Weltraum-Rechenleistung entwickelt sich von einem Konzept zu einer industriellen Realität – wer wird als Erster die Kommerzialisierung erfolgreich umsetzen?

Musk hat wieder ein großes Versprechen für die Weltraumberechnung gemacht.

Im Januar dieses Jahres reichte SpaceX einen Antrag bei der Federal Communications Commission (FCC) der Vereinigten Staaten ein, um die Genehmigung für die Bereitstellung von bis zu einer Million Satelliten mit integrierten KI-Datenzentren zu erhalten. Nach der Verbreitung dieser Nachricht wurde die Weltraumberechnung schnell zu einem neuen Hotspot in der Technologiebranche. Unternehmen wie Google, StarCloud und Blue Origin haben nacheinander entsprechende Pläne veröffentlicht. Weltraumdatenzentren, die einst zu Science-Fiction-Werken gehörten, beginnen nun in die realen Agenden der Technologiegiganten einzugehen.

Doch so lebhaft die Szene auch sein mag, es ist eine sehr schwierige Aufgabe, Server tatsächlich in den Weltraum zu bringen.

Auf der Erde müssen Datenzentren Probleme mit Stromversorgung, Land und Wärmeableitung lösen; im Weltraum erfordern Energieversorgung, Wärmemanagement, Strahlenschutz und intersatellitäre Kommunikation jeweils eine Neukonstruktion. Darüber hinaus ist es ungewiss, welche Geschäftsmodelle letztendlich die Milliardeninvestitionen in die Infrastruktur wieder hereinholen werden.

Cao Dezhi, Mitbegründer und COO von Star Test Future, äußerte eine relativ nüchterne Einschätzung: Groß angelegte Weltraumdatenzentren stehen noch vor vielen Herausforderungen bis zur vollständigen Kommerzialisierung, aber die Chancen für die Intelligente Satellitentechnologie liegen bereits vor uns.

Dieses Unternehmen wurde 2020 gegründet. Zu dieser Zeit war „Weltraumberechnung“ noch kein beliebtes Schlagwort, und Star Test Future begann bereits damit, GPUs und KI-Modelle in die Umlaufbahn zu bringen. Sechs Jahre später hat das Unternehmen insgesamt 40 Berechnungsplattformen bereitgestellt und 37 GPUs nacheinander in den Weltraum gebracht.

Heute, mit dem steigenden Interesse der Branche, beginnen Cao Dezhi und sein Team, über ein praktischeres Problem nachzudenken: Können die vorhandenen Satelliten wirklich nutzbar gemacht werden, abgesehen davon, dass die Rechenkapazität im Weltraum aufgebaut wird? Seiner Meinung nach ist ein Bereich, in den es sich in den nächsten fünf Jahren ernsthaft zu investieren lohnt, die Vernetzung verteilter Fernerkundungssatelliten, damit Benutzer Satellitenressourcen bedarfsgerecht aufrufen können, so wie sie Internetdienste nutzen.

I. Weltraumdatenzentren: Ein langfristiges Vorhaben, das Geduld erfordert

Die Weltraumberechnung ist kein plötzlich aufgetauchtes neues Konzept. Bereits um das Jahr 2000 herum waren einige Satelliten mit Recheneinheiten wie CPU, FPGA und DSP ausgestattet, um Fernerkundungsbilder zu verarbeiten. Nach 2016, als neue Rechenarchitekturen wie NPU und TPU allmählich ausgereift wurden, begannen neuronale Netzalgarithmen in Satelliten Einzug zu halten, und Aufgaben wie Bilderkennung und Datenfilterung können schrittweise im Orbit ausgeführt werden.

Im Jahr 2023 haben bereits kommerzielle Unternehmen begonnen, satellitengestützte GPUs zur Verarbeitung von Infrarot-Satellitendaten zu nutzen, und Fähigkeiten wie die Überwachung von Waldbränden sowie von Öl- und Gaspipelines zu konkreten Geschäftsmodellen auszubauen. Erst mit der Entwicklung von KI-Chips erhielt die Rechenkapazität auf Satelliten neuen Spielraum für Vorstellungen. Und es war Musk, der die Geschichte der Weltraumberechnung zuerst populär machte.

Doch nach Ansicht von Cao Dezhi hat das von SpaceX vorgeschlagene Millionen-Satelliten-Programm seine eigene Logik im industriellen Umfeld der Vereinigten Staaten, während China die Umsetzung entsprechend seinen eigenen nationalen Gegebenheiten vorantreiben muss.

