軌道コンピューティング

近年、地上のAIデータセンター拡大が電力網容量、冷却密度、土地コストなどの制約に直面する中、一部の投資家や技術者（特にAtreides ManagementのGavin Baker、続いてElon Musk/SpaceX/xAI）は、低軌道（LEO）がAI計算に構造的に優れた環境であると主張しています。宇宙ベースのコンピューティングは数十年にわたり議論されてきましたが、Falcon 9の再利用性による打ち上げコストの劇的な低下、そしてStarshipによるさらなる低下の見通しにより、この構想は実現可能性を増しています。2026年5月時点で、複数のスタートアップと少なくとも1つのハイパースケーラーが軌道データセンタープログラムを公に追求しています。

物理的利点は主に3つあります。第一に電力：LEOでの太陽放射照度は約1,361 W/m²で、地表より約30%強く、大気吸収や散乱がありません。太陽同期軌道などの最適化された軌道では、衛星は長時間連続した日光を受け、昼夜サイクルによる地上太陽光発電のような大規模バッテリー貯蔵が不要です。つまり、軌道データセンターは系統制約を受けず、地上の変電所待ち行列や送電線建設、地域許可といったボトルネックが存在しません。これはインフラ不足の観点からBakerの議論の最も説得力のある部分です。

第二に冷却：宇宙の真空は対流冷却を排除しますが、影側で約3K（-270°C）の放射熱シンクを提供します。衛星の暗面に取り付けられたラジエーターは、水、冷媒、エネルギー集約型コンプレッサーなしで受動的に熱を放出できます。地上データセンターは冷却に多大な費用を費やしていますが、受動放射冷却はこの運用コストを理論上排除します。

第三にネットワーキング：光は真空中をガラス中よりも約47%速く伝わります（シリカの屈折率のため）。衛星間レーザーリンク（ISL、SpaceXがStarlinkで商業利用済み）は真空中の光速度で通信します。ISLでネットワーク化された密集コンステレーションは、地上の長距離ファイバーよりも低遅延かつ高スループットになる可能性があります。分散型推論で世界中のユーザーにサービスを提供する場合、特に大陸間リクエストで応答遅延を大幅に改善できる可能性があります。

しかし、工学的制約がこの構想を複雑にしています。熱放散：放射冷却の能力はラジエーターの表面積に比例します。計算密度が増加するにつれて（地上の100kW/ラックのような高密度クラスター）、表面積対体積比が悪化します。高密度AIクラスターを軌道に移すには、その熱を軌道温度で放出するために必要な放射面が計算ペイロードに対して非現実的に大きくなります。これにより、軌道計算は分散型低密度アーキテクチャ（少数の高密度クラスターではなく多数の小型衛星）を強いられます。これは地上の最先端AIトレーニングにおける高密度化トレンドと構造的に反対です。Varda Space Industriesなどのエンジニアは、物理学が不可能ではないものの、地上施設と同等の計算密度を達成するにはまだ大規模に実証されていないラジエーター工学が必要であると指摘しています。

放射線耐性：LEO環境の電離放射線（捕捉電子、陽子、宇宙線）は商用オフザシェルフ（COTS）シリコンに影響を与えます。従来の放射線耐性（rad-hard）チップはこの環境に頑強ですが、一般的に最先端の地上シリコンよりワットあたりの性能が一桁以上劣り、AIアクセラレータの性能向上に伴いその差は拡大しています。軌道計算がrad-hardチップを使用しなければならない場合、キログラムあたりの計算能力の優位性はほぼ失われます。代替案は冗長性と誤り訂正を備えたCOTSチップ（SpaceXがStarlinkで実施）です。Starcloudの2025年11月の打ち上げでは、NVIDIA H100（完全に商用の非放射線耐性チップ）を搭載し、このアプローチに依存しました。初期の運用報告では機能した（軌道上でNanoGPTとGoogle Geminiのバージョンを実行）ものの、LEO放射線環境でのH100クラス密度における長期劣化率はまだ不明です。一部のワークロードでは実行可能ですが、故障率が増加し、クラスター管理が複雑になります。2026年半ば時点で、AIアクセラレータ密度での実証済みの複数年にわたるソリューションはありません。

