Google、AIチップを宇宙へ　Project Suncatcher初実験で何を確かめる？

Googleは2026年9月24日、AIチップを搭載した試作衛星を翌週に打ち上げると発表しました。宇宙で大規模なAI計算を行う「Project Suncatcher」で、初めて実施する軌道上実験です。

今回の目的は宇宙データセンターを完成させることではなく、TPUが打ち上げ時の振動や放射線、真空中での熱に耐えられるかを確かめることです。

試作衛星は、SpaceXの相乗り打ち上げ「Transporter-18」に搭載されます。衛星開発には、地球観測衛星を運用するPlanetが協力しました。

Googleは打ち上げ時期を「翌週」と説明しています。9月24日時点では、正確な日時のほか、搭載するTPUの型番や個数、消費電力は公表されていません。

Project Suncatcherとは

Project Suncatcherは、太陽光発電で動く多数の衛星をレーザー通信でつなぎ、宇宙にAI計算基盤を作る研究計画です。

地上の巨大施設をそのまま宇宙へ運ぶのではなく、小型の衛星を近距離で飛ばし、1つの計算機群として動かす構想です。

各衛星には、GoogleのAI専用チップ「TPU」を搭載します。TPUは、AIで多用される大量の掛け算や足し算を効率よく処理する半導体です。

Googleの研究では、昼夜の境目に沿って飛ぶ太陽同期軌道を想定しています。この軌道なら太陽光を受ける時間を長く確保でき、地上の中緯度に置いた同じ面積のパネルと比べて、年間で最大8倍の太陽エネルギーを受けられるとしています。

構成要素	役割	主な課題
TPU	AIの学習や推論を処理する	放射線、故障、消費電力
太陽電池	計算に必要な電力を作る	面積、質量、姿勢制御
レーザー通信	衛星間で計算データを運ぶ	帯域、照準、編隊飛行
ヒートパイプ	TPUの熱を放熱板へ移す	高い熱密度への対応
放熱板	赤外線として熱を宇宙へ逃がす	大面積化、太陽熱の遮断
地上通信	入力データと結果を送受信する	雲、大気、通信可能時間

初実験で確かめる3つのこと

初実験で主に確かめるのは、「壊れずに打ち上がるか」「放射線で計算結果が乱れないか」「真空中で熱を逃がせるか」の3点です。

1．ロケットの振動と加速度に耐えられるか

ロケットが低軌道へ到達するまでの約10分間、衛星には強い振動と加速度が加わります。Googleによると、衛星全体には最大10G、TPUなどの部品には50～100Gの力がかかる場合があります。

地上の3軸振動試験には合格していますが、実際の打ち上げでは振動、音響、加速度が同時に加わります。

基板やはんだ、コネクターにわずかな損傷が生じただけでも、打ち上げ後の計算エラーにつながります。実際の飛行後に電源が入り、安定してAI処理を続けられるかが最初の関門です。

2．放射線で計算結果が変わらないか

宇宙では、太陽や銀河から飛んでくる高エネルギー粒子が半導体を通過します。その影響で0と1が反転する「ビット反転」が起きたり、機器が再起動したりすることがあります。

機器そのものが壊れないかに加えて、気付かないまま誤ったAI計算を返す「サイレントデータ破損」を検出できるかも重要です。

Googleは地上でTrillium TPU v6eに67MeVの陽子線を照射しました。想定軌道で受ける放射線量は、アルミ相当10mmの遮蔽を使った場合、年間約150rad、5年間で約750radと見積もっています。

試験では、HBM周辺で2,000radから異常が現れました。一方、AI処理を含むほかの試験では15,000radまで動作し、累積線量による重大な故障は確認されませんでした。

