Google ejecuta un modelo Gemma en órbita con su satélite Suncatcher
Por JP Software ·
JP Software Google completó con éxito su primera respuesta de inteligencia artificial generada desde el espacio exterior mediante un TPU de clase centro de datos instalado en el satélite prototipo de Project Suncatcher. La prueba utilizó el modelo abierto Gemma 4 y abre la puerta a procesar cargas intensivas fuera de la superficie terrestre.
Datos clave
- El satélite prototipo de Project Suncatcher fue puesto en órbita el 1 de octubre, según Google.
- Se ejecutó el modelo abierto Gemma 4 de forma local en un TPU a bordo.
- La señal de confirmación se descargó durante el paso del satélite sobre Svalbard, Noruega.
- La siguiente meta técnica proyectada por el equipo incluye dos satélites gemelos interconectados en 2027.
Cómo funcionó la prueba en órbita
Tras el lanzamiento, el equipo completó una lista de verificación técnica que incluyó encender el host y las bandejas donde residen los chips TPU. Una vez validados los componentes básicos, se enviaron los primeros paquetes de prueba para verificar la ejecución de algoritmos de machine learning.
Durante la conexión con una estación en tierra, se transmitió un prompt pidiéndole al modelo Gemma 4 que generara un haiku sobre encontrarse en el espacio. La telemetría y el texto resultante confirmaron la ejecución del procesamiento directamente en el hardware satelital.
Además del poema inicial, se ejecutaron pruebas adicionales con solicitudes temáticas y análisis de telemetría sobre el estado técnico del sistema. Las próximas fases del proyecto estarán enfocadas en someter el hardware a condiciones operativas críticas, analizando cómo responden los procesadores TPU al estrés térmico y a la radiación continua en órbita.
Por qué te importa
Para los equipos que diseñan arquitecturas de datos, la capacidad de procesar modelos en el borde espacial cambia los cuellos de botella habituales. El envío masivo de datos crudos desde satélites hacia la Tierra suele estar limitado por el ancho de banda y las ventanas de conexión con estaciones terrestres. Ejecutar inferencia localmente permite filtrar y analizar información crítica en el punto de captura, abriendo un nuevo terreno para la infraestructura distribuida de alta exigencia.