Starcloud برای گسترش دیتاسنترهای AI مداری ۲۵۰ میلیون دلار جذب کرد

Starcloud یک افزونه ۲۵۰ میلیون دلاری برای دور Series A خود با ارزش‌گذاری ۲.۳ میلیارد دلار پس از سرمایه‌گذاری جذب کرده است؛ سرمایه‌ای که به استارتاپ محاسبات مداری کمک می‌کند از یک نمایش منفرد در مدار به سمت زیرساخت تولید و پرتاب برای مراکز داده AI بزرگ‌تر در فضا حرکت کند. دور ۲۱ اوت به رهبری Manhattan West انجام شد و سرمایه‌گذاران جدیدی مانند Nvidia و Cisco Investments را در کنار حامیان قبلی از جمله Benchmark و EQT وارد کرد. این تامین مالی مجموع سرمایه جذب‌شده Starcloud از زمان تاسیس در ۲۰۲۴ را به ۴۵۰ میلیون دلار می‌رساند، کمتر از یک سال بعد از آنکه شرکت یک GPU مدل Nvidia H100 را با Starcloud-1 به مدار فرستاد.

اهمیت این سرمایه‌گذاری در این است که به یک roadmap سخت‌افزاری مشخص‌تر متصل شده، نه فقط به چشم‌انداز بلندمدت انتقال cloud computing به بیرون از زمین. Starcloud می‌گوید پول جدید برای افزایش ظرفیت تولید، پشتیبانی از کار مهندسی با Nvidia و رزرو ظرفیت پرتاب آینده استفاده خواهد شد. دو شرکت روی Nvidia Space-1 Vera Rubin Module همکاری می‌کنند؛ یک پلتفرم accelerated computing برای فضا که برای محیط‌هایی طراحی شده که فرض‌های معمول دیتاسنتر درباره cooling، تابش و دسترسی فیزیکی برقرار نیست. Nvidia می‌گوید Space-1 برای ارائه performance در سطح data center برای orbital data centerها و workloadهای فضایی دیگر طراحی شده است.

این همکاری باعث می‌شود دور سرمایه‌گذاری از یک تامین مالی venture معمولی مهم‌تر باشد. Nvidia فقط تامین‌کننده Starcloud نیست و اکنون سرمایه‌گذار آن نیز شده، در حالی که Starcloud نقش یک flight platform برای roadmap محاسبات فضایی سازنده تراشه را دارد. Starcloud قبلاً در نوامبر ۲۰۲۵ یک H100 را روی Starcloud-1 به مدار برد و می‌گوید آن ماموریت inference با توان بالا و training مدل در مدار را نشان داده است. مستندات space computing خود Nvidia نیز Starcloud را در میان شرکای استفاده‌کننده از پلتفرم‌های accelerated خود فهرست می‌کند و می‌گوید Vera Rubin Space-1 می‌تواند برای inference فضایی تا ۲۵ برابر compute بیشتر به ازای هر GPU نسبت به H100 ارائه کند.

محدودیت‌های مهندسی همچنان بسیار سخت هستند. کلاسترهای بزرگ AI زمینی گرما را با سیستم‌های گسترده liquid یا air cooling دفع می‌کنند و به maintenance مداوم، networking متراکم و توزیع برق قابل اتکا وابسته‌اند. در مدار، Starcloud انتظار دارد گرما عمدتاً از طریق radiatorهای بزرگ دفع شود، در حالی که سخت‌افزار باید vibration پرتاب، radiation و دوره‌های طولانی بدون سرویس فیزیکی را نیز تحمل کند. TechCrunch گزارش کرده که شرکت از داده‌های Starcloud-1 برای بررسی tradeoff میان دمای کاری chip، اندازه radiator، shielding و ruggedization استفاده می‌کند، هم‌زمان با اینکه Nvidia پلتفرم مخصوص فضا را توسعه می‌دهد.

در نتیجه شرکت سرمایه تازه را برای ایجاد ظرفیت صنعتی به کار می‌گیرد، نه فقط ساخت یک prototype دیگر. Starcloud در حال توسعه یک مرکز تولید تقریباً ۱۰۰ هزار فوت مربعی در Woodinville واشنگتن است و روی نسل‌های بزرگ‌تر spacecraft کار می‌کند که قرار است compute بسیار بیشتری از Starcloud-1 حمل کنند. گزارش‌های مستقل می‌گویند سرمایه جدید برای تجهیزات تولید، engineering و خرید ظرفیت launch استفاده می‌شود. بلندپروازی بلندمدت Starcloud بسیار بزرگ‌تر است: شرکت از constellation شامل ۸۸ هزار satellite و حدود ۲۰ گیگاوات compute مداری صحبت کرده است، هرچند این هدف هنوز برنامه‌ای دوردست است نه یک سیستم مستقرشده.

