太空AI資料中心何時能商業化？建置成本仍是地面6.7倍　2030年前可以先看太空邊緣運算

AI資料中心快速擴張，電力與散熱逐漸成為限制算力部署的兩大瓶頸，也讓「把資料中心搬到太空」從概念走向早期驗證。不過，真正的產業轉折點，不是AI晶片能不能送上太空，而是每單位算力的建置與營運成本，何時能接近地面資料中心。

目前最大的差距仍是成本。根據現有經濟模型，以1GW規模計算，2026年太空資料中心建置成本約1,070億美元，相較同規模地面資料中心約160億美元，高出約6.7倍；預估2028年差距可縮小至4.3倍，2032年進一步降至2.6倍，在更積極的成本假設下甚至可能降至1.4倍。

火箭才是太空資料中心第一條成本曲線

太空資料中心最大的特殊成本，是必須先把所有設備送上軌道。發射成本愈低，GPU、伺服器、網路設備與其他基礎設施的部署成本才有機會同步下降。

但火箭便宜還不夠。如果把後續營運成本加進來看，太空環境同時帶來設備壽命、輻射防護與維修等地面資料中心較少面對的問題。

以設備壽命來看，低軌衛星約5年，相較部分高軌衛星15至20年更短，代表設備需要更頻繁汰換增加運營成本；太空輻射也可能損壞運算設備，若採用專用抗輻射晶片，單顆成本最高可達20萬美元，相較之下，即使輝達Nvidia(NVDA-US) B200 GPU售價也僅約3萬至4萬美元。此外，增加這些防護結構還會提高設備重量，又會進一步推升發射成本。

因此，太空資料中心的經濟性不能只看發射成本，而要同時考慮設備重量、耐輻射能力、使用壽命、維修難度與設備更新成本。

1百萬個軌道資料中心只是申請，真正運行的仍只有數十顆GPU

SpaceX已向美國聯邦通訊委員會(FCC)提出1百萬個軌道資料中心規劃，Blue Origin也提出51,600個，但申請數量並不代表最終部署。

因為目前真正落地的規模仍非常小。Kepler Communications目前運行的軌道資料中心僅配置44顆GPU，與地面動輒部署數萬顆GPU的超大規模資料中心相比，仍處於非常早期階段。

這也說明太空算力目前已逐漸跨過能不能做的技術驗證，但距離能不能大規模部署並產生經濟效益，其實還有相當大的距離。

2030年前，可以先看太空邊緣運算

因此，太空算力更可能循序發展，而不是直接從數十顆GPU跳到GW級AI資料中心。

近期更有機會率先形成商業模式的是：太空邊緣運算(Space Edge Computing)。例如地球觀測衛星可以直接在軌道處理大量影像，只把分析結果與必要資料傳回地面，不必下載所有原始資料，藉此降低頻寬需求。

這類應用需要的算力遠低於大型AI資料中心，因此更適合作為太空運算第一階段的商業化場景。若後續實際部署的GPU數量持續增加，再逐步往更大型的在軌AI推論、訓練與資料中心發展，產業路徑會更加合理。

所以未來判斷太空資料中心是否真正進入產業化，與其看業者申請多少顆衛星，更值得追蹤的是每公斤發射成本、每GPU或每MW算力部署成本、設備在軌壽命，以及真正送上太空的GPU數量。

最終真正的商業化轉折點只有一個問題：把1GW算力送上太空並持續運作的成本，何時能接近在地面興建一座同等規模資料中心。