우주 데이터센터는 어디까지 왔나: 첫 H100 위성부터 1,000기 컴퓨팅 별자리까지

한눈에 보는 현재 진행 상황

중국의 첫 12기가 바꾼 질문: 가능한가가 아니라, 무엇이 검증됐는가

우주 데이터센터는 몇 년 전부터 미래 기술로 꾸준히 언급돼 왔다. 하지만 대부분은 아직 먼 미래의 구상 정도로 받아들여졌다. 최근 중국이 첫 컴퓨팅 위성군을 실제 발사하면서 상황이 달라지고 있다.

2025년 5월 중국은 창정 2D 로켓으로 ‘삼체 컴퓨팅 별자리’의 첫 12기를 궤도에 올렸다. 중국 정부 영문 발표는 이 별자리가 실시간 궤도 내 데이터 처리를 목표로 하며, 장기적으로 수천 기 위성과 총 1,000 POPS의 연산 능력을 지향한다고 설명한다. 이 사건이 중요한 이유는 ‘우주에서 AI를 돌릴 수 있는가’라는 연구 질문을 넘어, 다수 위성을 연산·통신 자원으로 묶는 시스템 경쟁이 공개적으로 시작됐기 때문이다. 출처: China launches space computing satellite constellation

다만 여기서 가장 경계할 혼동이 있다. 12기를 발사했다는 사실은 확인됐지만, 수천 기 또는 1,000 POPS는 목표치다. 목표 네트워크의 성능, 가동률, 고객용 서비스, 비용은 첫 발사만으로 입증되지 않는다. 우주 데이터센터를 다루는 기사라면 ‘발사됨’, ‘궤도에서 특정 기능이 동작함’, ‘여러 노드가 함께 연산함’, ‘외부 고객에게 반복적으로 서비스를 제공함’을 서로 다른 성숙도 단계로 분리해야 한다.

그 구분은 최근의 미국 사례에도 그대로 적용된다. Starcloud는 2025년 11월 Starcloud-1에 NVIDIA H100 GPU를 실어 발사했다고 밝히고, 이어 궤도에서 모델 실행과 소규모 언어모델 학습을 수행했다고 공개했다. 이는 지상 데이터센터용 가속기 수준의 장비를 우주 환경에서 운용한 눈에 띄는 실증이다. 그러나 단일 위성의 GPU 운용은 여러 위성이 저지연 네트워크와 저장장치를 공유하며 고객 워크로드를 처리하는 데이터센터와는 다르다. 출처: Starcloud-1

따라서 지금 필요한 질문은 ‘우주 데이터센터 시대가 열렸는가’가 아니다. 어떤 데이터가 어디에서 생기고, 어느 연산을 궤도에서 끝내며, 어떤 결과만 지상으로 보내는 편이 더 낫나를 묻는 것이다. 이 프레임을 잡으면 과장된 수사와 실증의 가치를 동시에 피할 수 있다.

이름은 비슷하지만 제품은 세 단계로 다르다

‘AI 위성’, ‘우주 엣지 컴퓨팅’, ‘우주 데이터센터’는 종종 같은 말처럼 쓰이지만, 사업성·필요 기술·검증 기준이 전혀 다르다.

첫 두 단계는 ‘데이터가 이미 우주에 있다’는 점이 출발점이다. 고해상도 관측 원본을 전부 지상으로 내린 뒤 분석하는 대신, 위성에서 변화가 있는 구역이나 탐지 결과만 내려보내면 제한된 지상국 접속 시간과 하향링크를 아낄 수 있다. 재난 지역의 연기·침수 탐지, 선박·불법 조업 감시, 빙하·농경지 변화 추적처럼 결과의 긴급성이 원본 전체의 즉시 전송보다 중요한 임무에서 특히 설득력이 있다.

