イーロン・マスク、ほぼすべてのAIコンピューティングが宇宙に移行すると発言 – スペースXは軌道上のデータセンターを現実にすることができるか？
2026年後半にかけて行われた一連の経営者向け簡報および公の発言の中で、イーロン・マスクは、今後30〜36ヶ月以内に、宇宙が人工知能コンピューティングインフラを導入するための最も魅力的でコスト効率の高い環境になると主張し、ほぼすべての将来のAIコンピューティングが最終的に地球外に移転する可能性を示唆した。マスクは、2029年頃から軌道上のコンピューティング容量が地上施設よりも速く拡大し始める可能性があると予測した。この大胆な予測の背景には、地球上で明確に記録された産業的なボトルネックがある：地域の電力網は、ギガワット規模のデータセンターの電力吸収に苦戦しており、電力接続の待ち時間は4〜7年、高圧変圧器の納品遅延は数年にわたり、電力料金や冷却水消費量を巡る地域住民の反対も高まっている。
この理論を実行するため、SpaceXは最近のxAIとの企業的な統合を受けて、具体的なインフラ計画を開始しました。2026年を通じて、同社は「Starmind」と名付けられた軌道データセンターサービスの商標出願を行い、米国連邦通信委員会（FCC）に対して野心的な軌道コンステレーションの申請を提出し、テキサス州で大規模な衛星製造施設の拡張を開始しました。SpaceXは、Starshipロケットの大型運搬能力とStarlinkの光レーザーメッシュを組み合わせることで、軌道上の持続的な太陽エネルギーが地球の電力網の物理的ボトルネックを回避できるかどうかを検証することを目指しています。
スペースXの野心の規模にもかかわらず、航空宇宙エンジニア、半導体物理学者、および競合するAI経営陣は、超大規模コンピューティングを軌道に移すことが、熱力学、放射線物理学、ユニット経済に根ざした多大な障害に直面していると指摘している。太陽同期軌道に太陽電池パネルを配置すれば地上の伝送キューを回避できるが、真空中で数千台の商用AIアクセラレーターを運用することは、深刻な熱放散の課題、宇宙線によるビットフリップ、メンテナンス不要なハードウェアの制約、光速によるネットワーク遅延の限界をもたらす。
SpaceXは、軌道上データセンターの開発を推進しており、これはロケット打上げ、人工衛星製造、光通信部門の縦断的統合に直接基づいている。宇宙ベースのコンピューティングを孤立した研究実験として扱うのではなく、SpaceXはStarmindイニシアチブを、既存のStarlinkネットワークの高出力計算拡張として構築している。
2027年第四四半期デモンストレーションミッション
2026年10月下旬に確認された業界の開示および規制提出によると、SpaceXは2027年第4四半期に、初の専用軌道データセンター実証ペイロードの打ち上げを予定しています。低軌道（LEO）で運用され、太陽同期軌道（SSO）プロファイルを採用して太陽電池パネルをほぼ継続的に日光にさらす設計のこの実証システムは、NVIDIAのVera Rubinプラットフォームに基づく高密度AIアクセラレーター構成と、高速光通信端末のテストを実施すると見られています。
2027年末の実証実験の主な目的は、即時の商業的クラウド収益性ではなく、実証的な工学的検証です。SpaceXのエンジニアたちは、高度な高帯域幅メモリ（HBM4）と3nm未満のロジックチップが軌道放射線にどれだけ耐えるかを測定し、大型展開型ラジエーターウィングに接続された閉ループ流体熱伝導管をテストし、軌道上の計算ノードと地上局間のエンドツーエンドのデータ振替速度を評価します。
ザ・バストロップ・ギガサット工場
