Google está probando si la IA puede funcionar en órbita: esto es lo que importa

Google acaba de colocar cuatro chips de IA en órbita

Google lanzó el 1 de octubre un satélite de pruebas del tamaño de un refrigerador a la órbita terrestre baja, cargando cuatro Unidades de Procesamiento Tensorial (TPU) —los mismos chips de inteligencia artificial personalizados que opera en sus centros de datos terrestres—. La carga útil viajó como pasajera en una misión Transporter-18 de SpaceX desde la Base de la Fuerza Espacial de Vandenberg, acomodada dentro de un satélite de observación terrestre de Planet Labs, ya que Google decidió que la velocidad importaba más que construir algo diseñado específicamente desde cero.

El resultado es Project Suncatcher, el plan público de Google para construir centros de datos en el espacio. Este vuelo es el producto mínimo viable: un año de operación, un kilovatio de energía solar y un modelo Gemini respondiendo preguntas sencillas. Mañana no hará nada útil. Pero el hecho de que un gran proveedor de nube esté probando seriamente si la IA puede funcionar fuera de la Tierra marca un verdadero punto de inflexión, y las implicaciones se extienden mucho más allá de Google.

Por qué la órbita cambia las reglas del juego

La tesis de Google es directa. Un centro de datos en órbita terrestre baja recibe luz solar casi constante: hasta ocho veces más generación solar que una instalación en tierra a latitud similar. No necesita agua para refrigeración. No compite por tierra. Y, crucialmente, elimina la restricción geográfica que obliga a toda la potencia de cómputo de IA a concentrarse en un puñado de regiones en la Tierra ricas en energía y abundantes en agua.

La física de la disipación de calor en el vacío es complicada, y por eso el equipo de Google dedicó la mayor parte de su tiempo de ingeniería a la gestión térmica. Sin ventiladores. Sin circuitos de líquido refrigerante que recargar. En cambio: tuberías de calor conductoras y radiadores, haciendo ciclar los chips durante 15 minutos a la vez y luego apagándolos para disipar el calor de forma pasiva. Google dice que sus pruebas en tierra mostraron que los TPU resistieron más radiación de la esperada durante una misión simulada de cinco años. La prueba orbital dirá si eso se mantiene en la práctica.

La verdadera pregunta es el cómputo tolerante a la latencia

Esto es lo que la mayoría de las coberturas de esta noticia pasan por alto: la oportunidad comercial no es ejecutar GPT-5 o Gemini en órbita mañana. Se trata de demostrar que ciertas clases de cargas de trabajo de IA —inferencia que no requiere respuesta humana en tiempo real, ejecuciones por lotes de entrenamiento, trabajos de simulación— pueden descentralizarse a infraestructura orbital sin violar los presupuestos de latencia que actualmente mantienen todo atado a estaciones en tierra.

Esa distinción importa porque el cómputo de IA tolerante a la latencia es donde se encuentra la demanda sin resolver. Entrenar modelos grandes ya empuja los límites de lo que los clústeres terrestres pueden hacer. La inferencia a escala para cosas como simulación de vehículos autónomos, modelado climático o sistemas de predicción de respuesta a emergencias genera calor y uso de energía que crece más rápido que la expansión de centros de datos en muchas regiones. Si puedes trasladar parte de esa pila fuera de la Tierra, no solo estás resolviendo un problema de refrigeración, sino desbloqueando una restricción de crecimiento.

El contraargumento es evidente y vale la pena tomarlo en serio: lanzar hardware a la órbita es enormemente costoso por cada kilovatio de cómputo. Ahora mismo, los centros de datos en tierra se benefician de décadas de optimización en distribución de energía, densidad de refrigeración y disposición de chips. Ningún sistema orbital superará esa economía en rendimiento por vatio puro en ningún momento cercano. La pregunta es si existen categorías de cargas de trabajo donde la latencia no domine, y el costo marginal de la energía orbital y la disipación de calor resulta competitivo.

Todos lo están haciendo ahora

Google no está solo, y eso cambia la ecuación. Elon Musk ha barajado el concepto de StarMind —una constelación de un millón de satélites ejecutando cargas de trabajo de IA impulsadas por chips de Nvidia, con el primer lanzamiento programado para finales de 2027—. El área espacial Blue Origin de Jeff Bezos contrató a personal de centros de datos espaciales a principios de este año. StarCloud, respaldada por Nvidia, lanzó un satélite de prueba el año pasado cargando un chip H100 ejecutando el modelo de código abierto Gemma de Google. El 15º Plan Quinquenal de China tiene como objetivo centros de datos de IA orbital a escala de gigavatios para 2030.

Lo notable es la diversidad de enfoques. Google está demostrando el concepto de TPU en órbita. StarCloud está demostrando que los chips de IA comerciales existentes pueden sobrevivir al entorno. SpaceX está construyendo la capa de lanzamiento y comunicaciones —los enlaces láser entre satélites son el próximo experimento que Google planea para 2027, y esos enlaces son la infraestructura que convertiría un solo satélite en un clúster—. Nvidia está suministrando el silicio a través de múltiples programas. Esto no es una carrera con un solo ganador; es una fase de prueba de concepto en varios frentes que podría producir varias arquitecturas viables.

Quién gana, quién pierde

Los ganadores en este escenario son las compañías que controlan el lanzamiento orbital y la capa de comunicaciones. El programa de compartición de viaje Transporter de SpaceX acaba de demostrar que puede desplegar el satélite de prueba de Google, y el mismo cohete es central para las propias ambiciones de StarMind de Musk. Las comunicaciones láser entre satélites, si escalan, se convertirán en la columna vertebral de los clústeres de cómputo orbital, y la compañía que posea esa capa controlará el sistema de distribución. Nvidia se beneficia independientemente de qué arquitectura de chip gane, ya que todos los competidores están comprando su silicio.

Los perdedores son menos visibles pero reales. Las regiones que han construido sus economías de centros de datos en energía hidroeléctrica barata y abundante agua —partes de Escandinavia, Quebec, Columbia Británica— podrían ver reducida su atractivo para cargas de trabajo de IA si las alternativas orbitales resultan viables para trabajos tolerantes a la latencia. La dimensión geopolítica es más aguda: los centros de datos orbitales se encuentran en el espacio internacional, fuera de la jurisdicción de la política energética o hídrica de cualquier nación. Esa es una ventaja que Google y sus competidores están calculando, y es una razón por la cual los gobiernos observarán esto de cerca.

Qué sucede a continuación

James Manyika de Google comparó Suncatcher con los primeros años del desarrollo de vehículos autónomos: una apuesta a largo plazo donde los resultados visibles toman una década. Los hitos inmediatos son claros. El satélite MVP funcionará durante un año, validando la supervivencia del TPU y la gestión térmica en órbita. Los lanzamientos de seguimiento en 2027 probarán los enlaces láser entre satélites, la capacidad que convierte un nodo único en un clúster. Solo después de esos pasos la pregunta económica se vuelve respondible.

La implicación más amplia es que la computación en la nube pronto tendrá una dimensión extraterrestre. No mañana. No el próximo año. Pero la decisión de empezar a demostrarlo importa, porque las compañías que traten esto como un proyecto científico hoy serán las propietarias de la arquitectura del cómputo orbital mañana, y esa arquitectura determina quién obtiene beneficios cuando las primeras cargas de trabajo de IA tolerantes a la latencia migren efectivamente fuera de la Tierra.

El satélite de prueba de Google es pequeño, de baja potencia e intencionalmente limitado. Ese es el punto. No está intentando reemplazar un centro de datos. Está intentando demostrar que la idea no es absurda.