3．空気がない宇宙でTPUを冷やせるか

地上では、ファンや冷却水を使って熱を運べます。しかし、真空には熱を運ぶ空気がありません。

宇宙ではヒートパイプで熱を広い放熱板まで運び、赤外線として外へ放出する必要があります。

Googleは、真空と温度変化を再現する装置を使って冷却系を試験しました。今回の衛星では、地上試験と実際の軌道で温度にどれほど差が出るのかを測ります。

「宇宙は冷たいから簡単に冷やせる」という考えは正確ではありません。日なたでは太陽から熱を受けるうえ、真空では対流が使えないため、熱を放出するための面積が必要です。

独自計算1：放射線への余裕は何倍あるのか

Googleが示した数値で計算すると、HBMに異常が現れ始めた線量は、5年間の想定線量の約2.67倍です。

重大故障が出なかった15,000radは、5年間の想定線量750radの20倍に当たります。

計算式は「2,000÷750＝約2.67」と「15,000÷750＝20」です。ただし、ここで比較しているのは累積線量だけです。1個の粒子によって突然起きるエラーや、温度、電源、部品の経年劣化は別に考える必要があります。

比較対象	放射線量	5年想定との比率
想定する1年間	約150rad	0.2倍
想定する5年間	約750rad	1倍
HBMの異常が始まった線量	2,000rad	約2.67倍
重大故障なしで到達した線量	15,000rad	20倍

Googleの論文では、典型的なTransformer処理の場合、検出されないデータ破損が約300万回の推論に1回起きると試算しています。一見すると小さな確率です。

ところが、1秒に1回の推論を1年間続けると、1基当たり約10.5回になります。100基なら、単純計算で年間約1,050回です。

計算式は「31,536,000秒÷300万回＝約10.5回」です。実際の件数は、処理速度や遮蔽、誤り訂正、再実行の仕組みによって変わります。

1回当たりのエラー率が低くても、規模が大きくなれば監視と再計算が必要になることが、この試算から分かります。

独自計算2：宇宙の光通信はAIに十分速いのか

Googleは地上で行った短距離実験で、片方向800Gbps、双方向合計1.6Tbpsの光通信に成功しています。

800Gbpsは毎秒100GBなので、140GBのデータを送る理論上の最短時間は約1.4秒です。

140GBは、700億パラメーターのモデルをFP16で保存した場合の重みの大きさに相当します。計算式は「700億×2バイト＝140GB」です。

もちろん、推論するたびにモデル全体を送るわけではありません。この計算は、通信量の大きさをイメージしやすくするための例です。

通信速度	1秒当たりの転送量	140GBの理論転送時間
100Gbps	12.5GB	約11.2秒
800Gbps	100GB	約1.4秒
10Tbps	1,250GB	約0.112秒

Googleが将来必要とみている衛星間通信は、1リンク当たり約10Tbpsです。現在の800Gbpsの実験と比べると、単純な合計帯域で12.5倍まで増やす必要があります。

Googleはその方法として、複数の波長と複数の光線を同時に使う設計を検討しています。2027年には2機の衛星を使い、移動しながらレーザーを正確に向け続けられるかを試す計画です。

独自計算3：100kWの熱を逃がす放熱板はどれほど大きいか

Googleは今回の衛星の消費電力を明らかにしていません。そこで、将来の計算衛星が100kWの熱を出す場合を仮定して計算します。

放熱面を80度、放射率を0.9とすると、100kWを捨てるには理論上約126平方メートルの放熱面が必要です。

ステファン・ボルツマンの法則を使った理想値で、約11.2m四方に相当します。1MWなら、同じ条件で約1,260平方メートルです。

実際には、太陽や地球から受ける熱、配管の損失、材料の劣化も考えなければなりません。必要な面積はさらに大きくなる可能性があります。

AIチップを省電力化できれば、電源だけでなく放熱板も小さくできます。打ち上げる質量も減らせるため、省電力化は宇宙では地上以上に大きな意味があります。

2026年の1機と2027年の2機では目的が違う

Googleは2025年11月、Planetと2機の試作衛星を2027年初めまでに打ち上げる計画を示していました。

2026年の1機ではTPUと冷却系が宇宙で動作できるかを確認し、2027年の2機では衛星間レーザー通信を含む分散計算の確認が中心になります。

段階	機数	主な確認項目	確認しないこと
Transporter-18	1機	打ち上げ耐性、放射線、温度、冷却	2機間のレーザー通信、大規模分散計算
2027年の次期実験	2機	近接飛行、高帯域レーザー通信、連携動作	大規模な商用サービス
将来構想	多数	AI計算基盤としての性能と費用	時期や規模は未確定