軌道コンピューティングを一過性のプロトタイプから産業規模の大量生産へ移行するため、SpaceXは、既存のStarlink生産キャンパスに隣接するテキサス州バストロップに、「ギガサット」と称する大規模製造施設の開発を開始しました。従来の商業用および防衛用人工衛星は、カスタムメイドで低生産量の宇宙機であり、組み立てに数年を要し、1機あたり数億ドルのコストがかかります。バストロップのギガサット施設は、Starlink V2 MiniおよびV3人工衛星で確立された高効率アセンブリライン技術を、はるかに重く、高出力のコンピューティングプラットフォームに適用することを目的としています。
スペースXは、衛星バス、電力調整ユニット、レーザー間衛星トシーバー、折りたたみ式太陽電池パネルおよびラジエーターアレイを標準化することで、軌道容量1キロワットあたりの製造コストを削減することを目的としています。稼働後、テキサス施設は、完全に再利用可能なスターシップ機群の打ち上げペースに合わせたコンピュート衛星を安定的に供給することを意図しています。
資本支出とスターシップの打上げ式
軌道データセンターの経済的根拠は、質量を軌道に運搬するコストを大幅に削減することにほぼすべて依存している。地球では、サーバーハードウェアを設置する前に、データセンターの物理的な外殻と電気インフラを構築するコストは、通常1メガワットあたり約1,000万ドルから1,200万ドルである。現在の商業ロケット打ち上げコストが1キログラムあたり1,500ドルから2,500ドルであることを考えると、重いサーバーラック、冷却ループ、大規模なラジエーターパネルを軌道に持ち上げるには費用が高すぎて実現不可能である。
この二重の開発における資本集約性を反映して、モルガン・スタンレーの株式アナリストたちは2026年末に、スペースXの年間資本支出が2026年に約530億ドルに急増し、2027年には1300億ドルを超えると予測した。その支出の大部分は、AIデータセンター衛星の製造とスターシップロケット機隊の拡大に向けられる。スターシップは、1回の飛行で100〜150トンを低軌道へ運搬できるように設計されている。しかし、航空宇宙分野の支持者でさえ、軌道上の展開が地上建設コストと競合し始めるには、スターシップが航空機のような高速再利用を実現し、打上げコストを1桁減らしてキログラムあたり100〜200ドル以下に引き下げる必要があると認めている。
軌道上の持続的な太陽放射は理論的には電力生成を解決するが、宇宙は高密度電子機器にとって即座の熱力学的パラドックスをもたらす。一般的な誤解として、深宇宙の背景温度が絶対零度近く（約マイナス270度セ氏）であるため、宇宙での熱いコンピュータチップの冷却は容易だと考えられている。しかし実際には、航空宇宙熱工学者は全く逆の問題に直面している：宇宙の真空は巨大なサーモス瓶のように機能する。
真空断熱がデータセンターの熱を閉じ込める理由
地球では、ハイパースケールデータセンターは、伝導と対流を用いて1つのサーバーラックあたり40〜250キロワット以上の熱を除去します。冷却プレートがシリコンから熱を吸収し、大規模な冷凍機や蒸発冷却タワーがその熱エネルギーを周囲の空気と水分子に移します。低地球軌道の真空では、熱を運ぶための空気も水も存在せず、対流冷却は不可能です。
軌道上のGPUが消費する電力の1ワットも、ほぼすべてが廃熱に変換され、赤外線熱放射を通じて宇宙に放散されなければならない。熱力学の基本法則（特にステファン・ボルツマンの法則）によれば、表面が真空中に放射できる熱量は、その表面積と絶対温度の4乗に依存する。
現代のAIプロセッサは、動作温度が85〜95度セルシウスを超えると、サーマルスロットリングと永久的なシリコン劣化を引き起こすため、軌道冷却ループは発熱を速く放散するために赤熱状態で動作させることはできません。安全な半導体温度範囲内に収め、太陽直射光と地球の反射光（反照率）からの入熱を考慮すると、両面の航空宇宙ラジエータパネルは1平方メートルあたり約250〜350ワットの熱エネルギーしか放出できません。
メガワット級のコンピューティングに必要な大型ラジエーターの設置面積
