Un satellite grande quanto un frigorifero, quattro acceleratori TPU progettati da Google e una potenza solare di circa un kilowatt: è il primo esperimento concreto di Project Suncatcher, il programma con cui Google vuole portare in orbita data center per l'intelligenza artificiale. Il lancio è fissato per il 1° ottobre, ma il satellite non è costruito da zero: il bus spaziale arriva da Planet Labs, mentre Google ha integrato i propri chip in una piattaforma già esistente per accelerare i tempi. Il test non misura la potenza di calcolo in sé, ma la capacità di adattare l'infrastruttura AI a vincoli fisici estremi; è un segnale che la prossima partita si giocherà sulla gestione dell'energia e dei costi operativi, non solo sulle specifiche dei modelli.

La scelta di non costruire da zero è il primo segnale. Il piano iniziale prevedeva due satelliti custom nel 2027; ora Google ha compresso il calendario usando un bus già pronto. Nell'hardware AI, il tempo per passare al test conta quasi quanto le specifiche. Fuori dall'atmosfera, però, il test è volutamente minimale. I pannelli solari forniscono circa un kilowatt, quanto basta per un microonde o un asciugacapelli, come riporta il New York Times. Dentro ci sono quattro TPU usati per training e inference, ma la scala è quella di un proof of concept, non di un'alternativa ai data center terrestri.

Il punto non è la potenza assoluta, ma la forma del vincolo. Un data center a terra concentra migliaia di chip e consuma enormi quantità di energia; spostare i calcoli vicino a pannelli solari orbitali elimina la dipendenza dalla rete elettrica terrestre e dal raffreddamento atmosferico, ma introduce problemi diversi: dissipare calore nel vuoto, gestire radiazioni, garantire collegamenti radio con bandwidth limitata e accettare finestre di manutenzione quasi inesistenti. Il kilowatt del test è appena sufficiente per validare l'elettronica, non per dimostrare che l'orbita possa competere con un rack standard.

Per chi ragiona in termini di TCO, il progetto segnala qualcosa di strutturale. La corsa all'AI non è più solo una questione di modelli e framework: è una questione di accesso all'energia, superficie disponibile e costi operativi. Portare l'hardware in orbita è un modo estremo per separare il calcolo dai vincoli territoriali, ma sposta il costo dal consumo elettrico alla logistica di lancio e alla resilienza hardware. Non a caso il primo test non usa un satellite nuovo: ogni chilo in orbita ha un prezzo, e la miniaturizzazione resta un limite più stringente della potenza di calcolo.

Il ruolo di Planet Labs è altrettanto indicativo. Invece di verticalizzare l'intera piattaforma, Google ha comprato tempo da un produttore specializzato. È una mossa pragmatica che ricorda le dinamiche del cloud terrestre: chi possiede i carichi di lavoro e i chip può delegare l'infrastruttura fisica, purché il controllo sui dati e sull'hardware resti suo. In orbita, però, il controllo ha un significato diverso: un satellite non si aggiorna facilmente, non si scala in orizzontale e non si riconfigura a mano.

Questo test non riscrive le regole del deployment, ma rende visibile una direzione. Prima ancora di parlare di costellazioni di satelliti AI, Google sta testando se i propri acceleratori reggono l'ambiente spaziale e se il flusso dati da e verso terra può sostenere carichi di inference reali. Per chi valuta deployment self-hosted o on-premise, AI-RADAR mette a disposizione framework analitici su /llm-onpremise per pesare questi trade-off; qui il punto è che l'orbita porta all'estremo lo stesso dilemma tra controllo, energia e TCO.