聯發科高層：AI 算力競賽將延伸到太空，百萬顆加速器屆時只算中階

聯發科高層指出，AI 算力競賽的下一階段將延伸到太空部署，並預期百萬顆等級的加速器規模在屆時只會被視為中階配置。這個判斷反映了業界對運算需求成長曲線的極端預期。

「百萬顆只算中階」這個說法的量級值得說明。當前全球最大規模的 AI 訓練叢集，加速器數量以數萬到十餘萬顆計；而把這個規模放大一個數量級並視為中階，意味著對未來數年需求成長的預期相當激進。這個預期背後的假設是：AI 應用的普及會使推論需求持續放大，而模型規模與訓練頻率也同步提高。

太空部署的構想，回應的則是地面基礎設施的實體限制。AI 資料中心面臨三項難以迴避的瓶頸：電力供應、散熱能力與土地取得。而在太空中，太陽能可以近乎不間斷地取得，不受日夜與天候影響；散熱則透過輻射直接排放到真空環境，不需要冷卻水或大量的空調設備。這兩項條件在地面上都是實質的成本與環境負擔。

不過，太空運算的障礙同樣可觀。首先是發射成本——即便可重複使用技術已大幅降低單位成本，把大量硬體送上軌道仍是龐大支出。其次是輻射環境，太空中的高能粒子會造成電子元件的位元翻轉與長期劣化，需要抗輻射設計或大量冗餘。第三是維護——地面設施的硬體故障可以更換，而軌道上的設備幾乎無法維修。第四是資料傳輸，運算結果必須經由有限頻寬的通訊鏈路傳回地面。

這些限制決定了太空運算的實際適用範圍。它不太可能取代需要低延遲互動的推論服務，而較適合可以離線批次處理、對延遲不敏感的工作負載——大規模模型訓練正好符合這個特徵。若這條路徑成立，運算資源的配置可能出現分層：延遲敏感的推論留在地面，而算力密集的訓練移往軌道。

從產業脈絡看，這類構想的提出本身也反映了地面限制的迫切程度。近期資料中心的能源使用效率與用水效率已成為新的競爭指標，而多地出現因電力與水資源爭議而延宕的專案；電網擴容的時程以年計，無法用資金加速。當常規路徑的瓶頸難以突破，非常規方案便會被認真評估。

對供應鏈而言，這個方向若推進，將帶動抗輻射元件、太空級電源系統、高頻寬雷射通訊與輕量化結構材料的需求——而這些領域的參與者，與當前的 AI 硬體供應鏈並不完全重疊。

後續觀察重點包括：相關概念驗證任務的推進、單位發射成本的下降曲線，以及地面電力限制的實際緩解程度。