如果人工智能（AI）是一项基础性通用技术，那么我们应预期，对AI算力及能源的需求将持续增长。在我们的太阳系中，太阳是最大规模的能源来源，因此有必要考虑未来AI基础设施如何最高效地利用这一能源。本研究探索了一种可扩展的太空机器学习计算系统，该系统由配备太阳能阵列的卫星编队组成，通过自由空间光通信实现卫星间互联，并采用谷歌张量处理单元（TPU）加速芯片。为实现高带宽、低延迟的卫星间通信，这些卫星将被部署在紧密邻近的轨道位置。本文以一个半径为1公里、由81颗卫星组成的集群为例，展示了编队飞行的基本方法，并提出了一种基于高精度机器学习模型的控制方案，用于管理大规模卫星星座。Trillium TPU芯片已通过辐射测试，其在承受相当于五年任务寿命的总电离辐射剂量后仍能正常运行，未出现永久性故障，并已对位翻转错误进行了表征。发射成本是整个系统成本中的关键因素，学习曲线分析表明，至2030年代中期，将载荷送入近地轨道（LEO）的发射成本有望降至每公斤200美元。