반면 세 번째 단계는 위성이 생성하지 않은 외부 고객의 범용 AI 작업까지 받아야 비로소 지상 데이터센터와 같은 시장을 논할 수 있다. 그러려면 위성 한 기의 추론 성능보다, 노드들이 얼마나 안정적으로 묶이는지, 고객 데이터가 어떻게 들어오고 결과가 어떻게 나가는지, 장애 노드를 어떻게 격리하는지가 핵심이 된다. ‘H100을 올렸다’는 뉴스는 1단계에서 2단계로 향하는 중요한 이정표일 수 있지만, 그 자체로 3단계의 경제성을 뜻하지는 않는다.

미국: H100 실증과 대규모 신청이 공존하지만, 둘은 같은 성과가 아니다

미국 민간 부문은 실증 장비와 대규모 시스템 계획을 동시에 내놓는 양상이다. Starcloud-1은 단일 궤도 노드에서 고성능 AI 가속기를 운용한 사례다. 이 사례가 주는 실무적 함의는 명확하다. 지상용 가속기를 그대로 비행품으로 바꾸지 않더라도, 제한된 전력·질량·열 예산 안에서 고성능 연산을 실제로 운용할 수 있는지 검증할 수 있다는 것이다. 동시에 단일 위성에서의 실행이 장기 방사선 노출, 다수 노드 동기화, 장애 복구, 고객용 서비스 수준 협약까지 해결했다는 뜻은 아니다. 출처: Starcloud-1

SpaceX 사례는 더 엄격히 ‘신청 단계’로 읽어야 한다. 미국 연방통신위원회(FCC)는 2026년 2월, SpaceX가 최대 100만 기의 비정지궤도 위성으로 구성된 ‘SpaceX Orbital Data Center System’의 발사·운용 인가를 신청했고, 이를 접수해 의견 수렴 절차에 들어갔다고 공지했다. 문서에는 제안 시스템이 광학 위성 간 링크를 주로 쓰고 Starlink 1·2세대 위성과 연결될 수 있다고 적혀 있다. 그러나 접수는 인가나 발사, 상용 서비스 개시가 아니다. 게다가 FCC 문서는 해당 신청과 규칙 면제 요청에 대한 의견을 받는 절차임을 분명히 한다. 출처: FCC Public Notice DA 26-113

이 때문에 ‘SpaceX가 이미 xAI 연산 자원을 외부에 판매한다’거나 ‘빅테크의 우주 클라우드 경쟁이 이미 상용 시장으로 확대됐다’는 식의 단정은 이 글의 근거로 삼기 어렵다. 확인된 공식 문서는 대규모 시스템의 인가 신청과 제안 아키텍처를 보여줄 뿐, 외부 고객 대상 컴퓨팅 판매의 운영 실적을 확인해 주지 않는다. 전략 담당자는 발표의 규모보다 인가 상태, 첫 비행 하드웨어, 궤도 내 네트워크 성능, 서비스 계약의 공개 여부를 따로 확인해야 한다.

미국의 강점은 재사용 발사체·대형 위성군·상업 클라우드 생태계와 연결할 수 있는 민간 공급망이다. 약점은 그 공급망이 자동으로 데이터센터가 되지는 않는다는 데 있다. 통신 위성군의 트래픽 전달과 분산 AI 연산의 동기화는 다른 문제다. 전자는 패킷을 다음 홉으로 넘기는 효율이 중요하지만, 후자는 대규모 모델의 매개변수·활성값·저장 데이터를 자주 교환해야 한다. 궤도 간 경로가 수시로 바뀌는 환경에서 이것을 효율적으로 만들지 못하면, 위성군은 거대한 컴퓨터가 아니라 독립된 작은 컴퓨터들의 집합에 머문다.

