Crusoe ha anunciado una alianza con Starcloud para convertirse en el primer proveedor de cloud público que ejecute cargas de trabajo en el espacio. El plan, presentado el 22 de octubre de 2025, prevé desplegar un módulo de Crusoe Cloud en un satélite de Starcloud que despegará a finales de 2026 y ofrecer capacidad limitada de GPU desde órbita a inicios de 2027. El movimiento apunta a un objetivo ambicioso: romper el cuello de botella energético que hoy frena el crecimiento de los centros de datos de Inteligencia Artificial y aprovechar el sol como fuente de energía prácticamente inagotable.
La apuesta no surge de la nada. Starcloud es una startup centrada en construir centros de datos orbitales alimentados con paneles solares dedicados y diseñados para radiar el calor al vacío del espacio en vez de depender de complejos sistemas de refrigeración en tierra. Su hoja de ruta incluye un primer hito llamativo: poner en órbita una GPU NVIDIA H100 en noviembre de 2025, cien veces más potente que cualquier unidad de cómputo previa enviada al espacio, según la compañía. La alianza con Crusoe —especializada en un modelo “energy-first” que ya co-localiza cómputo con fuentes energéticas no convencionales en la Tierra— extiende esa filosofía más allá de la atmósfera.
Por qué importa: energía, refrigeración y escala
El auge de la IA generativa ha disparado la densidad de potencia de los clústeres con GPU y la demanda eléctrica de los centros de datos. En tierra, expandir potencia y refrigeración se ha vuelto un rompecabezas de permisos, redes eléctricas saturadas y consumo de agua que ya es políticamente sensible. El espacio ofrece, sobre el papel, tres ventajas:
- Energía solar 24/7 (según órbita y gestión térmica): en órbita baja, los satélites pueden diseñarse para maximizar el aprovechamiento solar con una estabilidad que difícilmente iguala un emplazamiento terrestre.
- Refrigeración por radiación: el vacío obliga a radiar el calor en infrarrojo, eliminando torres de refrigeración y consumo de agua; bien resuelto, reduce complejidad y huella hídrica.
- Escala modular: al crecer por módulos orbitales, el cloud espacial podría aumentar capacidad sin ocupar suelo ni engordar la factura eléctrica local.
Crusoe y Starcloud proponen co-localizar el cómputo con la fuente de energía más abundante —el sol— y mover solo los datos estrictamente necesarios entre la órbita y la Tierra.
¿Y la latencia? Lo que cambia con la órbita baja
Ejecutar cargas de IA “en el cielo” abre dudas evidentes sobre latencia y ancho de banda. Aquí el contexto técnico ayuda: las constelaciones en órbita baja (LEO) trabajan con latencias típicas de 20–50 ms, comparables a muchas conexiones terrestres. Ese orden de magnitud sugiere que parte de las cargas de inferencia y analítica sí podrían ser viables desde órbita, especialmente si se pre-procesan datos en el satélite y se devuelven resultados compactados. Para entrenamiento masivo o flujos que exigen gran volumen de ida y vuelta, seguirá siendo clave seleccionar qué se sube y cuándo.
Qué planean desplegar: el “módulo Crusoe Cloud” a bordo
El satélite de Starcloud que despegará a finales de 2026 integrará un módulo dedicado donde correrá la plataforma Crusoe Cloud, habilitando que clientes seleccionados desplieguen cargas de IA desde una infraestructura basada en el espacio. La hoja de ruta habla de capacidad limitada al inicio —GPU en órbita con acceso controlado—, suficiente para demostraciones, casos de uso de “edge orbital” y una primera validación comercial de la propuesta: IA cerca de su fuente de energía.
En paralelo, Starcloud y Crusoe contemplan centros de datos orbitales mayores a medida que la arquitectura madure y crezca la demanda. Es un paso lógico si se confirma la expectativa de que el andamiaje energético y el diseño térmico en órbita puedan escalar con fiabilidad.
Aplicaciones probables (primera hornada)
- Observación de la Tierra con IA: detección de incendios, inundaciones o cambios en uso del suelo con pre-procesado orbital y solo descarga de alertas o mapas ya inferidos.
