ทำไมดาต้าเซ็นเตอร์ในวงโคจรจึงมีความสำคัญ

ดาต้าเซ็นเตอร์บนพื้นโลกเป็นผู้ประมวลผล AI inference ส่วนใหญ่ ซึ่งก็คือการนำโมเดลที่ผ่านการฝึกฝนแล้วมาประยุกต์ใช้กับข้อมูลใหม่ ค่าความหน่วง (latency) ข้อจำกัดด้านแบนด์วิดท์ และต้นทุนพลังงาน อาจเป็นอุปสรรคต่อบริการที่ต้องการการตอบสนองแบบเรียลไทม์ เช่น ยานพาหนะไร้คนขับ หรือแพลตฟอร์มการสำรวจระยะไกล ด้วยการนำฮาร์ดแวร์สำหรับ inference ไปไว้ในวงโคจรต่ำของโลก (low-Earth orbit) Starcloud จึงตั้งเป้าที่จะลดเวลาตอบสนองลงในระดับมิลลิวินาที และลดความจำเป็นในการใช้โครงสร้างพื้นฐานขนาดใหญ่บนพื้นโลก สตาร์ทอัพรายนี้อ้างว่าตนเป็นบริษัทเดียวที่ใช้งาน Nvidia H100 GPU ซึ่งเป็นโปรเซสเซอร์ระดับเซิร์ฟเวอร์ที่สร้างมาเพื่อภาระงานด้าน AI โดยเฉพาะ ในอวกาศ ซึ่งเป็นการตอกย้ำถึงความทะเยอทะยานทางเทคโนโลยีของบริษัท

เส้นทางการระดมทุน

Nvidia เป็นผู้ลงทุนหลักในรอบนี้ด้วยเงินจำนวน 25 ล้านดอลลาร์ Philip Johnston ซีอีโอ กล่าวว่าการสนับสนุนจาก Nvidia ช่วยยืนยันถึง "ชุดข้อมูลที่เป็นเอกลักษณ์" ของ Starcloud และทำให้เข้าถึงความเชี่ยวชาญด้านวิศวกรรมได้โดยตรง นอกจากนี้ยังมีนักลงทุนที่ไม่เปิดเผยชื่อเข้าร่วมด้วย ส่งผลให้มูลค่าบริษัทหลังการระดมทุน (post-money valuation) ของ Starcloud พุ่งสูงถึง 2.3 พันล้านดอลลาร์ ซึ่งเป็นสัญญาณของความเชื่อมั่นจากกลุ่ม Venture Capital ในตลาดที่ปัจจุบันยังมีการใช้ประโยชน์เชิงพาณิชย์จากการประมวลผลในอวกาศเพียงเล็กน้อยเท่านั้น

จากโรงงานสู่ชั้นบรรยากาศ

Starcloud จะนำเงินส่วนใหญ่ไปใช้ในการขยายโรงงานขนาด 100,000 ตารางฟุตในเมือง Woodinville รัฐวอชิงตัน โรงงานแห่งนี้จะใช้ผลิตฮาร์ดแวร์สำหรับแพลตฟอร์มในวงโคจร Starcloud-3 ซึ่งจะถูกส่งขึ้นสู่อวกาศด้วยยาน Starship ของ SpaceX ในขณะเดียวกัน บริษัทกำลังเตรียมดาวเทียมประมวลผลขนาดเล็กกว่าที่มีกำลังไฟ 8 กิโลวัตต์ ชื่อ Starcloud-2 ซึ่งมีกำหนดการปล่อยขึ้นสู่อวกาศในปี 2027 ด้วยยาน Falcon 9 โดยเฉพาะ

คอขวดของการปล่อยจรวด

SpaceX มีแผนที่จะปลดระวาง Falcon 9 ภายในปี 2028 เพื่อเปลี่ยนไปใช้ยานรุ่นใหม่กว่า จรวดคู่แข่งอย่าง New Glenn ของ Blue Origin และ Neutron ของ Rocket Lab ยังคงอยู่ในระหว่างการพัฒนา ทำให้ช่วงเวลาที่มีขีดความสามารถในการขนส่งน้ำหนักบรรทุกสูง (heavy-lift) นั้นมีอยู่อย่างจำกัด Starcloud กำลังเจรจาสัญญาในระยะยาวกับ SpaceX และกำลังพิจารณาการซื้อช่วงเวลาปล่อยจรวด (slots) ของ Falcon 9 เป็นของตนเอง เพื่อรับประกันว่าดาวเทียมขนาดเล็กของบริษัทจะเข้าสู่วงโคจรได้ตามกำหนดการ ดังนั้น ความสำเร็จจึงขึ้นอยู่กับการพัฒนาของ Starship ให้พร้อมใช้งานได้ทันเวลา และการจองช่วงเวลาปล่อยจรวดก่อนที่ตลาดจะตึงตัว

ความท้าทายทางวิศวกรรมในสภาวะสุญญากาศ

การใช้งาน GPU ระดับเซิร์ฟเวอร์ในอวกาศไม่ใช่แค่การเปลี่ยนจากตู้แร็คบนพื้นโลกมาเป็นตัวดาวเทียม (satellite bus) แบบง่ายๆ วิศวกรของ Starcloud ต้องเผชิญกับปัญหาหลัก 3 ประการ:

