Innhold Vis
Googles første AI-svar fra en datasenterklasse-TPU i bane ble sendt ned mens satellitten passerte Svalbard. En åpen Gemma 4-modell fikk beskjed om å skrive et haiku om verdensrommet, kjørte modellen om bord og leverte tre små linjer tilbake til jorden.
Diktet er ikke poenget. Det viktige er at hele kjeden virket: Google sendte opp en instruksjon, modellen behandlet den på satellitten, og resultatet kom ned igjen. Det er en beskjeden oppgave sammenlignet med et datasenter fullt av AI-brikker, men en svært konkret milepæl for Project Suncatcher.
Samtidig må vi holde beina på bakken, selv når maskinvaren er i bane. Testen viser at AI-inferens kan kjøres på denne prototypen i verdensrommet. Den viser ikke at Google allerede har løst kjøling, stråling, stabil drift, raske forbindelser mellom satellitter eller økonomien i et orbitalt datasenter.
Hva skjedde over Svalbard?
Google sendte en prompt til Gemma 4 under en kontaktperiode med prototypen. Modellen kjørte om bord på en TPU av datasenterklasse og skrev et haiku. Ifølge Googles kunngjøring 30. oktober 2026 ble svaret lastet ned mens satellitten passerte Svalbard.
Svaret beskrev jorden som en blå klinkekule, datastrømmer i stillhet og stjernelys som ga kraft til systemet. Etter det første forsøket testet teamet også limericker med romtema og spørsmål om telemetrien til nyttelasten. Det betyr at milepælen ikke hviler på én enkelt tekststreng som tilfeldigvis dukket opp.
Den norske koblingen er altså reell, men presisjonen er viktig. Svalbard var stedet satellitten passerte da resultatet ble sendt ned. Det var ikke Svalbard som bygget modellen, prosessoren eller satellitten, og dette var heller ikke det første tilfellet av all AI-bruk i bane. Googles mer avgrensede påstand er at dette var det første AI-svaret fra en TPU av datasenterklasse i bane.
Det høres kanskje ut som flisespikking. Det er det ikke. «Første AI i verdensrommet» ville vært en langt større og feilaktig påstand, fordi satellitter har brukt maskinlæring til blant annet bildeanalyse og styring tidligere. Den faktiske nyheten er at Google har tatt sin egen datasenterteknologi ut av datasenteret og fått den til å kjøre en språkmodell i et miljø maskinvaren ikke opprinnelig ble laget for.
Hva beviser den første AI-responsen?
Testen beviser at vertsmaskinen, TPU-ene, modellen og kommunikasjonen kan fungere sammen i bane. Prototypen ble skutt opp 1. oktober, og Google brukte de neste ukene på å starte vertssystemet og TPU-enhetene samt gjennomføre tidlige maskinlæringstester. Haikuet var prosjektets «Hello World» etter denne oppstartsfasen.
Det er verdt å stoppe ved akkurat det. En enkel AI-respons er liten som arbeidsmengde, men stor som systemtest. En satellitt blir utsatt for kraftige vibrasjoner under oppskytningen, store temperatursvingninger og stråling som kan endre bits eller skade elektronikk. At maskinvaren starter og faktisk leverer et modellresultat, lukker den første praktiske usikkerheten.
Derfra er det et langt sprang til kontinuerlig produksjon. Google skal nå undersøke hvordan TPU-ene oppfører seg under termisk belastning og stråling over tid. Et vellykket haiku sier ikke hvor ofte feil oppstår, hvor høy nyttig ytelse systemet kan holde, hvor mye kjølekapasitet som kreves eller hvor lenge maskinvaren kan arbeide stabilt.
Det sier heller ikke noe om trening av store modeller i bane. Denne testen gjaldt inferens: en ferdig modell mottok en instruksjon og genererte et svar. Trening er langt mer krevende fordi enorme datamengder og modellvekter må fordeles mellom mange prosessorer som kommuniserer svært raskt. Det er nettopp den utfordringen Project Suncatcher på sikt forsøker å løse.
Hvorfor vil Google flytte AI-beregninger ut i rommet?
Google utforsker rombasert AI-infrastruktur fordi satellitter i riktig bane kan få nær kontinuerlig tilgang på sollys. Den opprinnelige Project Suncatcher-forskningen anslår at et solpanel i en egnet bane kan produsere opptil åtte ganger mer energi enn et tilsvarende panel på jorden.
Ideen er ikke én gigantisk server som svever alene. Google ser for seg kompakte grupper av mindre satellitter med TPU-er, solcellepaneler og optiske forbindelser mellom enhetene. Arbeidsoppgaver kan da fordeles på mange prosessorer, omtrent som i et jordbasert datasenter, men med laserforbindelser gjennom rommet i stedet for kabler mellom serverrack.
Det er en voldsom ambisjon. Store AI-systemer krever både høy båndbredde og lav forsinkelse mellom prosessorene. Googles analyse peker på forbindelser på flere titalls terabit per sekund, samtidig som satellittene må fly svært tett og presist i forhold til hverandre. En demonstrasjon på bakken har nådd 800 gigabit per sekund hver vei med ett sender- og mottakerpar, men rommet er ikke en optisk benk i et laboratorium.
Energitilgangen løser heller ikke varmen automatisk. På jorden kan datasentre flytte varme med luft og væske. I vakuum finnes det ingen luft som kan ta varmen med seg, så satellitten må lede den til radiatorer og stråle den ut. Jo mer regnekraft Google pakker inn, desto større blir kjøleproblemet. Solen gir mye energi, men den sender ingen gratis klimaanlegg med på kjøpet.