중국: 별자리 규모의 출발선, 그러나 서비스 성숙도는 별도 검증 대상

중국의 삼체 컴퓨팅 별자리는 규모 있는 분산 연산을 전면에 내세운다는 점에서 미국의 단일 위성 실증과 결이 다르다. 첫 12기 발사는 실제 궤도 배치라는 점에서 계획서보다 한 단계 앞선 성과다. 중국 정부 발표가 밝힌 목표도 ‘실시간 궤도 내 처리’와 ‘수천 기 네트워크’다. 즉, 지상으로 데이터를 모두 가져와 계산하는 기존 흐름을 줄이겠다는 방향은 분명하다. 출처: China launches space computing satellite constellation

그러나 1,000기라는 표현을 현재 보유·운용 수량으로 읽어서는 안 된다. 공개된 공식 자료에서 확인되는 것은 첫 12기와 장기 목표다. 향후 별자리의 실제 경쟁력은 위성 수만으로 판단할 수 없다. 각 위성의 유효 연산 능력, 궤도상 전력·열 한계, 위성 간 링크의 실제 처리량, 여러 위성에 일을 어떻게 나눌지, 지상 관제와 사용자 접점이 어느 수준까지 자동화되는지가 함께 공개돼야 한다.

중국 전략의 초기 상용 적합성도 범용 AI 클라우드보다 자국 관측·통신·지리정보 수요와 결합한 우주 엣지 서비스에서 찾는 편이 합리적이다. 데이터가 위성에서 발생하고, 지상 전송이 병목이며, 결과의 시간 가치가 큰 업무일수록 별자리의 강점이 살아난다. 반대로 대규모 모델 학습은 데이터셋 반입, 장기간의 안정된 전력, 많은 가속기 사이의 고대역폭 통신, 체크포인트 저장·복구가 모두 필요하므로 별자리 규모만으로 바로 해결되지 않는다.

일본: ‘큰 서버’보다 궤도 데이터 처리와 상업 우주정거장 기반 기술에 초점

일본항공우주연구개발기구(JAXA)의 접근은 우주 엣지 컴퓨팅의 즉시 효용을 구체적으로 보여준다. JAXA는 온보드 AI 실증에서 촬영 후 궤도에서 고도 처리와 대상 탐지·추론을 수행해, 지상 처리와 비교해 사용자에게 정보가 도달하는 시간을 줄이고, 필요한 정보로 데이터를 축소해 하향링크 혼잡을 줄이는 것을 목표로 한다. 또한 위성 간 관측 요구 전달과 협력 관측도 실증 대상으로 제시한다. 출처: JAXA 온보드 AI

JAXA가 개발 중인 고성능 온보드 컴퓨터 H²-OBC의 공개 사양은 약 40W, 10cm 큐브, 약 1kg이라는 제약을 드러낸다. 이 수치는 지상 GPU 서버와 견주기 위한 것이 아니다. 우주에서 ‘충분히 작은 전력·질량’ 안에 AI 처리를 넣어 임무의 전체 속도와 통신 효율을 바꾸려는 설계 기준을 보여준다. JAXA는 이 컴퓨터를 민생 부품 기반으로 개발하고, 보유 위성에 탑재해 궤도 실증할 계획이라고 밝힌다. 출처: JAXA 온보드 AI

한편 JAXA 우주전략기금은 상업 우주정거장에 설치 가능한 궤도상 데이터센터 기술을 별도 과제로 제시한다. 이 자료는 고성능 프로세서의 폐열을 처리할 열제어, 대용량 송수신을 위한 광통신 네트워크, 물리 교체·정비 가능성을 핵심 조건으로 적는다. 이는 일본이 ‘위성만 많이 쏘면 데이터센터가 된다’고 보지 않는다는 뜻이다. 단독 소형위성보다 전력·교체·정비 여지가 있는 궤도 거점이 대형 연산에는 더 맞을 수 있다는 판단이다. 출처: JAXA 궤도상 데이터센터 구축기술

