Rymdkapplöpningen har precis fått en ny dimension – och den är digital. I ett banbrytande samarbete mellan Alibaba och rymdstartupen Adaspace Technology har AI-modellen Qwen-3 lyckats med något ingen annan generell AI gjort tidigare: att utföra beräkningar direkt ute i rymden.
Det talas ofta om molnet, men nu lyfter vi blicken ännu högre. Enligt nya rapporter har Alibabas Qwen-3-modell blivit världens första “general-purpose AI” att utföra så kallad on-orbit inference. Detta markerar ett skifte där artificiell intelligens inte längre är bunden till serverhallar på jorden, utan nu tar plats bland stjärnorna.
En fråga till rymden och tillbaka på två minuter
Det som gör denna bedrift tekniskt imponerande är hastigheten och komplexiteten i processen. Systemet lyckades genomföra en komplett uppgiftscykel på under två minuter.
För att sätta detta i perspektiv innefattade cykeln tre kritiska moment:
- Överföring av en förfrågan från jorden upp till rymden.
- Själva beräkningen (inferensen) utförd av AI:n i omloppsbana.
- Leverans av resultatet tillbaka till markstationen.
Att kunna köra dessa processer med en sådan svarstid öppnar dörren för helt nya typer av rymdbaserad databehandling.
Star-Compute Project: Infrastrukturen bakom genombrottet
Bakom denna tekniska milstolpe ligger projektet “Star-Compute Project”. Det är inom ramen för detta initiativ som Qwen-3 har driftsatts. Plattformen för AI:n är en konstellation bestående av 12 satelliter som sköts upp så sent som i maj 2025.
Det är Adaspace Technology, en startup inom flyg- och rymdteknik, som möjliggjort utplaceringen. Genom att placera beräkningskraften direkt i satelliterna minskar beroendet av att ständigt skicka rådata fram och tillbaka för bearbetning på marken.
Visionen för 2035: Ett massivt nätverk i låg omloppsbana
Detta är dock bara början. Projektet har en ambitiös färdplan som sträcker sig ett decennium framåt. Målsättningen är att etablera ett omfattande nätverk bestående av totalt 2 800 satelliter till år 2035.
Detta planerade nätverk i låg omloppsbana (LEO) kommer att vara specialiserat och uppdelat i två huvudkategorier:
- 2 400 enheter för inferens: Dessa ska hantera de löpande beräkningarna och svaren.
- 400 enheter för träning: Dessa dedikeras till att träna och förbättra AI-modellerna direkt i rymden.
Syftet med denna massiva utbyggnad är att stödja framväxten av “fysisk AI” och rymdbaserad databehandling (space-based computing). Med Qwen-3:s framgångsrika test har det första steget mot denna vision nu tagits, där gränsen för var avancerad AI kan operera bokstavligen har flyttats ut i atmosfären.