- Comunicaciones y seguridad: pre-filtrado y cifrado en el borde orbital para aliviar enlaces a tierra y reforzar soberanía de los datos.
- Modelos especializados “siempre encendidos”: inferencia de modelos medianos que consumen menos ancho de banda que sus datos de entrada en bruto (por ejemplo, embeddings, clasificación, segmentación).
Lo que no cuentan los renders: retos por resolver
El proyecto tiene desafíos considerables:
- Gestión térmica real: aunque el vacío facilita radiar calor, diseñar radiadores eficientes con masa y superficie razonables sigue siendo un arte.
- Radiación: electrónica y memorias deben endurecerse o protegerse para sobrevivir a eventos solares y al entorno orbital.
- Operación y mantenimiento: sin “manos” en sala, la tolerancia a fallos y la recuperación automática (software y hardware) son críticas.
- Comunicaciones: las ventanas de enlace, el ancho de banda y la priorización de tráfico condicionarán qué cargas tienen sentido arriba y cuáles abajo.
- Costes y cadena de suministro: integrar GPU de última generación en un bus espacial, certificarlas y lanzarlas no es barato; los ciclos de actualización serán más largos que en tierra.
Aun así, la señal industrial es clara: hay dinero y talento empujando esta dirección. Además de Starcloud, Axiom Space y Lonestar ya han realizado ensayos de “edge” orbital y lunar con centros de datos diminutos —pero reales— para validar software, almacenamiento y operaciones automáticas fuera de la Tierra.
Qué gana Crusoe con el salto a órbita
Crusoe lleva años construyendo una nube optimizada para IA con un enfoque energético poco convencional (de gas de venteo mitigado a renovables y acuerdos a medida). Con Starcloud, la compañía ensancha el diferencial: si logra demostrar disponibilidad, calidad de servicio y seguridad en órbita, tendrá una oferta singular frente a los hiperescalares tradicionales. No sustituirá a los centros de datos terrestres, pero sí puede desplazar a la órbita ciertas partes de la cadena de valor —las más intensivas en energía y menos sensibles al ancho de banda—.
Cómo podría contratarse (y para quién tiene sentido)
El acceso inicial será limitado. Tiene sentido para clientes con casos orbitales (observación, defensa, telecom) o para quienes quieran validar pipelines de IA divididos: pre-procesado arriba, entrenamiento/serving pesado abajo. Si la latencia prevista encaja y los SLA son claros, el incentivo energético puede compensar.
Para empresas generalistas, el calendario y la logística aconsejan prudencia: hasta ver detalle técnico, precios, jurisdicciones y controles de soberanía, lo sensato es pilotar con cargas no críticas.
Un paso más en una tendencia que ya existe
Poner cómputo cerca de sus fuentes de energía y/o de datos no es nuevo. Lo novedoso es hacerlo fuera del planeta con hardware de gama datacenter. En 2025 ya hay prototipos de “data center” en la ISS, pruebas de centro de datos lunar y, ahora, un acuerdo comercial para llevar GPU de IA a órbita con vocación de servicio. Queda camino, pero el vector está trazado.
Preguntas frecuentes
¿Cuándo habrá GPUs “de alquiler” en órbita?
Según el plan anunciado, el satélite con el módulo Crusoe Cloud despegará a finales de 2026 y ofrecerá capacidad limitada a inicios de 2027.
¿Qué latencia puede esperarse desde órbita baja (LEO)?
Las conexiones LEO actuales operan en el rango de 20–50 ms de latencia de ida y vuelta, en línea con muchas redes terrestres. La viabilidad dependerá del volumen de datos y del diseño de cada carga (pre-procesado arriba, resultados abajo).
¿Por qué el espacio ayuda con la refrigeración?
Porque en el vacío no hay convección: el calor se radia en infrarrojo al frío del espacio. Con radiadores y control térmico adecuados, se elimina agua y gran parte de la infraestructura de refrigeración típica de un CPD en tierra.
¿Sustituirá esto a los centros de datos terrestres?
No a corto plazo. Es más realista pensar en un modelo híbrido: ciertos procesos energéticamente costosos y con poca necesidad de ancho de banda se mueven a órbita; el resto sigue en tierra, cerca de usuarios y datos.
vía: crusoe.ai