한국: 2030년 목표는 서비스 개시가 아니라 우주 실증 이력 확보

한국은 우주항공청이 2026년 4월 ‘K-우주 데이터센터’ 간담회를 열고 개발 방향을 공개하면서 정책 단계가 선명해졌다. 우주항공청은 2030년까지 핵심기술의 우주 실증, 즉 검증 이력 확보를 주요 목표로 제시했다. 전력제어, 우주방사선을 견디며 AI 연산·저장을 수행하는 반도체와 열제어, 저궤도 대용량·저지연 통신을 세 축으로 든다. 이는 현재 한국의 위치를 ‘대규모 궤도 클라우드 구축 완료’가 아니라 핵심 부품과 시스템을 검증 플랫폼 위성에 실어 성능을 쌓아가는 단계로 규정한다. 출처: 우주항공청 보도자료

이 방향은 현실적이다. 우주 데이터센터 사업성은 반도체 하나의 성능으로 결정되지 않는다. 우주항공청이 제시한 대로 태양전지·전력 제어, 내방사선 반도체·열제어, 저궤도 통신을 함께 우주에서 검증해야 한다. 국내 기업에는 ‘완성된 데이터센터를 만들겠다’는 구호보다, 열제어 모듈·전력변환·저장장치·오류정정·광통신 단말·탑재 소프트웨어처럼 다음 실증 위성에 올릴 수 있는 구성품의 비행 이력을 확보하는 것이 더 직접적인 시장 진입 경로가 될 수 있다.

국가별 위치를 한 표로 보면 과장이 줄어든다

표에서 보듯 지금의 선두 경쟁은 하나의 순위표가 아니다. 미국은 민간 하드웨어 실증과 대형 사업 제안, 중국은 별자리 초기 배치, 일본은 임무 중심 온보드 처리와 거점형 기술, 한국은 국가 주도 핵심기술 검증을 택한다. 서로의 출발점과 성공 지표가 다르므로 ‘어느 나라가 우주 데이터센터를 완성했다’고 묶어 말하는 것은 정보 손실이 크다.

가장 큰 오해: 우주는 차가우니 냉각이 쉬울 것이라는 생각

지상의 AI 데이터센터도 전력 확보가 병목이 되고 있는 마당에, 우주 데이터센터의 물리적 병목은 전력보다 열일 수 있다. 우주는 차갑지만 진공이다. 공기나 물이 흐르며 열을 운반하는 대류 냉각이 작동하지 않는다. 위성 내부에서 칩과 전력장치가 만든 열은 전도 경로로 모은 뒤 방열판에서 적외선 복사로 외부에 버려야 한다. 컴퓨팅 전력을 키울수록 버려야 할 열도 커지고, 그만큼 방열판 면적·구조물·펌프·배관·자세 제어의 부담이 늘어난다.

지상 데이터센터는 외부 공기, 냉각수, 냉각탑, 액침·직접수랭처럼 다양한 열 배출 경로를 조합할 수 있고 장비를 추가해 밀도를 조정할 수 있다. 궤도에서는 방열판이 햇빛과 지구 복사열을 받는 방향, 그림자 구간의 온도 변화, 발사 때 견뎌야 할 질량과 전개 구조까지 동시에 설계해야 한다. ‘태양광이 풍부하니 공짜 전력’이라는 주장도 일식 구간·배터리·전력변환·방열 비용을 빼면 사업 판단에 충분하지 않다.

이것이 JAXA와 한국 우주항공청이 모두 열제어를 핵심 과제로 명시한 이유다. JAXA는 궤도상 데이터센터에 고전력 프로세서의 효율적 폐열 처리를 위한 열제어 시스템이 필요하다고 설명하고, 한국도 AI 반도체의 발열을 해소하는 열제어를 핵심기술로 규정한다. 열관리의 통과 여부가 곧 탑재 가능한 연산 밀도와 발사 질량, 나아가 서비스 단가를 좌우한다. 출처: JAXA 궤도상 데이터센터 구축기술, 우주항공청 보도자료

레이저 위성 간 통신은 ‘빠른 인터넷’이 아니라 컴퓨터의 버스다

분산 컴퓨팅 별자리에서 광학 위성 간 링크(ISL)는 부가 기능이 아니다. 여러 위성을 하나의 연산 자원처럼 쓰려면, 작업을 받은 위성이 다른 위성에 데이터를 보내고 결과를 다시 모으는 경로가 필요하다. 지상국을 매번 경유하면 가시 시간과 지상망 용량이 병목이 된다. 광 링크는 이 경로를 궤도에서 이어 주는 수단이다.

