A IA tem um teto de energia: por que o Google está mandando TPU para o espaço

A conversa sobre inteligência artificial costuma começar pelo modelo: qual responde melhor, qual raciocina mais e qual vence o benchmark. Mas existe uma pergunta menos glamourosa, e cada vez mais estratégica: de onde virá a energia para sustentar todo esse processamento?

O Project Suncatcher, do Google, leva essa pergunta ao extremo. A empresa colocou TPUs em um satélite para testar se parte da infraestrutura de machine learning poderia, no futuro, operar em órbita. O primeiro resultado é real, mas modesto: uma TPU de classe data center respondeu a um prompt. Não é um data center espacial pronto para produção.

A pressão por energia está mudando a conversa sobre IA

Treinar e servir modelos exige aceleradores, eletricidade, refrigeração e redes. À medida que o uso cresce, a disponibilidade de energia e a capacidade de construir infraestrutura tornam-se parte da equação econômica. Melhorar o modelo ajuda, mas não elimina o custo físico de executar inferência em escala.

É nesse contexto que o Google propõe o Suncatcher. A hipótese de longo prazo é que satélites em órbita baixa poderiam aproveitar luz solar quase constante e, em certas condições, captar até oito vezes mais energia solar do que painéis no solo. O objetivo final declarado é explorar compute em escala de gigawatts no espaço. Isso é uma visão de futuro, não a capacidade do protótipo atual.

O que o Google realmente demonstrou

O satélite protótipo, chamado MVP, foi desenvolvido com a Planet e lançado em 1º de outubro de 2026 na missão Transporter-18, da SpaceX. Ele carrega quatro TPUs Trillium e painéis solares que fornecem cerca de 1 kW. O conjunto de computação equivale aproximadamente a um servidor de data center, segundo as informações fornecidas para esta missão.

Em 30 de outubro, após o comissionamento e os primeiros testes de aprendizado de máquina, a equipe enviou um prompt ao modelo aberto Gemma 4 a bordo. Pediu um haiku sobre estar no espaço. A resposta chegou por downlink quando o satélite passava sobre Svalbard, na Noruega. Depois, o time também testou limeriques e prompts que consultavam a telemetria dos sistemas.

“Blue marble below / Data streams in silent grace / Starlight feeds my core.”

É um marco de integração: hardware em órbita recebeu uma solicitação, executou inferência e devolveu uma resposta. Mas uma demonstração curta não prova operação contínua, confiabilidade comercial, capacidade de atender clientes ou custo competitivo. O próprio Google descreve a missão como um teste do hardware e dos desafios de integração, não como uma plataforma funcional de computação.

Sobreviver ao lançamento é só o começo

A equipe submeteu o satélite a testes de vibração nos três eixos para simular o lançamento. O Google informa que a viagem até a órbita baixa inclui aceleração de até dez vezes a gravidade, e componentes como os chips podem enfrentar forças ainda maiores. O hardware resistiu aos ensaios em terra; o voo real permite observar condições que uma simulação não reproduz integralmente.

Há também a radiação. Antes do lançamento, as TPUs foram testadas com feixe de prótons no Crocker Nuclear Laboratory, da UC Davis, enquanto executavam cargas de IA. Segundo os resultados iniciais divulgados pelo Google, os chips Trillium toleraram uma dose ionizante total acima da estimada para cinco anos de missão. Ainda falta acompanhar o comportamento real dos componentes expostos ao ambiente orbital ao longo do tempo.

O resfriamento talvez seja o problema mais intuitivo para quem pensa em data centers. No vácuo não há circulação de ar para retirar calor. O sistema depende de soluções como heat pipes e radiadores, testadas pelo time em uma câmara de vácuo térmico. Agora é preciso verificar como elas se comportam na missão.

O contraponto que muda a escala da história: custo

O espaço oferece uma promessa energética, mas não energia gratuita. Levar equipamentos à órbita, protegê-los, mantê-los e conectá-los custa caro. Amanda Peterson Corio, responsável global por energia e potência de data centers no Google, disse que data centers espaciais podem custar até cem vezes mais do que os terrestres. A cifra foi reportada pela Data Center Dynamics a partir de uma fala pública da executiva. É uma estimativa citada pela própria empresa, não uma comparação auditada de instalações comerciais em operação.

O próximo marco anunciado pelo Google é para 2027: testar dois satélites interligados por laser. A comunicação óptica no espaço já existe, mas a equipe precisa de alta largura de banda entre satélites próximos e em movimento. O alinhamento exigido é extremo. Sem uma rede confiável, não há como transformar vários equipamentos isolados em um sistema de computação distribuída.

Por isso, a poesia produzida em órbita deve ser lida pelo que é: uma prova inicial de que uma TPU consegue executar uma tarefa e devolver uma resposta. Não prova que o espaço seja uma alternativa econômica ao solo. O próprio Google ainda precisa medir estresse térmico e radiação em órbita e resolver a comunicação entre satélites.

O que isso tem a ver com quem compra IA hoje?

A lição não é que sua empresa deva esperar por data centers orbitais. É que o preço da IA depende de uma cadeia de infraestrutura: energia, chips, capacidade disponível, refrigeração, rede e decisões de investimento. O modelo é uma parte importante, não a conta inteira.

Ao contratar IA, eu olharia para o custo por uso que realmente entrega valor: custo por tarefa correta, latência, limites, disponibilidade e despesas de integração e operação. Também avaliaria a dependência de fornecedor. Se preço, capacidade ou política de acesso mudar, a empresa consegue trocar de modelo ou de nuvem sem reconstruir o processo inteiro?

Um ranking de benchmark pode ajudar a escolher candidatos para teste, mas não responde quanto custa a inferência no seu fluxo, nem quão exposta sua operação está às decisões de infraestrutura de um único provedor. Compare alternativas em tarefas reais e acompanhe o custo total, não apenas o preço anunciado do modelo.

Este é o segundo post de uma sequência sobre os limites físicos e econômicos da inteligência artificial. O primeiro, sobre o Atmee v2 da Atmanity, está previsto para sair antes. O link interno será inserido quando a URL canônica estiver disponível.

O Suncatcher ainda está longe de provar que a IA pode ser mais barata no espaço. Mas já coloca a infraestrutura no centro da conversa. Na sua empresa, vocês estão escolhendo IA pelo modelo mais bem colocado no benchmark ou pelo custo, pela resiliência e pela liberdade de mudar a infraestrutura que sustenta o serviço?

Fontes

Google Research: primeira resposta do satélite protótipo

Google: contexto e desafios de engenharia do Project Suncatcher

Google Research: lançamento do satélite protótipo

Data Center Dynamics: custo estimado e estado do projeto

Artigo revisado por pares sobre o desenho da infraestrutura espacial, publicado na Joule

Link para o primeiro post da sequência — pendente de confirmação da URL canônica antes de publicar.