Der Bau von bodengestützten Datenzentren in den Vereinigten Staaten steht derzeit vor Einschränkungen bei Land, Strom und Wasserressourcen, während die Nachfrage nach KI-Rechenkapazität schnell wächst. Die Bereitstellung von Recheneinrichtungen im Weltraum wird natürlich zu einer neuen Alternative. Die Situation in China ist anders: Bei grünem Strom im Westen, Landressourcen und dem Aufbau bodengestützter Recheninfrastruktur gibt es noch großen Entwicklungsspielraum. Ob es notwendig ist, Datenzentren in großem Umfang in den Weltraum zu verlegen, muss anhand der tatsächlichen Nachfrage und der Kosten neu berechnet werden.

Auch die technischen Schwierigkeiten im Ingenieurbereich sind nicht gering. Cao Dezhi erwähnte in seinem Vortrag, dass nach Schätzungen auf Basis des H100-Serverkonzepts der Stromverbrauch eines einzelnen Rechensatelliten 150 Kilowatt erreichen könnte; bei Einsatz fortschrittlicherer Chips wie B200 und B300 könnte der Stromverbrauch noch weiter steigen. Im Vergleich dazu beträgt die Leistung der chinesischen Raumstation etwa 40 Kilowatt, was bedeutet, dass ein einzelner Rechensatellit eine weit höhere Energieversorgungsaufgabe übernehmen muss als herkömmliche normale Satelliten.

Die Wärmeableitung funktioniert auch nicht einfach dadurch, dass man das bodengestützte Flüssigkühlsystem direkt in den Weltraum verlegt. Es ist allgemein bekannt, dass es im Weltraum keine Luftkonvektion gibt. Die von Servern erzeugte Wärme muss durch ein spezielles Wärmemanagementsystem geleitet und anschließend durch Strahlung abgeführt werden. Darüber hinaus müssen Fragen wie das Ausklappen von Solarpaneelen, die Stabilisierung von Satelliten und die Hochgeschwindigkeitskommunikation zwischen verschiedenen Servern durch praktische Ingenieurversuche validiert werden.

Derzeit haben mehrere globale Technologieunternehmen unterschiedliche Lösungen für diese Probleme vorgelegt.

StarCloud bevorzugt eine zentralisierte Architektur, bei der hochdichte GPUs zu Rechenclustern kombiniert werden, mit Schwerpunkt auf der Lösung des Problems der Hochgeschwindigkeitskommunikation zwischen Servern; Google erforscht die Bildung von Clustern aus mehreren Satelliten, die über Laserlinks eine Hochgeschwindigkeitsverbindung realisieren; SpaceX möchte Rechensatelliten in das Starlink-Netzwerk einbinden und die vorhandene Kommunikationsinfrastruktur nutzen, um ein verteiltes Rechensystem zu bilden.

Er ist jedoch der Ansicht, dass sich alle diese Lösungen derzeit in einem frühen Erkundungsprozess befinden. Erst wenn die Ingenieurstechnologien ausgereift sind, werden die Voraussetzungen für eine groß angelegte Replikation geschaffen.

Nach seiner Einschätzung wird China mit dem weiteren Rückgang der Raketenstartkosten und der Erhöhung der Satellitenkommunikationsbandbreite allmählich in die Phase des groß angelegten Baus von Servern im Orbit eintreten.

„Ein wirklich groß angelegtes Weltraumdatenzentrum erfordert tatsächlich noch sehr viele Anstrengungen“ – dieser Satz fasst fast Cao Dezhis Haltung zur aktuellen Begeisterung in der Branche zusammen.

Aber Cao Dezhi ist nicht pessimistisch. Die Weltraumberechnung erfordert langfristige Investitionen, und die Ingenieurvalidierung kann nicht erst beginnen, wenn die kommerzielle Nachfrage vollständig ausgereift ist. Für chinesische Unternehmen gilt es, sowohl strategische Ressourcen wie Umlaufbahnen und Frequenzen zu beachten, als auch frühzeitig Kompetenzen in den Bereichen Chips, Energie, Wärmeableitung und Kommunikation aufzubauen. Was wirklich erfasst werden muss, ist die Suche nach einem nachhaltig vorantreibbaren kommerziellen Pfad, bevor die Technologie ausgereift ist.

