O Google colocou uma IA para escrever poesia no espaço — e funcionou. O satélite do Project SunCatcher, equipado com Tensor Processing Units (TPUs) de verdade, ligou o modelo Gemma 4 em órbita e mandou de volta um haiku sobre estar lá em cima. É a primeira vez que um modelo roda localmente em hardware de IA dedicado fora da atmosfera, sem depender de link de downlink para processar no chão.
Como o Google colocou uma IA para escrever poesia no espaço
- O Project SunCatcher não é um cubesat comum. Ele carrega TPUs — os mesmos chips que treinam modelos gigantes nos data centers do Google — adaptados para sobreviver à radiação, vácuo e ciclos térmicos brutais da órbita baixa. A ideia é testar inferência edge no sentido mais literal possível: a borda do planeta.
- O modelo a bordo é o Gemma 4, versão leve da família aberta do Google. Diferente do Gemini que roda na nuvem, o Gemma 4 foi quantizado e podado para caber na memória do satélite e rodar só com a energia dos painéis solares. Nada de gpus de kilowatt; o orçamento de potência é medido em watts, não em megawatts.
- O prompt foi simples: "escreva um haiku sobre estar no espaço". A resposta veio em estrutura 5-7-5 sílabas, em inglês, gerada 100% no silício orbital. Nada de telemetria bruta ou log de saúde — foi saída de linguagem natural, prova de que o pipeline de tokenização, atenção e decoding fechou o ciclo lá em cima.
- Por que se dar ao trabalho de mandar TPU para órbita? Latência e largura de banda. Satélites de observação geram terabytes por dia; mandar tudo para chão custa tempo e dinheiro. Se a IA filtra, resume e prioriza in situ, só o relevante desce. É o mesmo argumento do edge computing terrestre, só que a "borda" está a 500 km de altitude e viajando a 27.000 km/h.
- O ambiente espacial odeia silício. Partículas de alta energia viram bits (single-event upsets), o vácuo impede convecção — só radiação e condução tiram calor — e o ciclo dia/noite de 90 minutos estica e encolhe a placa a cada órbita. O Google não abriu o bill of materials da blindagem, mas confirmou que os TPUs deram boot e mantiveram inferência estável.
- O haiku em si é simbólico, mas o stack por baixo é real. Teve carregamento de pesos, alocação de KV cache, sampling de temperatura e tudo mais que um llama.cpp da vida faz no seu laptop — só que com watchdog de radiação e power budget de satélite. Quem já depurava OOM em GPU vai apreciar o feito.
- Próximos passos: inferência multimodal e autonomia de decisão. O roadmap do SunCatcher prevê processar imagens de câmeras ópticas e SAR on-board, detectar mudanças (enchentes, incêndios, movimento de navios) e só alertar o chão quando importar. Menos downlink, mais ação.
- Isso muda o jogo para constelações comerciais e defesa. Starlink, OneWeb, Kuiper — todas ganham se cada satélite vira um nó de compute. Treina no chão, deploya pesos, roda inferência em órbita. O Google acabou de provar que o hardware aguenta; agora é escalar de um satélite experimental para dezenas em produção.
O que falta saber sobre IA no espaço
O experimento provou o conceito: TPU no espaço + modelo aberto + inferência real = haiku orbital. Mas a escalada traz perguntas que o blog post não respondeu. Qual a taxa de bit-flip real nos pesos após meses de radiação? Como faz rollout de novo checkpoint sem link de uplink garantido? E o custo por TOPS/Watt comparado a ASICs custom de edge já voando em missões classificadas? O Google prometeu mais dados técnicos nas próximas publicações do Google Research. Enquanto isso, a redacao fica no aguardo — e torcendo para o próximo poema ser um soneto, porque haiku qualquer transformer faz.
- Taxa de erro de memória sob radiação de longo prazo: ainda não divulgada
- Estratégia de atualização de pesos em órbita: em aberto
- Cronograma de expansão para constelação operacional: não confirmado
