La carrera por escalar la computación de Inteligencia Artificial suma un nuevo escenario: la órbita terrestre. Starcloud, startup del programa NVIDIA Inception, prepara para noviembre el lanzamiento de Starcloud-1, un satélite de 60 kg —tamaño “frigorífico pequeño”— que marcará el debut de una GPU NVIDIA H100 en el espacio y aspira a demostrar que la inferencia y el preprocesado de datos pueden ejecutarse allí donde se generan, sin pasar por un CPD en tierra. La compañía defiende, además, que los centros de datos espaciales podrían abaratar 10× el coste energético y aliviar la presión de consumo en la red eléctrica terrestre.

El plan es tan ambicioso como explícito: un CPD orbital de 5 gigavatios con paneles solares y radiadores de aprox. 4 kilómetros de lado para aprovechar el Sol constante y el vacío del espacio como sumidero térmico, sin torres de evaporación ni agua dulce. “La única huella ambiental relevante se concentra en el lanzamiento; a lo largo de la vida útil del CPD, el ahorro de CO₂ frente a un centro terrestre sería de un orden de magnitud”, sostiene la compañía.

H100 en órbita y 100× más cómputo que misiones anteriores

Starcloud-1 será, según la empresa, el primer satélite con una GPU de clase data center (NVIDIA H100) en servicio. El objetivo técnico es multiplicar por 100 la capacidad de cómputo GPU de cualquier operación previa en el espacio y validar que los flujos de trabajo de IA —desde visión por computador hasta compresión y filtering— pueden ejecutarse in situ con latencias de minutos, no de horas.

La arquitectura de misión abarca captura, preprocesado y transmisión selectiva. Allí donde antes se enviaba un caudal bruto de datos a la Tierra, ahora se filtra y resume en la órbita: útil, por ejemplo, para detección temprana de incendios, respuestas a señales de socorro o cartografía SAR (radar de apertura sintética), un dominio particularmente voraz en datos —hasta 10 GB/s— que se beneficia de inferencia en el borde para decidir qué bajar y cuándo.

Energía y refrigeración: por qué el espacio es tentador para la IA

El relato energético de Starcloud pivota sobre dos hechos físicos: sol casi continuo en determinadas órbitas y vacío como sumidero térmico “infinito”. La empresa defiende que radiar calor por infrarrojo al espacio exterior evita el uso de agua para refrigeración —uno de los puntos críticos de muchos CPD terrestres— y que el coste de la energía en órbita puede ser 10× inferior al de la Tierra incluso contando el lanzamiento. La exposición solar constante también reduce dependencias de baterías y backups tradicionales.

En la hoja de ruta figura además la operación cerca de la “línea del terminador” —la frontera entre día y noche del planeta—, una órbita útil para gestionar térmicamente las cargas y optimizar la captación fotovoltaica sin penalizar la misión.

Casos de uso: de la observación de la Tierra a la IA “soberana” en órbita

El primer terreno donde la computación espacial muestra ventaja es la observación de la Tierra:

• Detección de cultivos y predicción meteorológica local mediante óptica, hiperespectral y SAR.
• Análisis en tiempo (casi) real para alertas de incendios forestales o emergencias.
• Filtrado, compresión y priorización para reducir el downlink y acelerar la entrega de inteligencia a usuarios en tierra.

La latencia cae al procesar en la órbita y enviar solo resultados o “chips” de datos relevantes. La privacidad y la soberanía del dato también entran en juego: parte del contenido no abandona el satélite hasta que es estrictamente necesario, y se minimiza la exposición de datos brutos sensibles.

Por qué NVIDIA y por qué ahora

Starcloud explica su elección de GPU aceleradas de NVIDIA porque entrenamiento, fine-tuning e inferencia deben ser competitivos frente a los CPD terrestres para que el modelo orbital tenga sentido. El lanzamiento de H100 al espacio busca cerrar esa brecha y acercar la potencia de las arquitecturas GPU líderes a un entorno donde peso, energía y disipación mandan. El encaje con NVIDIA Inception aporta soporte técnico y acceso a aceleración por software maduro.

Qué viene después: del demostrador a un CPD de 5 GW

El satélite Starcloud-1 es el primer paso. La visión de la compañía mira a un CPD modular de 5 GW en órbita, escalable en paneles solares y radiadores, con interconexión láser para backhaul y procesamiento distribuido. En el camino quedarán por resolver cuestiones complejas: logística y coste de lanzamiento, mantenimiento y servicing orbital, mitigación de basura espacial, normativa internacional, ciberseguridad espacial y —no menor— latencia hacia usuarios en superficie para cargas que no son puramente batch. La empresa, no obstante, sostiene que los beneficios netos en energía, agua y escalabilidad justifican la apuesta.

Un indicador de tendencia: la IA se mueve al borde… también fuera de la Tierra

La propuesta de Starcloud se suma a una tendencia más amplia: llevar la IA al borde (edge). Si en la Tierra el borde significa fábrica, robot, móvil o vehículo, el borde orbital añade una capa donde sensores y actuadores operan con más autonomía. En ese contexto, la llegada de GPU de clase data center al espacio marca un punto de inflexión: ya no se trata solo de capturar y enviar; se trata de entender y decidir allí donde se captura.

---

Preguntas frecuentes

¿Qué es exactamente Starcloud-1 y por qué es relevante para la IA?
Es un satélite de 60 kg que integra una GPU NVIDIA H100, con el objetivo de multiplicar por 100 el cómputo GPU histórico en órbita y ejecutar inferencia en el espacio. Permite filtrar, resumir y priorizar datos antes de bajarlos a la Tierra, reduciendo latencias y ancho de banda necesarios.

¿De dónde sale el ahorro de “10×” en costes energéticos para un CPD espacial?
Del Sol constante en órbita y del vacío como sumidero térmico que elimina agua de refrigeración. Con paneles y radiadores de gran superficie, Starcloud proyecta costes energéticos 10× inferiores a los de CPD terrestres, incluso contando el coste del lanzamiento.

¿Qué aplicaciones se benefician más de procesar en órbita en lugar de en tierra?
Observación de la Tierra (óptica, hiperespectral, SAR), detección de incendios, señales de emergencia y cartografía. La inferencia in situ convierte horas de espera en minutos y evita bajar flujos brutos —por ejemplo, SAR puede generar ~10 GB/s— enviando solo resultados o extractos.

¿Qué desafíos siguen abiertos para un CPD de 5 GW en el espacio?
Logística y coste de llevar toneladas de hardware, mantenimiento y reemplazo en órbita, normativa y coordinación internacional, mitigación de basura espacial, ciberseguridad y latencia hacia usuarios en tierra en cargas interactivas. Starcloud sostiene que los ganancias energéticas y de agua y la escala potencial compensan esos retos si se resuelven con diseño y regulación adecuados.

¿Qué papel juega NVIDIA en el proyecto?
Además de NVIDIA Inception (apoyo técnico), la H100 es la primera GPU de clase CPD que volará con Starcloud-1, elegida por su rendimiento en entrenamiento, ajuste fino e inferencia y por un ecosistema de software que facilita llevar los flujos terrestres al entorno orbital.

Nota: este artículo se basa en la información publicada por NVIDIA sobre Starcloud y su misión Starcloud-1, así como en la descripción técnica y de visión estratégica difundida por la compañía.

vía: blogs.nvidia y StarCloud