Project Suncatcher: Google lancia in orbita le prime TPU per l’AI nello spazio

Google ha mandato in orbita i suoi primi chip per l’intelligenza artificiale. Il Project Suncatcher è passato dai documenti di ricerca a un satellite vero, lanciato il 1° ottobre con un razzo Falcon 9 di SpaceX nell’ambito della missione di rideshare Transporter-18. A bordo ci sono quattro TPU di generazione Trillium, le stesse famiglie di acceleratori che Google usa nei propri data center terrestri.

Può sembrare un esperimento da laboratorio, e in parte lo è. Ma la domanda che c’è dietro è molto concreta: se la fame di calcolo dell’AI continua a crescere a questo ritmo, dove metteremo i prossimi data center?

Cosa è successo: un satellite grande come un frigorifero con quattro TPU

Secondo quanto riportato da OPB, il prototipo ha dimensioni paragonabili a quelle di un frigorifero ed è stato costruito insieme a Planet, azienda specializzata in immagini satellitari della Terra. SpaceX ha fornito il lancio, mentre Planet si occuperà delle prime operazioni e dell’accensione dei chip una volta in orbita.

Il satellite si trova su un’orbita eliosincrona, cioè una traiettoria in cui i pannelli solari restano quasi sempre illuminati. È un dettaglio fondamentale: senza lunghe ore di buio non servono batterie pesanti né sistemi di riserva, e la massa risparmiata si traduce direttamente in costi di lancio più bassi.

Che cosa farà il satellite

La missione dura un anno e ha un obiettivo preciso: verificare che le TPU funzionino davvero nelle condizioni dello spazio. Per ora il sistema esegue il modello open weight Gemma per intervalli di circa quindici minuti alla volta, perché il limite principale è il calore da smaltire.

Non è un servizio commerciale e nessuno userà questo satellite per rispondere a una richiesta di ChatGPT o di Gemini. È un banco di prova, e proprio per questo è interessante.

Perché Google vuole portare il calcolo AI nello spazio

La logica è energetica. Come spiega The Next Web, i pannelli solari in orbita bassa possono raccogliere, in teoria, fino a otto volte più energia rispetto a un impianto a terra, perché non ci sono atmosfera, nuvole o notte da affrontare. Per chi costruisce infrastrutture AI, l’energia è diventata il collo di bottiglia numero uno.

Basta guardare cosa sta succedendo sulla Terra. Nelle ultime settimane abbiamo raccontato il piano di Musk per portare Colossus 2 verso 1,2 milioni di GPU Nvidia, e anche le deduzioni fiscali accelerate che Meta usa per finanziare i suoi data center. Sono tutti segnali della stessa corsa: più chip, più corrente, più terreno, più raffreddamento.

Google stessa sta spingendo molto sugli investimenti. Le stime riportate dalla stampa indicano una spesa in conto capitale per il 2026 tra 180 e 190 miliardi di dollari, in parte per inseguire una domanda di AI che supera l’offerta disponibile.

Portare una parte di quel calcolo fuori dal pianeta è una scommessa di lungo periodo, non una scorciatoia di oggi.

Come Google ha preparato i chip a sopravvivere in orbita

Uno dei punti più concreti della comunicazione di Google riguarda i test a terra. Prima del lancio l’hardware è stato sottoposto a prove di vibrazione che simulano sollecitazioni pari a 50-100 volte la forza di gravità, quelle tipiche della salita su un razzo.

Le TPU Trillium sono state poi esposte a un fascio di protoni presso l’Università della California a Davis, con dosi superiori a quelle attese in cinque anni di missione. I sistemi di dissipazione del calore, basati su heat pipe e radiatori, sono stati validati in camera a vuoto.

Sono tre barriere diverse: meccanica, radiazioni e temperatura. Superarle a terra non garantisce che tutto vada bene in orbita, ma riduce parecchio il rischio che il primo esperimento finisca dopo pochi giorni.

Il problema del calore nel vuoto

Nello spazio manca l’aria, quindi non si può raffreddare con ventole o acqua come in un data center tradizionale. Il calore si smaltisce solo irradiandolo, e questo richiede radiatori ampi e pesanti. Secondo le analisi riportate dalla stampa, i sistemi di raffreddamento sono tra i componenti più pesanti del satellite e quindi tra i principali responsabili dei costi di lancio.