In dieser Angelegenheit hat Star Test Future bereits sechs Jahre Erfahrung gesammelt.

II. Sechs Jahre, um GPUs in den Weltraum zu bringen

Die Gründung von Star Test Future lässt sich bis zum „Tianji-Projekt“ der Tsinghua-Universität zurückverfolgen.

Um das Jahr 2016 herum studierten Cao Dezhi und sein älterer Kommilitone Cang Jirong noch an der Fakultät für Ingenieurphysik der Tsinghua-Universität und nahmen am wissenschaftlichen Projekt für Weltraumforschung „Tianji-Projekt“ teil. Das Team entwickelte selbst Nukleardetektoren, die in den Weltraum gebracht werden, um Gammastrahlenausbrüche im Universum zu erkennen.

Diese wissenschaftliche Aufgabe führte das Team schon sehr früh zu einem ingenieurtechnischen Problem: Detektoren erzeugen im Orbit eine große Datenmenge. Wenn alle Daten zur Erde zurückübertragen werden, beansprucht dies nicht nur Kommunikationsressourcen, sondern erfüllt auch kaum die Anforderungen an eine zeitnahe Verarbeitung.

Das Team begann, FPGAs und Algorithmen einzusetzen, um Datenkompression, Merkmalsextraktion und erste Erkennung direkt auf dem Satelliten durchzuführen.

Diese Erfahrung ließ sie erkennen, dass Satelliten nicht nur Kommunikations- und Sensorfähigkeiten benötigen, sondern auch Rechenkapazität gleichermaßen wichtig ist. Mit der zunehmenden Reife von KI-Chips stellte sich die Frage, ob kleine Modelle mit Satellitendaten kombiniert werden können, damit Satelliten im Orbit mehr Verarbeitungsaufgaben erledigen können.

Im Jahr 2020 beschlossen mehrere Kommilitonen von der Tsinghua-Universität, ein Unternehmen zu gründen, und damit wurde Star Test Future gegründet. Cang Jirong wurde CEO, Cao Dezhi COO, und Ende desselben Jahres kam Pan Xingyu als CTO hinzu. Die drei „Doktoren der Tsinghua-Universität“ bildeten das Gründerteam.

Zu dieser Zeit gab es noch nicht die heutige Welle großer Modelle, und die kommerzielle Raumfahrt war bei weitem nicht so lebhaft wie heute. Der von dem Team gewählte Weg galt nicht als besonders attraktiv, und es musste sogar sehr lange dauern, bis man den Kunden erklären konnte, warum Satelliten GPUs benötigen.

Die eigentliche Schwierigkeit lag darin, dass Chips mit hoher Leistung auf der Erde nicht direkt im Weltraum eingesetzt werden können.

Kosmische Strahlung und Sonnenaktivitäten im Weltraum erzeugen hochenergetische Teilchen, die den Betrieb von Chips stören, Datenfehler oder sogar Systemausfälle verursachen können. Herkömmliche Raumfahrtgeräte verwenden normalerweise spezielle strahlungsgehärtete Chips, aber diese Chips sind kostspielig, und ihre Leistungsverbesserung schreitet relativ langsam voran, sodass sie kaum mit der rasanten Entwicklung der KI-Rechenkapazität Schritt halten können.

Wie man gleichzeitig die Zuverlässigkeit gewährleisten und leistungsstärkere und schneller iterierende Rechenchips einsetzen kann, wurde das erste Problem, das Star Test Future lösen musste.

Das Team entschied sich schließlich, von ausgereiften industriellen und fahrzeugspezifischen Chips auf der Erde auszugehen und diese durch Strahlungsverstärkung und Systemzuverlässigkeitsdesign schrittweise an die Weltraumumgebung anzupassen. Dieser Ansatz nutzt nicht nur die ausgereifte Industriekette und die Iterationsgeschwindigkeit von bodengestützten Chips, sondern stellt auch Anforderungen an die Erfahrung des Teams im Bereich der Weltraumstrahlungstechnologie.

Der Hintergrund des Teams in Nuklearwissenschaft und -technik wurde genau der Einstiegspunkt für diesen Weg. Die früheren Forschungsarbeiten an Nukleardetektoren und in Weltraumstrahlungsumgebungen ließen sie ein tieferes Verständnis für Strahlenschutz entwickeln.