この2つは目的が異なります。今回の打ち上げに成功したとしても、すぐに宇宙でGeminiの大規模学習を始められるわけではありません。

過去事例・競合との違い

高性能な計算機を宇宙へ送る試みは、Googleが初めてではありません。StarcloudやAxiom Spaceは、すでに実機を軌道へ投入しています。

Googleが重視しているのは1基のGPUを宇宙で動かすことより、多数のTPU衛星を地上のAIクラスターのようにつなぐことです。

計画	主な実績・予定	計算装置・通信	狙い
Google Project Suncatcher	2026年に1機、2027年に2機を実験予定	TPU、将来は約10Tbps級の衛星間光通信	大規模な分散AI計算
Starcloud	2025年11月にStarcloud-1を打ち上げ	NVIDIA H100を1基搭載	宇宙でGeminiを実行し、nanoGPTを学習
Axiom Space	2025年にISSで試験、2026年1月に2ノード	市販機器、光通信は2.5GB／秒対応	衛星向け保存・処理・クラウド

Starcloud-1はNVIDIA H100を宇宙へ運び、Geminiの実行とnanoGPTの学習を行いました。単体の高性能GPUを宇宙で動かした実績では、Googleより先行しています。

Axiom Spaceは2022年、国際宇宙ステーションで市販クラウド機器を動かしました。2026年1月11日には、低軌道へ専用データセンターノードを2機打ち上げています。

Suncatcherは、衛星同士を100～200mほどの間隔で飛ばし、地上のAIサーバー群に近い高速通信を実現しようとしています。Googleの論文では、高度650km、半径1kmの範囲に81機を配置する例も示されています。

反証：太陽光が豊富でも安いとは限らない

宇宙では太陽光を長時間受けられ、地上の土地や送電網も使いません。AI向けデータセンターの電力需要が増えるなか、大きな利点に見えます。

しかし、発電コストが低くても、打ち上げ、放熱、通信、故障交換まで含めた総費用が安いとは限りません。

Googleは、低軌道への打ち上げ価格が2030年代半ばに1kg当たり200ドル以下まで下がれば、採算性が見え始めると分析しています。

ただし、この予測が成り立つには、年間約180回のStarship打ち上げに加え、累積打ち上げ量が2倍になるたびに単価が約20％下がる状態が続く必要があります。どちらも現時点では実現していません。

Googleの試算では、衛星の寿命で割った打ち上げ費は、1kW当たり年間約810～7,500ドルです。地上データセンターの電力費として示された約570～3,000ドルより安い場合もあれば、高い場合もあります。

しかも、この比較には宇宙側のすべての費用が含まれているわけではありません。TPU、衛星本体、放熱板、運用、保険、交換、地上局の費用は別に考える必要があります。

故障したTPUを人が交換できない

地上のデータセンターなら、故障したサーバーやケーブルを技術者が交換できます。軌道上で同じ保守を行うのは難しく、予備部品と自動復旧の仕組みが必要です。

宇宙で冗長化すれば故障には強くなりますが、予備のTPUまで打ち上げるため、質量と費用は増えます。

ソフトウェア更新だけでは直せない故障が起きれば、衛星ごと交換する可能性もあります。性能向上の速いAIチップでは、故障だけでなく陳腐化も課題になります。

宇宙ごみと衝突回避も運用コストになる

多数の衛星を近距離で飛ばすなら、仲間同士だけでなく、ほかの衛星や宇宙ごみとの衝突も避けなければなりません。

ESAの低軌道衛星は平均で年2回の衝突回避を行っており、機数が増えるほど監視と自動制御の重要性が高まります。

参考までに81機へ単純に当てはめると、年間162回に相当します。Suncatcherで実際に起きる回避回数を予測した値ではありませんが、運用規模を考える目安にはなります。