  • การจัดการความร้อน – GPU สร้างความร้อนสูงมาก เนื่องจากในสุญญากาศไม่มีการพาความร้อน ความร้อนจึงต้องถูกแผ่ออกมาผ่านแผงระบายความร้อนที่ออกแบบมาเป็นพิเศษ
  • การป้องกันรังสี (Radiation hardening) – รังซีคอสมิกและอนุภาคจากดวงอาทิตย์สามารถทำลายโครงสร้างซิลิคอนได้ การเพิ่มเกราะป้องกันจะทำให้มวลเพิ่มขึ้น ดังนั้นทีมงานจึงต้องสร้างสมดุลระหว่างการป้องกันและข้อจำกัดด้านน้ำหนักในการปล่อยจรวด
  • ความแข็งแรงทางโครงสร้าง – การปล่อยจรวดทำให้ฮาร์ดแวร์ต้องเผชิญกับการสั่นสะเทือนและความเร่งที่รุนแรง อุปกรณ์ต่างๆ ต้องทนทานต่อแรงที่มากกว่าบนโลกหลายเท่า

บริษัทยังทำงานร่วมกับ Nvidia ในการพัฒนาชิป Vera Rubin Space-1 ซึ่งเป็นโปรเซสเซอร์ที่ออกแบบมาเพื่อสภาพแวดล้อมด้านรังสีและความร้อนในวงโคจรโดยเฉพาะ ความร่วมมือนี้อาจนำไปสู่การสร้างซิลิคอนเกรดอวกาศ (space-qualified silicon) ชนิดใหม่ แต่ปัจจุบันยังอยู่ในช่วงเริ่มต้นของการพัฒนา

คำถามด้านกฎระเบียบและขนาดของโครงการ

Starcloud ได้ยื่นคำขอต่อคณะกรรมการกลางกำกับดูแลกิจการสื่อสาร (FCC) เพื่อขออนุญาตใช้งานยานอวกาศสูงสุดถึง 88,000 ลำ กลุ่มดาวเทียม (constellation) ขนาดใหญ่เช่นนี้จะใหญ่กว่าเครือข่ายดาวเทียมที่มีอยู่ในปัจจุบันอย่างมหาศาล และจะก่อให้เกิดความกังวลเกี่ยวกับขยะอวกาศ การจัดสรรคลื่นความถี่ และการประสานงานกับผู้ให้บริการรายอื่น การตัดสินใจของ FCC จะเป็นตัวกำหนดว่า Starcloud จะสามารถขยายตัวจากฐานทดสอบเริ่มต้นได้รวดเร็วเพียงใด

มุมมองต่าง: ต้นทุน ความเสี่ยง และความเหมาะสมของตลาด

การติดตั้งฮาร์ดแวร์ AI ประสิทธิภาพสูงในอวกาศมีค่าใช้จ่ายมหาศาล ความล่าช้าหรือความล้มเหลวในการปล่อยจรวดอาจส่งผลกระทบอย่างหนักต่อสถานะทางการเงินของบริษัท ยิ่งไปกว่านั้น ตลาดสำหรับการประมวลผล inference ในอวกาศยังไม่ได้รับการพิสูจน์ เนื่องจากภาระงาน AI จำนวนมากสามารถรันบนอุปกรณ์ปลายทาง (edge devices) หรือบริการคลาวด์ที่มีค่าความหน่วงที่ยอมรับได้อยู่แล้ว นักวิจารณ์กล่าวว่าความซับซ้อนที่เพิ่มขึ้นจากการปฏิบัติงานในวงโคจรอาจไม่คุ้มค่ากับประสิทธิภาพที่ได้รับเพิ่มขึ้นสำหรับแอปพลิเคชันส่วนใหญ่

สิ่งที่ต้องจับตามอง

  • การเปิดตัว Starship – เที่ยวบินแรกของ Starship ที่ใช้งานจริงจะเผยให้เห็นว่า Starcloud จะสามารถทำตามกำหนดการปล่อยจรวดและสมมติฐานด้านต้นทุนที่ตั้งไว้ได้หรือไม่
  • คำตัดสินของ FCC – การอนุมัติกลุ่มดาวเทียมขนาดใหญ่จะเป็นหมุดหมายสำคัญด้านกฎระเบียบ
  • ความสำเร็จด้านฮาร์ดแวร์ – การสาธิตการทำงานของ GPU อย่างต่อเนื่อง การฝึกฝนโมเดล หรือการทำ inference ในวงโคจร จะเป็นหลักฐานที่เป็นรูปธรรมถึงความเป็นไปได้ของแพลตฟอร์มนี้
  • การตอบรับจากลูกค้า – สัญญาจากบริษัทที่ต้องการ AI ที่มีความหน่วงต่ำเป็นพิเศษ (เช่น การถ่ายภาพดาวเทียม, การนำทางอัตโนมัติ) จะเป็นตัวทดสอบความต้องการเชิงพาณิชย์

บทสรุป

การระดมทุนมูลค่า 250 ล้านดอลลาร์ของ Starcloud ส่งผลให้บริษัทก้าวขึ้นมาเป็นผู้นำในตลาดเฉพาะกลุ่มที่ผสมผสานระหว่าง AI และเทคโนโลยีอวกาศ หากอุปสรรคทางวิศวกรรม โลจิสติกส์การปล่อยจรวด และการอนุมัติจากหน่วยงานกำกับดูแลดำเนินไปได้อย่างราบรื่น บริษัทอาจสามารถเพิ่มเลเยอร์ใหม่ของการประมวลผลระหว่างศูนย์ข้อมูลบนภาคพื้นดินและอุปกรณ์ปลายทาง (edge devices) แม้จะเป็นการเดิมพันที่สูงมาก แต่ผลตอบแทนที่ได้รับ—ซึ่งก็คือพลังประมวลผล AI ระดับเทราฟลอปส์ในวงโคจร—อาจพลิกโฉมวิธีการให้บริการแก่บริการที่อ่อนไหวต่อความหน่วง (latency-sensitive services) ทั่วโลก