Google faz a primeira IA responder do espaço: o Project Suncatcher

Resumo O Google anunciou em 30 de outubro de 2026 que seu satélite protótipo do Project Suncatcher gerou a primeira resposta de IA em órbita: um haicai escrito pelo modelo Gemma 4, rodando em uma TPU a bordo. O teste durou minutos, durante uma passagem por uma estação de recepção em Svalbard, na Noruega, e foi, acima de tudo, uma prova de que os chips funcionam no espaço, não uma demonstração de utilidade. Esta resenha explica o que foi testado, o que os números dizem sobre a viabilidade econômica, e o que falta para isso virar infraestrutura.

Contexto: por que levar computação para o espaço Data centers na Terra consomem quantidades enormes de eletricidade, para computação e para refrigeração, e a demanda de IA só cresce. A tese do Project Suncatcher é que, no espaço, a energia solar é abundante e constante, dependendo da órbita, e o calor pode ser dissipado por radiação no vácuo, sem gastar água ou eletricidade com ar-condicionado. Se os chips aguentarem a radiação e o calor, e se a economia fechar, parte da computação de IA poderia, um dia, rodar em órbita. O Project Suncatcher, anunciado como moonshot em 4 de novembro de 2025, é a tentativa do Google de testar essa tese na prática. Moonshot, no vocabulário do Google, significa um projeto ambicioso de longo prazo, com chance alta de fracasso e potencial de impacto grande se der certo. O protótipo atual é o primeiro passo: provar que os componentes sobrevivem e funcionam em órbita.

Linha do tempo do projeto 04/11/2025: Google anuncia o Project Suncatcher como moonshot, com preprint sobre desenho de constelação. 24/09/2026: Google publica o texto "Behind Project Suncatcher", com detalhes de engenharia. 01/10/2026: Lançamento do protótipo, construído com a Planet, na missão Transporter-18 da SpaceX, com órbita sol-síncrona do tipo dawn-dusk. Outubro de 2026: Artigo de pesquisa revisado por pares publicado na revista Joule, com preprint arXiv:2511.19468, modelando a economia. 30/10/2026: Primeira resposta de IA em órbita: haicai do Gemma 4 em TPU, durante passagem por Svalbard. 2027, previsto: Dois satélites interligados, para demonstrar links ópticos entre satélites, o passo seguinte da arquitetura.

O hardware: o que realmente foi para o espaço O protótipo, chamado de MVP e descrito como do tamanho de uma geladeira, foi construído e é operado em parceria com a Planet, empresa de satélites de observação da Terra. A bordo, o Google colocou TPUs Trillium, a geração de chips de IA da empresa, adaptadas para o ambiente espacial, com sistemas de gerenciamento térmico baseados em heat pipes e radiadores. As restrições físicas definem o experimento. Como no vácuo não há ar para resfriar, o calor só pode sair por radiação, através de superfícies dedicadas. A potência disponível é de cerca de 1 kW, e o satélite opera em rajadas de computação de 15 a 20 minutos por órbita, quando há energia solar suficiente e quando está posicionado para enviar os resultados de volta. A órbita dawn-dusk, quase sempre iluminada pelo Sol, maximiza a geração de energia. O modelo a bordo, no teste do haicai, foi o Gemma 4, modelo aberto do Google DeepMind, pré-carregado no satélite. A escolha de um haicai, um poema curto de 3 versos, como primeiro teste, foi deliberada: é uma tarefa simples de geração de texto, que prova que o modelo carrega, executa e responde, sem exigir muito tempo de computação.

Os testes antes do lançamento: radiação, vibração e calor Antes de voar, o Google submeteu os chips a três famílias de testes. Em radiação, TPUs Trillium foram expostas a doses equivalentes a anos em órbita, para medir bitflips, que são inversões de bits na memória causadas por partículas energéticas, e falhas permanentes. Em vibração, os conjuntos foram submetidos às cargas mecânicas do lançamento. Em calor e vácuo, em câmaras térmicas, o sistema de heat pipes e radiadores foi validado. Esses testes de solo são necessários, mas não substituem o teste em órbita, que é justamente o que o protótipo está fazendo agora: coletar telemetria real sobre como os chips se comportam sob radiação e ciclos térmicos do espaço. Os dados vão dizer se as proteções são suficientes ou se o desenho precisa mudar.