衝突回避を行えば編隊が崩れ、レーザー通信の向きも変わります。AI計算を止めず、安全な距離を保つための制御が必要です。

独自分析：初実験の成功を判断する5つの指標

Googleは、実験が成功したと判断する詳しい数値条件を公表していません。「TPUが起動した」というだけでは、将来の宇宙AI基盤へ進めるかどうかは判断できません。

見るべきなのは単に動作したかどうかではなく、温度、エラー率、停止時間、電力効率が地上試験の予測内に収まるかです。

見るべき指標	分かること
TPUとHBMの温度	放熱板の面積とヒートパイプ設計が十分か
訂正できたビット反転数	誤り訂正が実環境で機能したか
検出できない計算誤り	AIの回答や学習結果を信頼できるか
再起動と停止時間	無人運用に必要な自動復旧能力があるか
1回の計算当たりの電力量	太陽光の多さを実際の計算量へ変えられたか

特に確認したいのは、TPU本体よりHBMです。地上で行った放射線試験でも、最初に異常が現れたのはHBM周辺でした。

温度は低すぎても高すぎても、動作が不安定になる可能性があります。日照や姿勢、計算負荷が変わっても、一定の温度範囲を保てるかが問われます。

利用者への影響はいつ現れるのか

今回の実験に成功しても、Geminiがすぐに高速化したり、利用料金が下がったりする可能性は低いと考えられます。まだ研究段階で、商用化の時期も決まっていません。

短期的な影響は小さく、最初の用途としては地上の一般利用者向けサービスより、衛星が撮影した画像や観測データを宇宙で処理する用途が考えられます。

宇宙でデータを処理できれば、巨大な生画像をすべて地上へ送る必要がなくなり、必要な結果だけを送れます。通信量を減らし、災害検知などの結果を早く返せる可能性があります。

地上の利用者へ生成AIを提供する場合は、高速な地上通信と安定した稼働が欠かせません。雲によって光通信が遮られる問題や、衛星から利用者までの通信経路も解決する必要があります。

IEAは、世界のデータセンター消費電力が2025年の485TWhから、2030年には950TWhへほぼ倍増すると予測しています。AI向けの消費電力は、同じ期間に3倍へ増える見通しです。

電力網の増強が追い付かなければ、宇宙で計算する技術を研究する価値は高まります。ただし、解決策は宇宙だけではありません。地上の再生可能エネルギーや原子力、省電力チップ、モデルの効率化と費用を比べる必要があります。

まとめ：最初に問われるのは性能より生存性

Project Suncatcherの初実験では、試作衛星1機にTPUを搭載します。打ち上げ時の振動、放射線、温度変化、真空中での冷却を実際の軌道で測ります。

今回の成功条件は「宇宙データセンターが動いた」ことではなく、次の2機実験へ進めるだけの信頼できるデータを得られたかどうかです。

地上試験では、Trillium TPUが5年間の想定線量を超えて動作しました。ただし、大規模化すれば小さなエラー率も積み重なります。

2027年の2機実験では、レーザー通信と連携動作が焦点になります。その先には10Tbps級の通信、巨大な放熱板、無人保守、衝突回避、打ち上げ費といった難題が残っています。

太陽光を多く得られるだけでは、宇宙AIは成立しません。得た電力を計算に使い、発生した熱を逃がし、エラーが起きた処理を自動でやり直せるか。そこまで実現して初めて、大規模な宇宙AI基盤が現実味を帯びます。

参考資料

数値は2026年9月24日時点で確認できるGoogle、Planet、競合企業、公的機関の資料を基にしています。

CodeBeat News

Google、AIチップを宇宙へ　Project Suncatcher初実験で何を確かめる？

Project Suncatcherとは