برای تیم‌های AI infrastructure، اهمیت عملی این طرح تلاش برای تغییر اقتصاد مکانی compute است. orbital data centerها از نظر نظری جذاب‌اند چون solar power فراوان است و بخشی از workloadها در خود فضا ایجاد می‌شوند، بنابراین می‌توان داده را قبل از downlink پرهزینه پردازش کرد. اما انتقال training یا inference به خارج از زمین هزینه‌های تازه‌ای در launch، redundancy، networking، thermal design، radiation hardening و operations ایجاد می‌کند. یک معماری معتبر باید نشان دهد این هزینه‌ها می‌توانند کمتر از توسعه دیتاسنترهای زمینی باشند یا از نظر راهبردی مزیت داشته باشند. این دور سرمایه‌گذاری هنوز این معادله را اثبات نمی‌کند، اما منابع بیشتری برای آزمایش آن در مقیاس معنی‌دار فراهم می‌کند.

رابطه با Nvidia برای بازار گسترده‌تر AI hardware نیز مهم است. این شرکت پلتفرم خود را از دیتاسنترهای معمول به محیط‌های constrained edge و orbital با محصولاتی مانند Jetson Orin، IGX Thor و Space-1 Vera Rubin گسترش می‌دهد. اگر Starcloud به یکی از نخستین کاربران بزرگ سیستم‌های space-rated Nvidia تبدیل شود، Nvidia داده عملیاتی و یک بازار زیرساختی بالقوه تازه به دست می‌آورد و Starcloud نیز به تامین‌کننده‌ای با اکوسیستم تثبیت‌شده سخت‌افزار و نرم‌افزار AI دسترسی پیدا می‌کند. این هم‌راستایی می‌تواند development را سریع‌تر کند، اما وابستگی Starcloud به یک compute architecture را در مرحله‌ای که business model آن هنوز اثبات نشده افزایش می‌دهد.

سرمایه‌گذاران باید میان موارد تثبیت‌شده و بخش‌های aspirational تفاوت بگذارند. تامین مالی ۲۵۰ میلیون دلاری، ارزش‌گذاری ۲.۳ میلیارد دلاری، مشارکت Nvidia و Cisco، ماموریت H100 روی Starcloud-1 و همکاری جاری Space-1 همگی با اعلام‌های شرکت و گزارش‌های مستقل پشتیبانی می‌شوند. در مقابل، اقتصاد hyperscale orbital compute، زمان‌بندی deploymentهای تجاری بزرگ، feasibility ده‌ها هزار satellite و هزینه نهایی هر واحد compute مفید AI هنوز اثبات نشده‌اند. این سرمایه‌گذاری appetite سرمایه‌گذار و علاقه فنی را تایید می‌کند، نه commercial viability در مقیاس دیتاسنتر زمینی.

گلوگاه‌های عملیاتی دیگری نیز خارج از AI stack وجود دارند. عرضه launch در حال محدودتر شدن است و Starcloud گفته باید ظرفیت قابل توجهی برای پرتاب‌های آینده رزرو کند. تولید spacecraft باید هم‌زمان با اثبات reliability، radiation tolerance و thermal performance افزایش یابد. مجوزهای regulatory، مدیریت orbital debris و نیازهای spectrum یا communications نیز با گسترش deployment می‌توانند مهم شوند. این محدودیت‌ها یعنی فاز بعدی داستان Starcloud احتمالاً کمتر با model benchmark و بیشتر با manufacturing cadence، اجرای launch و performance پایدار در مدار سنجیده خواهد شد.

بنابراین تحول مادی صرفاً این نیست که یک استارتاپ AI دیگر سرمایه جذب کرده است. Starcloud ارزش‌گذاری خود را از ماه مارس بیش از دو برابر کرده، Nvidia و Cisco را به‌عنوان strategic investor اضافه کرده و سرمایه جدید را به manufacturing، خرید launch و همکاری مشخص نسل بعدی compute با Nvidia متصل کرده است. این اتفاق orbital AI infrastructure را یک گام از آزمایش آزمایشگاهی به برنامه engineering و supply-chain نزدیک‌تر می‌کند. شواهد بعدی که باید دنبال شوند پیشرفت hardware پروازی Space-1 Vera Rubin، spacecraftهای بزرگ‌تر Starcloud، خروجی manufacturing، تعهدهای launch و هر customer workloadی است که بتواند مزیت اقتصادی پایدار compute AI در مدار را نشان دهد.