O artigo científico: o que a economia diz, e o que ela exige O artigo revisado por pares na Joule, com preprint arXiv:2511.19468, modela a economia de data centers espaciais com seriedade rara para um projeto corporativo. A conclusão central é condicional: data centers em órbita podem competir com os terrestres em custo por unidade de computação se, e somente se, três condições se cumprirem ao mesmo tempo. Primeira, o custo de lançamento precisa cair para algo próximo de US$ 200 por quilo, uma ordem de magnitude abaixo dos níveis atuais para cargas dedicadas, ainda que o custo por quilo em missões compartilhadas já esteja em queda. Segunda, os satélites precisam ser produzidos em massa, com custos de hardware por unidade de computação próximos aos de servidores terrestres. Terceira, a eficiência energética dos chips precisa continuar melhorando, para que a vantagem da energia solar gratuita compense o custo de colocar e manter massa em órbita. O desenho completo imaginado pelo artigo é uma constelação de cerca de 81 satélites, a cerca de 650 km de altitude, interligados por links ópticos, com capacidade agregada comparável a um data center terrestre de médio porte. O artigo também reconhece os custos que não desaparecem: reposição de satélites ao fim da vida útil, latência maior para aplicações interativas, e a complexidade de operar computação distribuída em órbita. Em outras palavras, o artigo não diz que data centers espaciais são viáveis hoje. Ele diz sob quais condições eles poderiam ser, e o protótipo atual existe para validar a primeira delas: a de que os chips funcionam no espaço.

Implicações, concorrência e limites Se os chips passarem nos testes de calor e radiação, e se os links ópticos entre os dois satélites de 2027 funcionarem, o Google terá provado a viabilidade técnica do conceito. A viabilidade econômica, porém, depende de fatores fora do controle do Google, como o custo de lançamento e a curva de eficiência dos chips. A concorrência, por enquanto, é mais conceitual que direta: outras empresas testam computação em órbita, mas nenhum projeto público combinou modelo de linguagem aberto, TPU e demonstração de inferência em órbita com artigo científico revisado por pares sobre a economia. O diferencial do Suncatcher é a combinação de experimento de engenharia com modelagem econômica transparente. As limitações, reunidas, são: potência de apenas cerca de 1 kW; uma TPU por vez, em rajadas de 15 a 20 minutos por órbita; latência inadequada para aplicações interativas em tempo real; e dependência de estações terrestres para baixar os resultados. Nada disso invalida o projeto, mas tudo isso o coloca no lugar certo: um experimento de viabilidade, não um serviço. O que observar a seguir: os dados de radiação e calor coletados em órbita; o lançamento dos dois satélites interligados em 2027; e a evolução do custo de lançamento, que é a variável econômica mais importante.

Glossário rápido TPU: Tensor Processing Unit, chip do Google projetado para cargas de IA, usado em seus data centers. Gemma: família de modelos abertos do Google DeepMind, diferente do Gemini, que é o modelo de produto para o consumidor. Haicai: poema curto japonês, tradicionalmente em 3 versos, usado aqui como primeiro teste simples, o "olá, mundo" da IA orbital. Bitflip: inversão de um bit na memória, causada por exemplo por radiação, que pode corromper dados. Heat pipe: tubo que transporta calor por evaporação e condensação de um fluido, usado para resfriar componentes sem partes móveis. Radiador: superfície que dissipa calor no vácuo por radiação, já que não há ar para convecção. Dawn-dusk: órbita sol-síncrona em que o satélite fica quase sempre iluminado pelo Sol, maximizando a geração de energia. Inferência: execução de um modelo já treinado, para gerar uma resposta, diferente de treino, que é o processo de ajustar o modelo. Telemetria: dados técnicos que o satélite envia sobre o estado dos próprios sistemas.