Stråling og varme er de neste virkelige prøvene
Stråling kan gi midlertidige regnefeil, ødelegge data i minnet eller skade elektronikken permanent. Før oppskytningen testet Google Trillium, selskapets sjette generasjon TPU, i en protonstråle med en energi på 67 megaelektronvolt. Minnesystemet var mest følsomt og begynte å vise uregelmessigheter etter en samlet dose på 2 kilorad.
Det var nesten tre ganger Googles anslag på 750 rad for en skjermet femårig ferd. Selskapet rapporterte heller ingen permanente feil som kunne tilskrives samlet ioniserende stråling, selv ved den høyeste testdosen på 15 kilorad på én brikke. Resultatene var lovende på bakken. Prototypen i bane skal vise hvor godt de holder når hele systemet utsettes for det virkelige miljøet over tid.
Varme er minst like avgjørende. Google har testet kjøleløsninger med varmerør og radiatorer i et termisk vakuumkammer, men sier selv at enkelte forhold bare kan prøves i rommet. Stabil AI-drift er langt mer interessant enn en kort topp der temperaturen ennå ikke har rukket å bli et problem.
Dette er grunnen til at jeg liker denne milepælen uten å kjøpe hele fremtidsfortellingen på forskudd. Google har gjort noe konkret og målbart. Nå begynner den delen som avgjør om det er starten på ny infrastruktur eller bare en imponerende teknisk demonstrasjon.
Neste milepæl er to satellitter i 2027
Google planlegger to sammenkoblede satellitter i 2027. Målet er å teste optisk kommunikasjon mellom dem og undersøke om en AI-arbeidsoppgave kan fordeles på maskinvare som flyr i formasjon. Det blir et langt viktigere steg mot Project Suncatchers egentlige visjon enn å få én modell til å skrive et dikt.
Utfordringen er presisjon. Satellittene må kjenne både sin egen posisjon og plasseringen til naboen, rette laserforbindelsen riktig og holde forbindelsen mens begge beveger seg i stor fart. Google sammenligner oppgaven med å treffe et mål på størrelse med en mynt fra flere kilometers avstand mens begge punktene er i bevegelse.
På lengre sikt beskriver forskningen grupper der satellittene kan befinne seg bare noen hundre meter fra hverandre. Analysene antyder at en tett formasjon kan holdes med forholdsvis små korrigeringer, men simulering er ikke det samme som mange fysiske enheter i drift. Feilmarginer, kollisjonsfare, vedlikehold og kommunikasjon med bakken må håndteres samtidig.
Økonomien er også usikker. Googles studie anslår at oppskytningskostnader under 200 dollar per kilo (cirka 1 900 kroner med dagens kurs) i midten av 2030-årene kan gjøre energikostnaden konkurransedyktig med et tilsvarende datasenter på jorden. Det er en fremtidsberegning, ikke en pris Google kan bestille til i dag. Prosjektet er avhengig av at både oppskytninger, satellittproduksjon og drift blir dramatisk billigere.
Svalbard fikk et lite glimt av en stor idé
Tre linjer med poesi fra en satellitt forandrer ikke AI-markedet over natten. De viser likevel at Project Suncatcher har flyttet seg fra rapporter og laboratorietester til fungerende maskinvare i bane. Det er akkurat sånn store teknologiprosjekter bør vurderes: én kontrollert milepæl om gangen, med tydelig skille mellom det som er bevist og det som fortsatt står på ønskelisten.
Det beviste er konkret. En datasenterklasse-TPU overlevde oppskytningen, startet i rommet, kjørte Gemma 4 og sendte resultatet tilbake under passeringen over Svalbard. Det uprøvde er hele skalaen som gjør ideen økonomisk og praktisk interessant: langvarig belastning, tett formasjon, raske laserforbindelser, effektiv varmehåndtering og mange satellitter som arbeider som ett system.
Jeg synes det er en skikkelig morsom norsk fotnote i en svært ambisiøs historie. Det første svaret var bare et haiku, men testen bak diktet var ekte. Nå får Google vise om TPU-ene fortsatt skriver når strålingen, varmen og tiden har fått gjøre sitt.
Ofte stilte spørsmål
Var dette den første AI-modellen som ble brukt i verdensrommet?
Nei. AI og maskinlæring har vært brukt i satellitter tidligere. Googles avgrensede milepæl er det første AI-genererte svaret fra en TPU av datasenterklasse i bane. Det er viktigere å beskrive den konkrete maskinvaren og testen enn å kalle det «første AI i rommet».
Hvilken AI-modell kjørte på Google-satellitten?
Satellitten kjørte Gemma 4, en åpen modell fra Google. Teamet sendte opp en instruksjon om å skrive et haiku med romtema. Modellen behandlet instruksjonen om bord, og svaret ble sendt ned mens satellitten passerte Svalbard.
Er Googles rombaserte AI-datasenter ferdig?
Nei. Dagens prototype viser at én satellitt kan kjøre enkel inferens på en TPU i bane. Google må fortsatt dokumentere stabil drift under varme og stråling, raske forbindelser mellom satellitter, presis formasjonsflyging og en økonomi som gjør løsningen konkurransedyktig.
Hva skal Google teste videre i Project Suncatcher?
Google skal måle hvordan TPU-ene tåler termisk belastning og stråling over tid. I 2027 er planen å teste to sammenkoblede satellitter, blant annet med optisk kommunikasjon og fordelte AI-oppgaver. Det blir neste praktiske prøve på om prosjektet kan skaleres.
