به میزبانی نرم‌افزارهای شخص ثالث است.
مسیر رسیدن به ابرهای مداری
در حال حاضر، واحد پردازش گرافیکی (GPU) — که مثل موتور قدرتمند یک ماشین برای پردازش‌های سنگین هوش مصنوعی است — در مدار کمیاب است. تمرکز فعلی Satlyt بر بهره‌وری عملیاتی است؛ یعنی استفاده از هوش مصنوعی برای حل ناهنجاری‌ها و مشکلات داخلی ماهواره بدون نیاز به منتظر ماندن برای دستورات کنترل‌کنندگان زمینی. این کار تأخیر و هزینه ارسال داده‌های خام سنسورها به زمین را حذف می‌کند.
اما هدف بلندمدت بسیار جاه‌طلبانه‌تر است. Satlyt قصد دارد تا سال آینده یک سیستم محاسباتی مشترک یا یک «ابر واقعی» را بین دو ماهواره مختلف پیاده کند. اگر این طرح موفق شود، مالکان ماهواره‌ها می‌توانند توان محاسباتی بلااستفاده خود را به عنوان یک سرویس مدیریت‌شده اجاره دهند. به گفته آفولو، هدف این است که «ماهواره شما را به یک سرویس مدیریت‌شده‌ی درآمدزا تبدیل کنیم». برای محققان هوش مصنوعی نیز، این یعنی دسترسی به یک لایه محاسباتی توزیع‌شده در مرزی جدید.
سرمایه‌گذاری و چشم‌انداز بازار
سرمایه اولیه این شرکت توسط Non Sibi Ventures مستقر در هیوستون رهبری شد. باور این مجموعه به پروژه، توسط برنارد هریس تقویت شد؛ شریکی که بیش از ۲۰ سال به عنوان فضانورد ناسا خدمت کرده است.
کنت لوکاس، شریک دیگر Non Sibi، اشاره کرد که موفقیت Satlyt وابسته به یک «چشم‌انداز بسیار بلندپروازانه» از مراکز داده فضایی نیست (که در حال حاضر با گلوگاه‌های پرتاب و اقتصاد نامشخص روبروست)، بلکه رشد آن می‌تواند صرفاً با افزایش تعداد ماهواره‌هایی که وارد مدار می‌شوند، پیش برود.
آفولو پیش‌بینی می‌کند تا پایان دهه جاری، ۲۰ درصد از تمام ماهواره‌ها از نرم‌افزار او استفاده کنند. او معتقد است تا سال ۲۰۳۰، تقریباً هر سازنده فضاپیمایی GPUها و پردازنده‌های پیشرفته را در طراحی خود قرار خواهد داد و تأکید می‌کند که پرتاب ماهواره بدون GPU، یک بی‌انصافی بنیادین در حق اپراتور ماهواره است.
گام بعدی شما
- بررسی مدل‌های کوچک (SLM) برای استقرار در محیط‌های با منابع محدود (مانند سخت‌افزارهای لبه).
- دنبال کردن پیشرفت‌های Project Suncatcher گوگل برای درک معماری مراکز داده فضایی.
- تحلیل مدل‌های کسب‌وکار مبتنی بر «اجاره توان محاسباتی» در زیرساخت‌های توزیع‌شده.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و بهینه‌سازی استنتاج مراجعه کنید.
گفتگو