NADIKABAR.COM — Google punya ambisi gila untuk membangun data center di luar angkasa guna mendukung kebutuhan komputasi dan kecerdasan buatan (AI). Untuk mewujudkan ide tersebut, perusahaan teknologi ini baru saja mengirimkan Tensor Processing Unit (TPU), pesaing GPU Nvidia, ke antariksa.
Google pada 1 Oktober 2026 meluncurkan prototipe satelit komputasi orbital dari California menggunakan roket SpaceX. Satelit tersebut TPU, chip buatan Google yang dirancang untuk menjalankan beban kerja AI.
Satelit itu dibangun oleh Planet Labs dan akan digunakan untuk menguji kemampuan TPU beroperasi di lingkungan luar angkasa. Salah satu tantangan yang diuji adalah kemampuan sistem menyediakan daya sekitar 1 kilowatt secara kontinu sekaligus menjaga chip tetap dingin.
"Kami telah melakukan pengujian di darat, tetapi anda tahu, tidak ada pengujian yang benar-benar sebaik yang asli," ujar Travis Beals, Eksekutif Google yang mengelola Project Suncatcher, terkait rencana Google untuk mengembangkan klaster komputasi skala besar di orbit seperti dikutip dari Tech Crunch, Minggu (4/10/2026).
Pada tahap awal, TPU akan menjalankan komputasi dalam sesi sekitar 15 menit untuk mencegah sistem daya dan pendinginan mengalami beban berlebih.
Google juga berencana meluncurkan demonstrasi berikutnya pada tahun depan. Dua satelit akan digunakan untuk menguji kemampuan menjalankan komputasi sekaligus berkomunikasi satu sama lain menggunakan laser.
Jika seluruh eksperimen berjalan sesuai rencana, Google membayangkan jaringan pusat komputasi yang terdiri dari 81 satelit. Wahana antariksa tersebut akan terbang dalam formasi dekat dan bekerja secara paralel untuk menjalankan beban komputasi.
Google menilai komunikasi antarchip menjadi salah satu faktor penting dalam sistem tersebut. Bandwidth dan latensi akan menentukan seberapa efektif satelit dapat bekerja bersama, terutama untuk menjalankan beban kerja AI berskala besar.
"Bandwidth dan latensi antar TPU sangat, sangat penting saat Anda mencoba menjalankan beban kerja multi-rak. Kami berusaha melihat ke depan, tidak hanya beban kerja yang ada saat ini, tetapi juga di mana posisi mereka dalam lima tahun ke depan," kata Beals
Namun, Google juga mengakui masih ada persoalan besar yang harus diselesaikan, terutama terkait infrastruktur peluncuran. Teknologi roket yang dibutuhkan untuk mengirim pusat komputasi dalam jumlah besar ke orbit dengan biaya rendah belum tersedia pada skala yang dibutuhkan.
Dalam perhitungan Google, roket Starship milik SpaceX harus melakukan sekitar 1.800 kali peluncuran dalam 10 tahun agar biaya pengiriman muatan ke orbit bisa ditekan hingga mendekati USD 200 atau sekitar Rp 3,3 juta per kilogram pada 2035.
Angka tersebut merupakan bagian dari riset Google mengenai Project Suncatcher, proyek yang mengeksplorasi penggunaan satelit untuk menjalankan komputasi AI di luar angkasa.
Google memperkirakan sekitar 370.000 ton muatan harus dikirim ke orbit untuk mencapai skala dan biaya yang dibutuhkan. Dengan asumsi satu Starship mampu membawa sekitar 200 metrik ton muatan, kebutuhan tersebut setara dengan sekitar 1.800 penerbangan.
Target tersebut terbilang sangat tinggi. Pasalnya, Starship sejauh ini belum pernah melakukan lebih dari lima penerbangan dalam satu tahun.
Meski begitu, SpaceX memang memiliki target peningkatan frekuensi penerbangan secara drastis. Elon Musk sebelumnya menyebut Starship pada akhirnya dapat melakukan penerbangan hingga satu kali setiap jam pada 2029.
Tantangan Google juga datang dari lingkungan luar angkasa itu sendiri. Perusahaan menguji kemampuan TPU menghadapi radiasi yang dapat menyebabkan kesalahan pada chip. Google bahkan harus mengulang pengujian setelah menyadari konfigurasi awal memberikan perlindungan radiasi lebih besar dibandingkan kondisi yang diperkirakan akan dialami chip ketika berada di orbit.
Hasil pengujian ulang menunjukkan lebih banyak kesalahan pada sirkuit logika chip. Meski demikian, Google memperkirakan tingkat kesalahan tersebut masih cukup rendah untuk menjalankan inferensi AI selama masa operasional satelit yang diperkirakan mencapai lima tahun.
Masalahnya akan menjadi lebih kompleks untuk pelatihan AI berskala besar. Beban tersebut membutuhkan ribuan chip bekerja secara bersamaan selama berbulan-bulan.
