我们正在远眺数据中心的未来:在沙漠、海底,当然,还有太空中。位于奇特地点的数据中心正从想象逐步走向现实。例如,Lonestar Data Holdings 最近在测试其商用月球数据中心在轨系统方面取得了里程碑式的进展。
Lonestar 最近的任务如何推动我们在月球周边和月面建立商用数据中心的道路?启动并维持这些数据中心必须解决哪些独特挑战?随着越来越多政府和企业瞄准太空,月球及更远领域的竞争与合作将会呈现怎样的局面?
任务
2 月 26 日,Lonestar 将其 Freedom 数据中心有效载荷搭载在 Athena Lunar Lander 上,由美国太空探索公司 Intuitive Machines 发射,送入轨道。
着陆过程并未完全按计划进行。据 CNN 报道,该系统侧躺着陆,并比预期提前数天断电。但 Lonestar 在着陆前已达成了若干测试里程碑。
公司的技术展示了其在太空恶劣环境下运行的能力。Lonestar 成功测试了数据存储能力,并执行了边缘处理功能。
月球机遇与挑战
月球数据中心相比于陆基数据中心提供了不少优势。便捷获取太阳能和天然冷却是极为有利的,而其遥远的位置正是吸引力的关键所在。
Lonestar 的 CEO Chris Stott 表示: “加上气候变化、自然灾害、人为失误、战争以及国家对存储于数据中心中不可变数据的觊觎等问题。” 数据中心客户希望将数据存放在一个既安全、便捷,又能符合数据主权法律要求的地方,而太空正满足这一需求。
尽管月球数据中心作为恢复力和灾备策略核心组成部分的前景十分明确,但要使它们成为切实可行的商业选项,仍需要投入大量工作。
成本显然是任何太空项目的一大障碍。但鉴于太空探索与商业化的热情高涨,资金并非稀缺资源。据 Stott 称,Lonestar 在 2023 年通过种子融资筹集了 500 万美元,公司正致力于完成其 A 轮融资。
其他抱有星际数据中心野心的公司亦吸引了数百万美元投资。例如,据 GeekWire 报道,此前名为 Lumen Orbit 的 Starcloud 已筹集超过 2000 万美元,而 Starcloud 的重点是低地轨道数据中心,并非部署在月球上。
公司需要这类资金,因为发射和设计这些数据中心成本极高。一座月球数据中心绝不会长得像你在地球上所见的那般。
Stott 承认:“当你把某样东西送入太空时,你必须重新设计一切。”
数据中心必须在太空真空中运行。其构造需采用经过太空认证的材料,并满足低逸出性标准,还要能够在极端环境下正常工作。
在月球表面,数据中心将面临连续两周白天和两周黑夜的极端环境。
Stott 说道:“在阳光下温度高达 250 摄氏度,但到了月夜,温度会立刻骤降至 -200 摄氏度,冷到足以使硅石破裂。”
Lonestar 正将近期工作重点放在将数据中心部署于拉格朗日点——即地球与月球之间物体保持稳定的特定位置。Stott 解释称,采用这一方法后,数据中心每 90 天仅经历四小时阴影期,期间将依靠电池供电。
他补充道:“这对我们来说意味着一切,因为这意味着我们不必等待前往月球的搭乘机会,也不必使用月球着陆器,同时可解决昼夜问题。”
陆基数据中心分为白空间和灰空间。前者包括服务器和机架,后者则为其提供通信、散热与电力等支持。对于太空数据中心来说,同样的概念适用,不过白空间被称为有效载荷。
Stott 表示:“载荷支付了一切……不论是摄像头、宇航员,还是数据中心。然后我们的灰空间则涵盖电力、热管理和通信,它包括卫星、太阳能板、电池以及用于通信的卫星天线。”
在陆基数据中心内,若某部件故障或损坏,只需派技术人员上门维修即可。但对于月球数据中心来说,地面技术支持并非唾手可得。
Vertiv 公司的首席创新官 Gregory Ratcliff 表示,该公司提供包括数据中心在内的关键基础设施解决方案。虽然 Vertiv 并未直接参与月球数据中心项目,但其在地球上积累了丰富经验。
Ratcliff 告诉 InformationWeek:“容错性将至关重要。[你将] 配置冗余系统、冗余服务器,在某些情况下,可能允许其自行失败,直至升级和调整,这与我们在现代陆基数据中心的做法有所不同。”
当然,还得应对将任何物体送入太空的后勤挑战。“他们常说,进入太空最难的部分便是获得许可,”Stott 表示。
