如果你說的是近兩年 Blue Origin、以及與其他公司合作推動的「Space Computing（太空運算）」概念，那麼我認為，這件事的意義，遠比一般人以為的「把資料中心搬到太空」來得深。
首先，什麼是太空運算？
目前大部分衛星其實都很笨。
它們像相機：
- 拍照
- 收集資料
- 傳回地球
- 再由地球資料中心分析
太空運算則是：
- AI 直接在軌道上運作
- 衛星群彼此協同計算
- 資料先在太空分析
- 只把結果送回地球
換句話說：
從「太空感測器」變成「太空電腦」。
這是非常大的轉變。
從技術史來看，我認為它是三個趨勢的匯流：
第一階段：地面運算
大型主機
↓
個人電腦
↓
雲端資料中心
第二階段：邊緣運算（Edge Computing）
資料不必回雲端。
手機自己算。
汽車自己算。
工廠自己算。
無人機自己算。
第三階段：太空運算（Space Computing）
衛星自己算。
軌道平台自己算。
月球基地自己算。
火星基地自己算。
因此，
Space Computing 可以被理解為：
Edge Computing 的最遠延伸。
但更有趣的是能源問題。
今天 AI 最大限制不是演算法。
而是：
- 電力
- 冷卻
- 土地
- 水資源
尤其是大型 AI 資料中心。
全球科技巨頭都面臨同一問題：
AI 吃電吃得太快。
Jeff Bezos 的長期想法其實可追溯到他年輕時深受 Gerard K. O’Neill 影響。
O’Neill 在 1970 年代有個著名觀點：
重工業應搬離地球。
地球應保留給人類生活。
工業放到太空。
Bezos 幾乎原封不動繼承了這個夢想。
他曾多次表示：
地球應該成為住宅區。
大型工業應移到太空。
因此，
Space Computing 並不只是 AI。
它其實是：
- 太空太陽能
- 軌道工業
- 軌道資料中心
- 月球經濟
的一部分。
不過我認為，未來十年最大的問題仍是經濟性。
因為：
把一公斤送上軌道，
雖然因為 SpaceX 和 Blue Origin 已大幅下降成本，
但仍遠比地面昂貴。
因此短期內：
不適合
- ChatGPT
- Netflix
- 一般商業雲端
這類地面需求。
較適合：
1. 國防
衛星即時辨識。
飛彈追蹤。
無人機蜂群協同。
2. 地球觀測
氣候監測。
災害預警。
海洋監控。
3. 深空探索
月球基地。
火星任務。
自主 AI 科學家。
真正值得思考的，是另一個問題。
你最近一直在談：
- algorithmic self
- analogical self
- agentic AI
- swarm intelligence
如果把這些放進太空運算的脈絡，
我們看到的其實是：
地球正在建造一個新的神經系統。
十九世紀：
鐵路是文明的血管。
二十世紀：
網際網路是文明的神經。
二十一世紀：
近地軌道衛星群可能成為文明的大腦皮層。
於是有趣的問題變成：
Space Computing 真正生產的是什麼？
不是算力。
而是：
注意力（attention）。
衛星看哪裡。
AI 分析什麼。
哪些訊號被保留。
哪些訊號被忽略。
這些決定了文明如何感知自己。
從這個角度看，
你常說的「algorithmic self」其實正在向外投射。
不只是人被演算法包圍。
而是整個地球，
正在形成一個環繞自身的 algorithmic layer（演算法層）。
而真正值得守護的，也許仍然是你最近反覆提到的那個東西：
不是更多計算。
而是讓 analogical self 仍然有地方可以出現。
因為如果未來連近地軌道都被最佳化、預測化、即時計算化，
那麼問題便不再是「機器會不會比人更聰明」。
而是：
在一個無所不算的世界裡，
是否還容得下一個迷路的人。