Von der ersten inländischen Orbitvalidierung von GPUs mit fortschrittlichem 12-nm-Fertigungsverfahren im Jahr 2022 über die weltweit erste Orbitvalidierung von GPUs mit fortschrittlichem 7-nm-Fertigungsverfahren im Jahr 2024 bis hin zur in-orbit-Anwendung von in China hergestellten 7-nm-GPUs im Jahr 2026 hat Star Test Future schrittweise ein technisches System aufgebaut, das von der Chipanpassung bis zum Systemingenieurwesen reicht.

Nach den von Cao Dezhi vor Ort vorgelegten Daten hat das Unternehmen bisher insgesamt 40 Rechenplattformen und 37 GPUs im Orbit in Betrieb genommen, wobei einzelne Geräte seit mehr als vier Jahren stabil im Orbit laufen.

Hinter diesen Zahlen stehen zahlreiche echte in-orbit-Validierungen. Für Raumfahrtgeräte sind die Leistungsindikatoren im Labor nur der Ausgangspunkt. Ob sie in der komplexen Umlaufbahnumgebung stabil funktionieren, ist das, worum es den Kunden wirklich geht.

Aber Chips in den Weltraum zu bringen ist nicht alles, was Star Test Future tun möchte.

Nach Ansicht von Cao Dezhi hat das Team in den letzten Jahren hauptsächlich das Problem gelöst, wie GPUs und KI in den Weltraum gelangen können. Jetzt, da die Rechensysteme allmählich ausgereift sind, geht es im nächsten Schritt darum, darüber nachzudenken, wie man Rechenkapazität, Modelle und Satellitendaten kombiniert, damit sie wirklich spezifischen Branchen dienen.

Das bedeutet auch, dass sich das Geschäft von Star Test Future von der reinen Bereitstellung von Rechenplattformen zur in-orbit-Datenverarbeitung und branchenspezifischen Anwendungen ausweitet.

III. Satelliten wie Taxis dazu bringen, Aufträge entgegenzunehmen

Während des gesamten Vortrags verwendete Cao Dezhi ein lebensnahes Gleichnis, um das zukünftige Satellitendienstmodell zu erklären: „Didi für Satelliten“. Damit dieses Modell wirklich funktioniert, muss zuerst das Problem gelöst werden, wie verteilte Satellitenressourcen organisiert werden können.

Derzeit werden Fernerkundungssatelliten von verschiedenen Betreibern gebaut und verwaltet. Wenn Benutzer Satellitenbilder einer bestimmten Region benötigen, müssen sie normalerweise die Aufnahmeaufgabe im Voraus planen, dann warten, bis der Satellit vorbeikommt und die Aufnahme abschließt, und schließlich die Daten zur Erde zurückübertragen lassen. Der gesamte Prozess umfasst mehrere Gliederungen wie Satellitenressourcen, Kommunikationsverbindungen und Datenverarbeitung.

Aber wenn verschiedene Satelliten in eine gemeinsam aufgebaute und genutzte Netzwerkplattform integriert werden, sieht die Situation anders aus.

Cao Dezhi nannte als Beispiel die Hochwasserüberwachung in Hangzhou.

Angenommen, die lokale Regierung möchte die Veränderungen von Überschwemmungen in einer bestimmten Region kontinuierlich erfassen und wünscht sich, über einen bestimmten Zeitraum alle zwei Stunden Informationen zum Wasserstand und Niederschlag zu erhalten. Früher musste man im Voraus geeignete Satellitenressourcen suchen, Aufnahmezeiten planen und dann auf die Datenrückübertragung warten.

In Zukunft muss der Benutzer nur die Überwachungsanforderung stellen, und die Plattform erstellt automatisch die Aufgabenplanung und steuert die Fernerkundungssatelliten, die das Zielgebiet in diesem Zeitraum durchqueren, um Aufnahmen durchzuführen. Nachdem der Satellit die Bilder erfasst hat, werden sie durch in-orbit-Modelle erkannt und analysiert, und schließlich werden Informationen zu Überschwemmungsrisiken und Wasserstandsänderungen an die zuständigen Abteilungen zurückgemeldet.

„Wenn Sie irgendeine Anforderung haben, geben Sie sie einfach als natürliche Sprache in diesen Pool ein. Das große Modell wandelt die natürliche Sprache automatisch in die endgültige Aufgabenplanung für den Satelliten um.“