Per questo l’esecuzione di Gemma a intervalli di quindici minuti non è un dettaglio: dice quanto il calore sia già oggi il vincolo reale.

Il passo successivo: due satelliti nel 2027 e i collegamenti laser

Il piano di Google prevede di lanciare altri due satelliti nel 2027. Lo scopo sarà testare collegamenti laser tra i satelliti, necessari per far lavorare più chip insieme. Un singolo modello AI di grandi dimensioni non gira su quattro TPU isolate: servono cluster con banda enorme tra un acceleratore e l’altro.

Nella visione finale, descritta dalle fonti, si arriverebbe a gruppi di satelliti con decine di TPU ciascuno, collegati a formare una sorta di data center orbitale distribuito.

Se i collegamenti ottici funzionassero come previsto, lo spazio smetterebbe di essere solo un posto dove mettere pannelli solari e diventerebbe una vera rete di calcolo.

Costi, ostacoli e concorrenza

La domanda che molti si pongono è se tutto questo abbia senso economico. La risposta onesta, per ora, è no. Secondo le stime di ricerca di Google, il prezzo di lancio dovrebbe scendere a circa 200 dollari al chilogrammo perché il calcolo spaziale possa competere sui costi con quello terrestre. Oggi siamo ancora lontani da quella soglia, anche se i razzi riutilizzabili stanno spingendo i prezzi verso il basso.

Restano poi problemi operativi non banali: la manutenzione di hardware che non si può raggiungere con un tecnico, la latenza delle comunicazioni con la Terra e la complessità di gestire radiazioni e detriti spaziali.

Google non è sola. Starcloud, startup sostenuta da Nvidia, aveva già portato in orbita una GPU H100 e dimostrato l’esecuzione di Gemma nello spazio, e secondo la stampa anche SpaceX lavora a iniziative di calcolo orbitale. La corsa è appena cominciata.

Cosa cambia per chi lavora con l’AI

Nel breve periodo, nulla di pratico: non vedrai servizi AI più veloci o più economici grazie a questo satellite. Il valore sta nel segnale. I grandi laboratori stanno cercando soluzioni anche estreme per aggirare i limiti di energia e di spazio, e questo influenzerà prezzi, disponibilità di calcolo e strategia dei fornitori nei prossimi anni.

Se vuoi capire dove sta andando la competizione sui modelli che girano su queste infrastrutture, ti consiglio di leggere anche il nostro approfondimento su Gemini 4 Argon, il nuovo modello di Google, e quello sull’accordo da 7 miliardi tra Tencent e Oracle per l’affitto di chip AI. Insieme raccontano un settore in cui il calcolo è la risorsa più contesa.

Perché la scelta di Planet come partner

Planet gestisce già flotte di satelliti per l’osservazione terrestre e conosce bene le operazioni in orbita bassa: comunicazioni con le stazioni a terra, controllo termico, gestione dell’energia. Per Google significa appoggiarsi a un’esperienza operativa consolidata invece di partire da zero con un veicolo spaziale proprio.

È un approccio pragmatico, tipico dei primi esperimenti: si limita il rischio, si impara in fretta e si decide con dati reali se vale la pena investire di più.

Per chi segue il settore, questo è anche un indizio sul metodo. Google non annuncia una rivoluzione, ma procede per piccoli passi misurabili, con una missione di un anno e una tappa successiva già pianificata per il 2027.

Conclusioni: un esperimento piccolo con una domanda enorme

Quattro chip in un satellite grande come un frigorifero non cambieranno il mercato dell’AI domani. Ma il Project Suncatcher è il primo test reale di un’idea che fino a ieri era solo teoria: spostare parte dell’infrastruttura AI dove l’energia solare è abbondante e lo spazio non manca.

Nei prossimi dodici mesi i dati di questa missione diranno se le TPU reggono radiazioni e temperature, e se il progetto merita di diventare una vera infrastruttura. Seguici su IntelligenzaArtificiale.net per i prossimi aggiornamenti e iscriviti alla newsletter per non perdere le novità.