कक्षेत डेटा सेंटर असणे का महत्त्वाचे आहे

जमिनीवरील डेटा सेंटर्स बहुतेक AI इन्फरन्स (AI inference) चालवतात—म्हणजेच प्रशिक्षित मॉडेल नवीन डेटावर लागू करणे. लॅटन्सी (Latency), बँडविड्थ मर्यादा आणि ऊर्जेचा खर्च यामुळे स्वायत्त वाहने किंवा रिमोट-सेन्सिंग प्लॅटफॉर्म्स सारख्या रिअल-टाइम प्रतिसादाची गरज असलेल्या सेवांवर परिणाम होऊ शकतो. लो-अर्थ ऑर्बिटमध्ये (low-Earth orbit) इन्फरन्स हार्डवेअर ठेवून, Starcloud चा उद्देश प्रतिसादाच्या वेळेतील मिलिसेकंद कमी करणे आणि मोठ्या जमिनीवरील पायाभूत सुविधांची गरज कमी करणे हा आहे. ही स्टार्टअप कंपनी अवकाशात Nvidia H100 GPU—जो AI वर्कलोडसाठी बनवलेला सर्व्हर-ग्रेड प्रोसेसर आहे—चालवणारी एकमेव कंपनी असल्याचा दावा करते, जे त्यांच्या तांत्रिक महत्त्वाकांक्षेचे दर्शन घडवते.

निधीचा प्रवास

Nvidia ने $25 दशलक्षच्या योगदानासह या गुंतवणुकीच्या फेरीत मुख्य भूमिका बजावली. CEO फिलिप जॉन्स्टन म्हणतात की Nvidia चा पाठिंबा Starcloud च्या "युनिक डेटासेट्स" ची वैधता सिद्ध करतो आणि अभियांत्रिकी तज्ज्ञतेमध्ये थेट प्रवेश मिळवून देतो. काही अज्ञात गुंतवणूकदारांनी देखील यात सहभाग घेतला, ज्यामुळे Starcloud चे पोस्ट-मनी व्हॅल्युएशन $2.3 अब्ज डॉलर्सपर्यंत पोहोचले—हे अशा बाजारपेठेतील व्हेंचर-कॅपिटलचा विश्वास दर्शवते जिथे अंतराळ-आधारित कॉम्प्युटचा व्यावसायिक वापर अद्याप मर्यादित आहे.

फॅक्टरीपासून कक्षेपर्यंत

Starcloud आपला बहुतेक पैसा वॉशिंग्टनमधील वुडिनविले येथील १,००,००० स्क्वेअर फूट प्लांटचा विस्तार करण्यासाठी खर्च करेल. हा कारखाना त्यांच्या ऑर्बिटल प्लॅटफॉर्म, Starcloud-3 साठी हार्डवेअर तयार करेल, ज्याला SpaceX चे Starship प्रक्षेपित करेल. समांतरपणे, कंपनी ८ किलोवॅटचा एक लहान कॉम्प्युट सॅटेलाईट, Starcloud-2 तयार करत आहे, ज्याचे प्रक्षेपण २०२७ मध्ये समर्पित Falcon 9 द्वारे नियोजित आहे.

लाँचमधील अडथळे

SpaceX ने नवीन वाहनांच्या फायद्यासाठी २०२८ पर्यंत Falcon 9 निवृत्त करण्याची योजना आखली आहे. Blue Origin चे New Glenn आणि Rocket Lab चे Neutron सारखे स्पर्धात्मक रॉकेट्स अजूनही विकासाधीन आहेत, ज्यामुळे हेवी-लिफ्ट क्षमतेसाठी एक मर्यादित संधी निर्माण झाली आहे. Starcloud SpaceX सोबत दीर्घकालीन करारांसाठी वाटाघाटी करत आहे आणि आपले लहान सॅटेलाईट्स वेळेवर कक्षेत पोहोचतील याची खात्री करण्यासाठी स्वतःच्या Falcon 9 स्लॉट्स खरेदी करण्याबाबतही विचार करत आहे. त्यामुळे यश हे Starship च्या वेळेवर परिपक्वतेवर आणि बाजारपेठ अधिक स्पर्धात्मक होण्यापूर्वी लाँच स्लॉट्स सुरक्षित करण्यावर अवलंबून आहे.

निर्वात पोकळीतील अभियांत्रिकी आव्हाने

अवकाशात सर्व्हर-ग्रेड GPU चालवणे म्हणजे केवळ जमिनीवरील रॅकच्या जागी सॅटेलाईट बस ठेवणे इतके सोपे नाही. Starcloud च्या अभियंत्यांना तीन मुख्य समस्यांचा सामना करावा लागतो:

  • थर्मल मॅनेजमेंट (Thermal management) – GPU खूप उष्णता निर्माण करतात; निर्वात पोकळीत संवहन (convection) नसल्यामुळे, ही उष्णता विशेष डिझाइन केलेल्या पॅनेलद्वारे उत्सर्जित करावी लागते.
  • रेडिएशन हार्डनिंग (Radiation hardening) – कॉस्मिक किरण आणि सौर कण सिलिकॉन खराब करू शकतात. शिल्डिंगमुळे वजन वाढते, त्यामुळे टीमला संरक्षण आणि लाँच वजन मर्यादा यांचा समतोल साधावा लागतो.
  • स्ट्रक्चरल इंटिग्रिटी (Structural integrity) – लाँच दरम्यान हार्डवेअरला तीव्र कंपन आणि प्रवेग (acceleration) सहन करावा लागतो. घटक पृथ्वीवरील ताकदीपेक्षा कितीतरी पटीने जास्त ताकद सहन करण्यास सक्षम असावे लागतात.