그러나 통신 속도 표기 하나로 해결되지 않는다. 실제 서비스에서는 링크가 언제 가능한지, 위성의 자세 제어가 광축을 얼마나 안정적으로 맞추는지, 구름과 날씨의 영향을 받는 지상 광 링크를 어떤 무선 링크로 보완하는지, 경로가 바뀌어도 작업을 잃지 않는지까지 설계해야 한다. 또한 AI 학습처럼 노드 간 교환이 잦은 작업은 네트워크 지연과 대역폭 요구가 매우 높다. 반면 각 위성이 자기 센서 데이터를 독립적으로 분류하는 추론 작업은 통신 요구가 상대적으로 작다. 그래서 초기에는 ‘연산을 위성군 전체에 쪼개는’ 모델보다 ‘각 위성이 자기 데이터를 처리하고 요약 결과를 전달하는’ 모델이 더 현실적이다.

SpaceX의 FCC 신청은 제안 시스템이 고대역폭 광학 위성 간 링크를 사용하고 Starlink 위성과 연결될 수 있다고 적는다. 이는 네트워크가 대형 계획의 중심이라는 점을 보여주지만, 신청 문서가 곧 성능 검증은 아니다. JAXA 역시 온보드 AI와 위성 간 관측 요구 공유·협력 처리를 실증 과제로 제시한다. 두 사례 모두 통신이 단순한 전송비 절감이 아니라 연산 배치와 임무 협력의 기반임을 시사한다. 출처: FCC Public Notice DA 26-113, JAXA 온보드 AI

방사선·교체·운영: 지상 서버의 상식을 그대로 가져올 수 없는 이유

저궤도라도 고에너지 입자와 우주 방사선은 전자부품의 신뢰성 문제를 만든다. 단일 사건 효과(SEU)는 메모리 비트나 논리 상태를 바꿀 수 있고, 누적 피폭은 장기 성능 저하와 수명 문제로 이어질 수 있다. 지상용 GPU와 메모리를 탑재할 수는 있어도, 오류정정(ECC), 감시·재시작, 이중화, 장애 격리, 차폐, 소프트웨어 검증을 시스템 수준에서 함께 설계해야 한다. 단순히 ‘방사선 내성 칩을 쓰면 된다’는 문제가 아니다.

차폐는 무게와 충돌한다. 더 두꺼운 보호 구조는 발사 질량과 비용을 올리고, 열이 외부로 빠져나가는 경로에도 영향을 준다. 이 때문에 적정 해법은 임무와 궤도마다 다르다. 손실돼도 되는 보조 추론 노드라면 다수 노드와 소프트웨어 복구를 택할 수 있고, 국가 안보·안전 임무라면 더 높은 내방사선성과 이중화를 선택할 수 있다. JAXA가 민생 부품 기반의 소형 고성능 온보드 컴퓨터를 연구하면서도 실제 궤도 실증을 중시하는 이유도, 지상 시험만으로는 장기 운용 신뢰성을 충분히 알기 어렵기 때문이다. 출처: JAXA 온보드 AI

AI 반도체의 교체 주기도 사업성에 직접 들어간다. 지상 데이터센터는 새 세대 가속기가 나오면 랙을 증설하거나 교체하고, 고장 난 부품을 현장에서 바꾼다. 위성은 발사 뒤 물리적 접근이 매우 어렵고, 서비스 수명 동안 하드웨어 구성이 사실상 고정된다. 발사 당시 최신 가속기가 몇 년 뒤에도 가격 대비 성능에서 경쟁력이 있을지, 소프트웨어가 구형 아키텍처를 계속 지원할지, 예비 노드를 얼마나 실을지를 사전에 계산해야 한다. 대형 궤도 거점이나 정비 가능한 상업 우주정거장이 장기적으로 주목받는 이유는 바로 이 교체·유지보수 문제 때문이다.