コヒーレンス（トレーニング対推論）：フロンティアモデルのトレーニングには、数千のアクセラレータ間での密接で低遅延な同期（NVLinkまたは同等ファブリック内のサブマイクロ秒の集合演算）が必要です。ISLを使用しても、運動中の数十の衛星にまたがるトレーニングクラスターを調整すると、地上のNVLinkファブリックには存在しない同期遅延が発生します。軌道トレーニングは短期的には明らかに実現可能ではありません。推論はより扱いやすく、個々の推論リクエストは並列的でほぼ独立しており、トレーニングのような集合同期要件はありません。したがって、短期的な軌道計算の機会は推論であり、トレーニングではありません。これは、強気の見解が示唆するよりも大幅に狭いTAM（総アドレス可能市場）を意味します。

メンテナンスとサービス性：地上データセンターは安価で迅速なハードウェア交換（故障したGPUは数時間で交換）の恩恵を受けますが、軌道ハードウェアはサービス不可能（ほとんどのLEO衛星）か、サービスに非常に高額（有人ミッションやロボットサービスが必要）です。放射線環境での故障率は地上よりも高く、故障したハードウェアを安価に交換できないため、実効的なハードウェアコストが計算時間あたり増加します。

軌道計算の投資ケースは、ほぼ単一の変数、すなわちLEOへのキログラムあたりの打ち上げコストに帰着します。Falcon 9（再利用）では約3,000～4,500ドル/kg、Falcon Heavyで約1,000～1,500ドル/kg、Starship目標で約65～200ドル/kg（長期的願望として10～20ドル/kg）です。Falcon 9の価格では軌道データセンターは地上コロケーションに対して明らかに不経済です。SpaceX自身、Starshipの目標として飛行あたり1,000万ドルで100～150トンをLEOに輸送、すなわち約65～100ドル/kgと述べています。欧州宇宙政策研究所の研究員は、飛行あたり1,000万ドルのStarshipは「短期的には非現実的」であり、ほとんどの軌道データセンターのコストモデルはまだ実証されていないStarship経済を前提としていると述べています。ほとんどのワークロードで地上コロケーションとのコストパリティへの経済的経路は、一般的に2029～2031年の窓と予測されていますが、大きな不確実性があります。

市場参加者（2026年5月時点）：Starcloud（ワシントン州レドモンド、NVIDIA支援）は2025年11月にNVIDIA H100 GPUを搭載したStarcloud-1を打ち上げ、軌道上で初のLLMトレーニング（シェイクスピアコーパス上のNanoGPT）とGoogle Geminiの軌道上実行を達成。1億7,000万ドルを調達、評価額11億ドル。FCCに8万8,000機の衛星を申請。次機Starcloud-2は2026年10月にBlackwell GPU搭載予定。Kepler Communicationsは2026年初頭に40個のNVIDIA Jetson Orinプロセッサを10機の衛星に搭載した最大の軌道計算クラスターを展開、レーザー通信で接続、18の有料顧客、推論ワークロード。Axiom Spaceは2026年1月11日に最初の2つの軌道データセンターノードをLEOに打ち上げ、クラウドコンピューティング、AI/ML、エッジ処理をターゲット。Orbital（ロサンゼルスのスタートアップ、a16z支援）は2026年4月にステルスモードから出現、2027年打ち上げ、2028年製造施設を計画。SpaceX/xAIはMuskがxAIの計算需要とSpaceXの軌道インフラの統合を示唆、FCCに最大100万機のデータセンター衛星を申請。GoogleのProject Suncatcherは2025年11月に発表、Planet Labsと連携してTPU搭載の2機のプロトタイプ衛星を2027年初めに打ち上げ、長期ビジョンとして81機の衛星クラスターを構想。別途、GoogleがSpaceXとより大規模なコンステレーション向けStarship打ち上げについて協議中と報じられています。

投資への影響：短期的には、現在の打ち上げコストとチップの放射線耐性制約の下では、軌道計算は地上AIインフラへの脅威にはなりません。ほとんどのワークロードで経済性は地上コロケーションより3～20倍悪いです。このテーマを今監視する主な価値は、Starshipがコスト目標を達成するかどうか、およびチップベンダーが軌道環境に適したCOTS AIシリコンを開発するかどうかを追跡することにあります。