Google heeft voor het eerst een prototype satelliet met een van zijn eigen AI‑chips de ruimte in gestuurd. Het doel is simpel: kijken of die chip onder echte ruimtetoestanden kan blijven werken en AI‑taken kan uitvoeren zonder onverwachte fouten.

Wat is er gelanceerd en waarom

De satelliet, gebouwd door Planet Labs, draagt een Google‑chip die een TPU (Tensor Processing Unit, een chip van Google speciaal voor AI‑berekeningen) bevat. De test moet laten zien of de chip lange tijd elektriciteit kan krijgen, koel gehouden kan worden en AI‑modellen kan draaien terwijl hij in een baan rond de aarde zit.

De TPU draait korte werksessies van 15 minuten. Dat voorkomt dat het satellietsysteem te veel stroom vraagt of oververhit raakt. Dit is een proefopstelling; Google en Planet Labs werken ook aan een demonstratie‑versie die volgend jaar twee speciaal aangepaste satellieten met elkaar laat samenwerken via een laserverbinding — een snelle, rechtstreekse dataverbinding met licht tussen satellieten.

Op dezelfde lancering zaten meer dan honderd andere payloads, waaronder projecten van kleinere bedrijven die ook AI in de ruimte willen gebruiken. Wat Google anders maakt, is dat het geen korte proef wil doen, maar een plan heeft voor de lange termijn: een netwerk van tientallen tot honderden satellieten die samen als een datacenter in de ruimte zouden werken.

Hoe ziet het lange‑termijnplan eruit?

Google denkt aan een constellatie van ongeveer 81 satellieten die dicht bij elkaar vliegen en parallel werken. Het idee is dat veel chips tegelijk samenwerken. Voor zulke systemen zijn twee eigenschappen heel belangrijk:

• voldoende bandbreedte tussen de chips, zodat ze snel data kunnen uitwisselen;

• lage vertraging (latency), zodat taken die samen lopen goed gesynchroniseerd blijven.

Google wil niet alleen kijken naar de taken die nu bestaan, maar ook naar wat er over vijf jaar nodig kan zijn. Dat verklaart waarom het bedrijf nu al experimenteert, ook al zijn er veel praktische obstakels.

De grote hindernis: lanceringen en kosten

Een van de belangrijkste problemen is hoe duur en hoeveelvuldig lanceren nog is. Google publiceerde een peer‑reviewed studie over hoeveel het kost om rekencapaciteit de ruimte in te krijgen. Daarin rekent het bedrijf uit wat er nodig is om de lanceerkosten flink omlaag te krijgen.

Google rekent op een daling van de prijs per kilogram als gevolg van ervaring bij SpaceX — een zogenoemde leercurve. Als die leercurve zo doorzet als bij eerdere raketten, denkt Google dat Starship‑lanceringen tegen 2035 misschien rond de 200 dollar per kilo kunnen kosten.

Maar om daar te komen moet Starship enorme hoeveelheden vracht naar de ruimte brengen. Google rekent voor dat er ongeveer 370.000 ton payload nodig is om die kostenreductie te halen. Dat betekent ongeveer 1.800 vluchten in tien jaar, oftewel 180 vluchten per jaar — en dat is alleen mogelijk als elke vlucht ongeveer 200 ton meeneemt.

Ter vergelijking: Starship heeft nog nooit meer dan vijf keer per jaar gevlogen. SpaceX en Elon Musk hebben veel hogere vluchtsnelheden genoemd in plannen en uitspraken, maar die zijn voorlopig nog niet bewezen in praktijk.

Werkt de chip in de ruimte? Straling en fouten

Een belangrijke zorg is straling in de ruimte. Deeltjes in de ruimte kunnen fouten veroorzaken in chips. Google testte de TPU in een deeltjesversneller en ontdekte aanvankelijk dat eerdere tests te veel afscherming gaven. Na het opnieuw testen vonden ze iets meer logische fouten in de chip, maar nog steeds weinig voor normale gebruiksscenario’s.

Concreet: voor typische 'inference'‑taken — het laten voorspellen door een getraind AI‑model — is de foutkans volgens Google erg laag, ongeveer één fout per miljoen bewerkingen. (Het woord inference (het uitvoeren van voorspellingen door een AI‑model) wordt hier gebruikt voor het draaien van modellen, niet voor het trainen ervan.)

Voor zeer grote trainingsklussen, waarbij maandenlang duizenden chips samenwerken, zijn die fouten problematischer. Dus voor nu lijken de chips geschikt voor inference‑werk in een satellietlevensduur van ongeveer vijf jaar, maar minder voor grootschalige training in de ruimte.

Conclusie

De lancering is een belangrijke stap: Google heeft aangetoond dat een TPU in een echte ruimteomgeving kan draaien en dat de foutkans bij normale voorspellingswerkzaamheden laag is. Dat maakt ruimtegebaseerde AI‑diensten technischer haalbaar.

Toch blijft de grootste drempel het lanceer‑ecosysteem. Volgens Google's eigen berekeningen zijn er honderden tot duizenden Starship‑vluchten nodig om lanceerkosten ver genoeg te verlagen. Tot dat moment blijft grootschalige inzet van datacenters in de ruimte kostbaar en onzeker.

De komende jaren moet blijken of raketten sneller en goedkoper gaan vliegen, en of samenwerken tussen satellieten via bijvoorbeeld laserverbindingen technisch betrouwbaar en betaalbaar wordt.