単一チップからエンタープライズデータセンター規模に拡大すると、放射冷却は巨大な構造的フットプリントを生み出します。軌道上で1メガワットの熱を放散するには、約3,000～4,000平方メートルの両面ラジエーター表面積が必要です。これを地上のトレーニング施設で一般的な100メガワットのAIクラスターに拡大すると、30万～40万平方メートルのラジエーターパネルが必要になり、これは約50～60個の規格サッカーフィールドが編隊を組んで浮かんでいることに相当します。
これらの巨大なラジエーターウィングは、打上げ中にロケットフェアリングの内部にしっかりと折りたたまれ、微小重力下で詰まることなく信頼性高く展開され、数百の柔軟なジョイントを通じて循環ポンプで冷却液を送り、人工衛星の太陽電池パネルが太陽に直接向く一方で、常に端面を太陽に向け続ける必要があります。これらのラジエーター、ポンプ、構造トラスの追加乾燥質量は、ロケットの搭載能力を直接圧縮し、収益を生むGPUではなく、配管や金属パネルを上げるために各打上げの大部分が費やされることを意味します。
熱物理学を超えて、最先端の商用AIチップを軌道に投入すると、地球の大気圏と磁気圏の保護が失われ、繊細なナノスケール回路がエネルギー粒子の絶え間ない衝撃にさらされます。
宇宙線による3nm未満AIプロセッサの脆弱性
従来の通信および偵察衛星は、65nmや130nmなどの古い大規模プロセスノードで製造され、特殊な絶縁基板と三重冗長論理ゲートを備えた「放射線耐性」プロセッサに依存しています。しかし、最先端の大規模言語モデルは、遅くレガシーな航空宇宙用チップでは実行できず、数十億の微細トランジスタを含む商業用サブ3nm GPUと高密度に積層されたHBM4メモリを必要とします。
これらの原子スケールでは、メモリセル内のデジタル
0または1を保持する電荷は非常に小さい。銀河宇宙線や太陽陽子がシールドされていない商用GPUを通過すると、イオン化された電荷の痕跡を残し、メモリやプロセッサレジスタ内のビットをランダムに反転させる単一イベントアップセット（SEU）を引き起こす。さらに悪質なのは、重イオンが単一イベントラッチアップ（SEL）を誘発し、数ミリ秒以内に電源を遮断しないとチップのコンポーネントを永久に焼損させる内部短絡を引き起こす可能性があることである。同期化されたAIトレーニング実行において、浮動小数点重み行列内の1ビットの修正されていないビットフリップが、クラスタ全体の勾配計算を破損させ、エンジニアが実行を停止し以前のチェックポイントに戻る必要を生じさせる。重い物理的放射遮蔽（鉛や厚いアルミニウムの筐体など）を追加すると打ち上げ重量が増加し、複製されたチップにわたって冗長なエラーチェック計算を実行すると、有効な計算スループットが半分に減少する。
オンボードでのメンテナンス不要 vs. シリコンの急速な陳腐化
地球上的データセンターは手作業を伴う産業運用です。10万GPU規模の地上スーパーコンピュータクラスターでは、毎週光トランシーバ、電源ユニット、メモリモジュール、冷却ポンプが故障します。データセンターの技術者は24時間365日通路を歩き回り、故障したブレードを交換し、クラスターの利用率を高めています。
軌道上にはレンチを持つ技術者は存在しない。冷却ポンプが固着したり、微小隕石がラジエーター配管を貫通したり、電圧レギュレーターがショートしたりした場合、数百万ドルする衛星ノードは修復できない。さらに、AIシリコンは18〜24ヶ月という驚異的なサイクルで進化し、HopperからBlackwell、そしてVera Rubinへと移行し、各世代がワットあたりのエネルギー効率を大幅に向上させる。地球上のデータセンターは、3年ごとに新しいサーバーラックを既存のキャビネットにスライドさせるだけで、コンクリートシェル、変電所、冷却塔を再利用できるが、軌道上のデータセンターは容易にアップグレードできない。搭載チップが2〜3年で古くなった時点で、宇宙船全体、太陽電池パネル、ラジエーター、シャーシを含めて経済的陳腐化に直面し、最終的には大気中で燃え尽きる運命となる。