商业化服务
专注于数据中心开发的咨询公司 Caddis Cloud Solutions 正与 Lonestar 合作。Caddis Cloud Solutions 的 CEO Scott Jarnagin 告诉 InformationWeek:“我们实际上是……帮助评估客户、理解客户所需的技术解决方案、展示这些方案,并协助他们在地面建立物理基础设施的组织。”
Lonestar 的月球数据中心旨在提供作为服务的恢复力、灾备以及边缘处理服务。目前,已有政府和企业客户加入。例如,该公司正与佛罗里达州合作提供数据存储服务;在边缘处理方面,其客户中包括互联网架构先驱 Vint Cerf。
Lonestar 还在与其他数据中心运营商展开合作。Jarnagin 解释道:“他们可以将这些解决方案作为灾备服务的延伸,向客户提供支持。”
Lonestar 计划于 2027 年至 2030 年间发射六艘数据存储航天器,这些航天器将在 Lunar L1 拉格朗日点绕月运行。
Stott 说道:“每艘航天器都将搭载多拍字节级的存储容量,并执行大量边缘处理工作。可以把它们看作围绕月球运行的智能设备,它们将成为我们日后在月球上部署设施的前导系统。”
公司正在为这些即将到来的任务预订容量。
尽管 Lonestar 正为下一阶段任务做准备,但在太空数据中心领域,他们并非孤军奋战。许多公司,如 Starcloud,正致力于低地轨道数据中心的研发。Stott 认为,Lonestar 推出的属于一种“不同类型”的太空数据中心。
他说:“我们的应用领域非常细分,是高端、高延迟和高度安全的应用。我们不希望靠近地球,而是希望足够远以确保安全运行和视线通信,同时避免其他相关复杂问题。”
数据中心的未来
尽管 Lonestar 正在启动其月球轨道商用数据中心计划,但其仍计划返回月球表面。
当然,目前也有大量资源投入到各类月球技术的研发中。NASA 的 Artemis 计划致力于在月球上建立长期存在;Lunar Surface Technology Research ( LuSTR ) 计划以及 Lunar Surface Innovation Initiative 正在推动支持 Artemis 月球任务和火星探索的相关技术发展。
随着 Lonestar 及其他太空数据中心项目的推进,陆基数据中心又将如何发展?
Ratcliff 预期,月球数据中心取得的进展同样会对地球产生反哺效应。“这将反过来促进电力路由、传感器优化以及数字孪生等技术的发展,”他说。“因此,这将推动我们在地球和月球上都表现得更好。”
目前,月球几乎还像一张白纸。但随着越来越多的公共和私营企业发射月球卫星并在月球表面建立技术设施,对房地产——无论是数据中心还是其他设施——的竞争将会愈发激烈。
虽然富有的政府和企业在竞争中会占得先机,但这不会演变成一场彻底的自由竞争。目前已有大量太空法律规定,任何进入月球的计划均必须遵守其原籍国法律。
Stott 表示:“如果你是一家美国公司并在太空飞行,那么美国法律同样适用于你,你不能跳过任何程序。”
在法律框架内,竞争依然存在。各公司和国家均希望从月球项目中获益。Stott 说道:“六十年代时,我们争的是旗帜和足迹;而如今,争夺的是资源和收入。当我们关注月球时,它如今已成为地球经济圈的一部分,只不过是我们开展业务的另一个场所。”
但太空也蕴含着合作的传统。Ratcliff 指出:“回想不久前,国际空间站( ISS )由众多国家共同建设……完全超脱政治,并且运作良好。”
开发和发射月球技术的各方必须想办法在不牺牲安全的前提下进行合作,这至少需要一定程度的协作。
在月球上取得成功很可能仅仅是数据中心行业的开始。Stott 说:“总有一天,我们会拥有火星数据中心,甚至木星基地数据中心。无论人类走向何方,我们都会带上两样东西:法律和数据。”
极大可能,我们还会带上另一样东西:网络犯罪分子。虽然太空比地球上任何角落都要偏远,但这并不意味着威胁行为者不会寻找并利用能够在太空中发动网络攻击的漏洞。
Stott 承认:“我们是一种对抗地面问题的对冲手段,但当然,我们必须在网络安全方面始终保持领先一步。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。