Google logra la primera respuesta de IA desde órbita

Google ya tiene un TPU respondiendo desde la órbita terrestre

El satélite prototipo de Project Suncatcher ejecutó el modelo Gemma 4 sobre un Tensor Processing Unit (TPU) y devolvió su primera respuesta completa a una estación en tierra. La respuesta fue un haiku sobre estar en el espacio: "Blue marble below / Data streams in silent grace / Starlight feeds my core".

Google describió el resultado como el hito "Hello World" de la misión, según reportó The Verge. El equipo envió el prompt al modelo a bordo, lo ejecutó durante un paso sobre Svalbard, Noruega, y recibió el poema de vuelta. Después probó limericks con temática espacial y prompts de telemetría en los que el modelo reportaba el estado técnico de la carga útil.

Para un founder, el titular no es el poema. Es que por primera vez un chip de clase data center —la misma familia de procesadores que corre cargas de IA en los centros de datos de Google— funcionó en órbita tras sobrevivir al lanzamiento. Esa era la pregunta fundacional de todo el proyecto, y ahora tiene respuesta empírica.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Qué es Project Suncatcher y por qué Google apuesta por el espacio?

Google anunció Project Suncatcher el 4 de noviembre de 2025, según Unite.AI, como un moonshot de investigación a largo plazo: explorar si una red interconectada de satélites solares equipados con chips TPU podría escalar el machine learning en el espacio.

La lógica física es simple. En órbita baja, los satélites acceden a luz solar casi constante y pueden generar hasta ocho veces más energía solar que en la Tierra, según el post de ingeniería de Google citado por Unite.AI. Eso permitiría clusters de satélites volando en formación cerrada que ejecuten trabajos de inferencia de IA sin tirar de redes eléctricas ya tensionadas.

La presión sobre esas redes es real. CryptoBriefing reporta que la demanda global de electricidad de centros de datos se proyecta entre 1.200 y 1.700 teravatios-hora para 2035, cerca del 4% de toda la electricidad consumida en el mundo. Y ShiftDelete señala que Alphabet, Meta, Microsoft, Amazon y Oracle ya comprometieron bastante más de US$3 billones en infraestructura de IA para los próximos años.

Los límites reales: 1 kW, 20 minutos y un solo TPU por vez

El prototipo es modesto por diseño, y ahí está lo interesante para quien piensa en costos de cómputo. El satélite lleva cuatro TPUs y genera hasta 1 kW de electricidad, según ShiftDelete. Solo uno puede operar a la vez, y las sesiones están limitadas a entre 15 y 20 minutos por restricciones térmicas, según TechCrunch y CryptoBriefing.

El lanzamiento fue el 1 de octubre de 2026, a bordo de la misión Transporter-18 de SpaceX, y el satélite se construyó en alianza con Planet Labs, según la cobertura de ShiftDelete y Unite.AI. Tras unas tres semanas de puesta en marcha, el equipo encendió la computadora anfitriona y las bandejas de TPU y llegó al hito esta semana.

El siguiente desafío es la radiación. ShiftDelete detalla que los TPU Trillium (v6e) mostraron irregularidades de memoria solo después de unos 2 kilorads de exposición —cerca de tres veces los 750 rads esperados en una misión blindada de cinco años— y sin fallos duros hasta los 15 kilorads. Travis Beals, director sénior de Paradigms of Intelligence en Google, le dijo a TechCrunch que la tasa de error es de aproximadamente una en un millón para operaciones típicas de inferencia, aunque sería problemática para un entrenamiento a mega escala.

La refrigeración es el otro cuello de botella. En el vacío del espacio no hay flujo de aire, así que el calor solo se disipa por radiadores. Unite.AI describe que el equipo combina heat pipes y radiadores, ya probados en una cámara de vacío térmico.

La carrera por la computación orbital ya tiene varios jugadores

Google no está solo en esta apuesta, y el mapa competitivo importa para entender por qué el hito es relevante más allá de la anécdota.

Starcloud, una venture respaldada por Nvidia, se convirtió en la primera entidad en desplegar y operar una GPU Nvidia H100 en el espacio en noviembre de 2025, y corrió el modelo Gemini de Google sobre ese hardware, según CryptoBriefing.
SpaceX presentó ante la FCC en enero de 2026 una solicitud para lanzar una constelación de hasta un millón de satélites solares que funcionarían como centros de datos de IA, con Nvidia como proveedor tecnológico exclusivo, según CryptoBriefing. Yahoo Finance reporta que Elon Musk fijó el primer lanzamiento de satélites de IA con tecnología Nvidia para el cuarto trimestre de 2027.
Blue Origin, Axiom Space y Orbital también persiguen infraestructura de cómputo en el espacio, según CryptoBriefing.

Google, por su parte, apunta a una red de 81 satélites volando en formación cercana y procesando en paralelo, según TechCrunch. El próximo hito declarado son dos satélites interconectados en 2027, que probarán si la computación puede distribuirse entre naves y validarán enlaces ópticos entre satélites.

¿Qué significa esto para tu startup?

Primero, una dosis de realismo: Project Suncatcher sigue siendo un experimento, no un producto. Nadie va a mover su inferencia a órbita el año que viene. Los propios números de Google lo dejan claro — TechCrunch recoge que su paper estima que harían falta unos 1.800 lanzamientos de Starship en diez años para que los precios de acceso al espacio bajen hasta cerca de US$200 por kilogramo hacia 2035. Eso es infraestructura de la próxima década, no de este trimestre.

Pero hay dos movimientos concretos que sí puedes hacer hoy:

Modela tu costo energético como riesgo estratégico, no como línea de gastos. Si tu producto depende de inferencia intensiva, tu exposición no es solo el precio del token: es la disponibilidad y el costo de la electricidad detrás. Las proyecciones de demanda que cita CryptoBriefing (1.200–1.700 TWh para 2035) y los compromisos de más de US$3 billones en infraestructura que reporta ShiftDelete anticipan presión sostenida sobre precios y sobre la capacidad de las redes. Documenta hoy cuánto de tu margen depende de eso.
Sigue la pista de los modelos abiertos en entornos extremos. Google eligió correr Gemma 4, un modelo abierto de Google DeepMind, y no un modelo propietario de frontera, según CryptoBriefing. Para un equipo pequeño, eso es una señal útil: los modelos abiertos se están validando en los entornos de hardware más hostiles que existen, lo que reduce el riesgo percibido de construir producto sobre ellos.

Y una tercera, más de posicionamiento: si trabajas en infraestructura, energía o hardware, el cuello de botella que Google acaba de documentar —refrigeración y presupuesto de energía— es el mismo problema que enfrentan los data centers terrestres. Las soluciones térmicas que se prueben para órbita pueden tener camino de vuelta a tierra.

Conclusión

El haiku es simpático, pero el dato duro es otro: un TPU de clase data center ejecutó un modelo moderno en órbita y devolvió una respuesta completa. Google lo llama "Hello World" porque eso es exactamente lo que es —la prueba mínima de que el sistema funciona de punta a punta.

Quedan por delante las pruebas de estrés térmico y radiación, y después los dos satélites interconectados de 2027. Si esas etapas pasan, la conversación deja de ser sobre un experimento y empieza a ser sobre una alternativa real a los data centers terrestres. Mientras tanto, para un founder la lectura práctica es clara: la energía se está convirtiendo en la restricción central de la IA, y quien entienda esa restricción antes que su competencia tiene una ventaja concreta.