宇宙で現実的に実行できるワークロードを評価するために、エンジニアは密接に結合されたモデルの事前学習と非結合型の推論タスクを明確に区別します。
なぜフロンティアモデルの事前学習が地球に根ざし続けるのか
フロンティア基礎モデルのトレーニングには、毎秒数百回、膨大な量の勾配データをやり取りするために数万台のGPUが必要です。地球上では、OracleやMicrosoftなどのプロバイダーが、2キロメートル以内の範囲にGPUを密集させて配置し、銅製バックプレーン（NVLink）と高速イーサネットを使用して、通信遅延を数マイクロ秒以内に抑えています。
軌道上では、コンステレーションを形成する人工衛星は衝突リスクを避けるために数十〜数百キロメートル離れて飛行しています。光は真空中で1ミリ秒あたり300キロメートルの速度で伝播するため、300キロメートル離れた2つの衛星間ではレーザー通信で1ミリ秒の往復遅延が発生します。これは、地球上のラック内接続と比較して約500〜1,000倍遅いです。広く離れた衛星間にまたがって大規模なLLMトレーニングを同期させようとしても、GPUがネットワーク通信で待機状態に陥り、地球上のキャンパスの方がモノリシックなプリトレーニングにはるかに優れています。
有効なニッチ：Orbital Edge Inference、地球観測、防衛
軌道上のコンピューティングが優れたエンジニアリング的意義を持つのは、エッジデータ処理、バッチ推論、および主権的レジリエンスの分野である。地球観測、気象、防衛用の人工衛星は毎日テラバイト単位の生の光学およびレーダー画像を生成するが、その生データをすべて地球に送信することは、限られた無線周波数ダウンリンク帯域幅によって深刻なボトルネックに直面している。
Starcloudのようなスタートアップが実施した初期の実証実験で示されたように、AI推論チップを直接軌道上に配置することで、人工衛星は画像を搭載したままリアルタイムで分析し、圧縮されたテキストアラートまたは行動可能な座標のみを地球に送信できます。同様に、遅延に耐性のあるバッチ推論ジョブ、主権バックアップエンクレーブ、および検閲抵抗性の宇宙外ノードを求める分散型物理インフラネットワーク（DePIN）は、数ミリ秒のレーザーリンク遅延による影響を受けずに軌道上のコンピューティングを利用できます。
宇宙計算の物理学を研究しているのはSpaceXだけではないが、業界リーダーたちは、経済性が実現するか、またその時期について明確な意見の違いを示している。
Googleの「Project Suncatcher」と100倍の起動コストのハードル
Googleは、軌道コンピューティングを単に却下するのではなく、トレイビス・ビールズ執行役が率いる「プロジェクトサンキャッチャー」と呼ばれる独自の探索的イニシアチブを静かに立ち上げた。2026年10月の開示によると、Googleは衛星画像企業Planet Labsと提携し、Google独自のTensor Processing Units（TPUs）を搭載した2機のプロトタイプ衛星を打ち上げ、AIチップが宇宙放射線や熱放散にどのように対応するかをテストした。
同時に、グーグルの内部経済モデルは、今後の大きな財務的障壁を示している。グーグルの研究者たちは、現在の商業発射価格が1キログラムあたり1,500〜2,000ドルである場合、ライフサイクルベースで地上のデータセンターと競合するには、発射コストが約100倍高すぎると計算した。グーグルの推定によると、軌道上の太陽光の利点が宇宙船の製造コスト、ラジエーターの質量、ハードウェアの交換コストを相殺するには、発射価格が1キログラムあたり200ドル以下に下がり、最終的には20ドル程度まで下落する必要がある。一方、ジェフ・ベゾスのブルー・オリジンも「プロジェクト・サンライズ」の下で軌道コンピューティングに関する内部調査を実施しており、長期的なオフグリッド容量への宇宙産業全体の関心を反映している。
サム・アルトマンと航空宇宙アナリストが注意を促す