ही कंपनी Nvidia सोबत Vera Rubin Space-1 चिपवर देखील काम करत आहे, जो कक्षेत रेडिएशन आणि थर्मल वातावरणासाठी डिझाइन केलेला प्रोसेसर आहे. हे सहकार्य नवीन प्रकारच्या 'स्पेस-क्वालिफाईड सिलिकॉन'ची निर्मिती करू शकते, परंतु हे अजून विकासाच्या सुरुवातीच्या टप्प्यात आहे.

नियामक आणि स्केल संबंधी प्रश्न

Starcloud ने फेडरल कम्युनिकेशन्स कमिशनकडे (FCC) ८८,००० पर्यंत अंतराळयाने चालवण्याची परवानगी मागितली आहे. असे नक्षत्र (constellation) सध्याच्या सॅटेलाईट नेटवर्कपेक्षा कितीतरी मोठे असेल आणि यामुळे कक्षीय कचरा (orbital debris), स्पेक्ट्रम वाटप आणि इतर ऑपरेटर्ससोबतच्या समन्वयाबाबत चिंता निर्माण होऊ शकते. FCC चा निर्णय Starcloud किती वेगाने आपल्या सुरुवातीच्या चाचणी टप्प्यापलीकडे वाढू शकते हे ठरवेल.

प्रतिवाद: खर्च, जोखीम आणि मार्केट फिट

अवकाशात हाय-परफॉर्मन्स AI हार्डवेअर तैनात करणे खूप खर्चिक आहे. लाँचमधील विलंब किंवा अपयश आर्थिक स्थितीवर मोठा परिणाम करू शकते. शिवाय, अंतराळ-आधारित इन्फरन्ससाठी बाजारपेठ अद्याप सिद्ध झालेली नाही; अनेक AI वर्कलोड्स आधीच स्वीकारार्ह लॅटन्सीसह एज डिव्हाइसेस किंवा क्लाउड सर्व्हिसेसवर चालतात. टीकाकारांचे म्हणणे आहे की कक्षेत काम करण्याची वाढलेली जटिलता बहुतांश उपयोगांसाठी कामगिरीच्या फायद्यांपेक्षा जास्त असू शकते.

काय लक्ष ठेवायचे

  • Starship चे रोलआउट – Starship च्या पहिल्या कार्यान्वित उड्डाणांवरून हे स्पष्ट होईल की Starcloud आपल्या लाँच टाइमलाइन आणि खर्चाच्या गृहितकांमध्ये यशस्वी होऊ शकते का.
  • FCC चा निर्णय – मोठ्या सॅटेलाईट कॉन्स्टेलेशनसाठी मंजुरी मिळणे हा एक महत्त्वाचा नियामक टप्पा असेल.
  • हार्डवेअर माइलस्टोन्स – कक्षेत sustained GPU ऑपरेशन, मॉडेल ट्रेनिंग किंवा इन्फरन्सचे प्रात्यक्षिक प्लॅटफॉर्मच्या व्यवहार्यतेचा ठोस पुरावा देईल.
  • ग्राहकांची वचनबद्धता – ज्या कंपन्यांना अल्ट्रा-लो लॅटन्सी AI ची गरज आहे (उदा. सॅटेलाईट इमेजिंग, स्वायत्त नेव्हिगेशन), त्यांच्याकडून मिळणारे करार व्यावसायिक मागणीची चाचणी घेतील.

सारांश

Starcloud ने उभारलेले $250 million चे भांडवल त्याला AI आणि स्पेस टेक्नॉलॉजी यांचा संगम घडवणाऱ्या एका विशिष्ट क्षेत्राच्या अग्रभागी नेते. जर अभियांत्रिकी अडथळे, लॉन्च लॉजिस्टिक्स आणि नियामक मान्यता योग्यरित्या पार पडल्या, तर ही कंपनी जमिनीवरील डेटा सेंटर्स आणि एज डिव्हाइसेसच्या दरम्यान 'compute' चा एक नवीन स्तर जोडू शकते. ही जोखीम मोठी आहे, परंतु त्याचे फळ—कक्षेत उपलब्ध होणारी टेराफ्लॉप्सची AI शक्ती—जगभरात लॅटन्सी-सेन्सिटिव्ह सेवा कशा प्रकारे दिल्या जातात, याचे स्वरूप बदलू शकते.