AIおよび人工衛星業界の他のリーダーたちは、マスクの30〜36ヶ月というタイムラインに依然として強く疑念を抱いている。OpenAIのCEOであるサム・アルトマンは、近い将来に大規模な軌道上データセンターを構築することを「馬鹿げた」かつ非現実的だと断じ、膨大な打ち上げコストや宇宙でのGPU故障の修理が不可能であることを指摘し、OpenAIの資本を数ギガワット規模の地上施設に集中させるべきだと主張してきた。Quilty Spaceの独立系宇宙産業アナリストや大学の研究者たちも、今後5年間で衛星センサー用の小型軌道エッジサーバーは急速に拡大するものの、原子力発電の再開、天然ガスタービン、地熱発電、送電網のアップグレードを通じて地上の電力ボトルネックを解決することが、ギガワット単位のサーバーラックを低軌道に持ち上げるよりもはるかに安価で迅速であると同様に主張している。
イーロン・マスクの、SpaceXのStarmind届出、バストロップ・ギガサット工場、および予想される2027年の資本支出予算を背景に、人工知能インフラを軌道へ移動させるというビジョンは、地球上のデータセンター成長を電力網のボトルネックがいかに厳しく制約しているかを示している。しかし、熱力学と半導体物理学の法則は、低軌道においても大きな障壁をもたらす。Starshipが打ち上げコストを約2桁削減し、数千メートル規模の赤外線ラジエーター、宇宙線によるビットフリップ、および2年間で使い捨てるチップライフサイクルという課題をエンジニアが解決するまで、軌道上のコンピューティングは、地球上のギガワット級スーパーコンピュータを置き換えるのではなく、特化したエッジ推論や衛星データ処理に主に利用されるだろう。
イーロン・マスクは、AIコンピューティングが宇宙に移行するのはいつだと述べていますか？
2026年末、イーロン・マスクは、30〜36ヶ月以内に宇宙がAIコンピューティングを展開するための最安価な場所になると述べ、軌道上の太陽光発電が地球の数年間の電力網の待ち行列や許可の遅延を回避すると主張した。SpaceXは、NVIDIA Vera Rubinハードウェアを使用した初期の軌道データセンター試験ペイロードの打ち上げを2027年第4四半期を目指している。
宇宙の真空で軌道データセンターはGPUをどのように冷却していますか？
宇宙は空気や水がなく対流冷却が不可能な真空であるため、熱は単純に冷たい背景に拡散できません。軌道上のサーバーは、内部の液体ループを通じて廃熱を収集し、赤外線熱放射としてゆっくりとエネルギーを放出する大型の展開可能なラジエーターパネルに熱を送り込みます。これには、1メガワットの計算処理あたり約3,000～4,000平方メートルのラジエーター表面が必要です。
AIチップを宇宙に搭載する際の主な技術的課題は何ですか？
主な4つの課題は、放射熱放散（巨大で重いラジエーターウィングを必要とする）、宇宙放射線（密な3nm未満の商用GPUおよびHBM4メモリでビットフリップやハードウェア損傷を引き起こす）、メンテナンス不要（軌道上で破損した部品を物理的に修理できないこと）、および衛星間レーザー遅延（地球上で行う場合に比べて、きわめて精密に同期されたLLMの事前学習をはるかに非効率にする）である。
スペースX以外のテクノロジー企業は、軌道上のAIコンピューティングをテストしていますか？
はい。OpenAIのCEOであるサム・アルトマンは、近い将来の大量の軌道上データセンターを現実的でないと述べていますが、グーグルは「Project Suncatcher」という探索プログラムを実施しています。スタートアップのStarcloudはすでに軌道上でNVIDIA H100 GPUをテストしており、Blue Originは「Project Sunrise」の下でこのコンセプトを検討しています。
免責事項: このページは、お客様の便宜のためにAI技術を使用して翻訳されています。最も正確な情報については、元の英語版を参照してください。