경제성은 전기요금이 아니라 ‘완료된 임무당 비용’으로 봐야 한다

우주 데이터센터의 경제성을 지상 전기요금과 태양광만 비교하면 결론이 왜곡된다. 비용 항목에는 발사, 위성 버스와 태양전지·배터리·방열판, 내방사선 설계, 지상국과 네트워크, 관제, 보험과 규제 대응, 예비기, 수명 종료 뒤 폐기까지 들어간다. 반대로 얻는 편익에는 하향링크 절감, 지연 시간 단축, 지상 데이터센터의 전력·부지 확보 부담 회피, 지상국 접속 전에 내릴 수 있는 긴급 경보의 가치가 포함된다.

이 계산에서 범용 챗봇용 대규모 학습은 당분간 불리한 작업이다. 대규모 학습은 방대한 데이터를 먼저 투입하고, 가속기들이 빈번히 동기화하며, 긴 시간 동안 높은 가동률을 유지해야 한다. 결과도 결국 지상 사용자와 데이터 파이프라인으로 전달돼야 한다. 우주에 데이터가 생기는 것이 아닌 작업을 굳이 올릴 이유가 약하다.

반대로 지구관측 영상에서 화재 후보만 추려 재난기관에 보내거나, 위성 통신망에서 혼잡·이상 상태를 판단하거나, 해양·국경 감시의 우선순위를 정하는 작업은 원천 데이터가 이미 궤도에 있고 결과가 작다. 이때 우주 엣지 컴퓨팅은 지상 클라우드를 ‘대체’하는 것이 아니라 데이터 전송 전에 필요한 첫 판단을 수행한다. JAXA가 제시한 ‘필요한 정보만 내려보내 하향링크 혼잡을 완화’하는 목표가 현재 시장과 가장 잘 맞는다. 출처: JAXA 온보드 AI

실무자가 발표를 읽을 때 확인할 여섯 가지

• 발사 계획인가, 실제 궤도 배치인가. 발사 성공도 페이로드가 계획대로 켜지고 임무를 수행했다는 증거와는 구분한다.
• 단일 위성의 AI 실행인가, 여러 위성이 작업을 나눈 연산인가. ‘별자리’라는 단어만으로 분산 컴퓨팅을 가정하지 않는다.
• 성과가 추론·필터링인가, 학습인가, 외부 고객용 서비스인가. 각각 필요한 전력·통신·신뢰성의 수준이 크게 다르다.
• 평균 성능이 아니라 열·전력·방사선 환경에서 얼마나 오래 유지됐는가. 짧은 데모와 상시 운영은 다른 검증이다.
• 위성 간 광 링크와 지상 연결의 실측 성능·가용성이 공개됐는가. 데이터가 들어오고 나가는 경로가 없으면 컴퓨팅 자원은 상품이 되기 어렵다.
• 발사·교체·폐기 비용과 규제·우주교통 부담이 사업모델에 반영됐는가. 특히 대규모 위성군은 인가와 궤도 안전이 기술 성능만큼 중요하다.

결론: 경쟁은 시작됐지만, 지상 데이터센터의 이전은 아직 아니다

중국의 첫 컴퓨팅 위성군 배치, Starcloud의 H100 궤도 실증, SpaceX의 대규모 인가 신청, JAXA와 한국의 국가 연구개발은 모두 같은 신호를 보낸다. 우주를 데이터 생성 장소이자 일부 연산 장소로 쓰려는 경쟁은 실체를 갖기 시작했다. 그러나 이 신호를 곧바로 ‘AI 데이터센터가 우주로 이전했다’는 결론으로 바꾸면 안 된다.

가장 객관적인 평가는 이렇다. 우주 엣지 컴퓨팅은 이미 실제 임무의 병목을 겨냥한 실증 단계에 진입했다. 반면 다수 GPU를 안정적으로 묶어 외부 고객에게 판매하는 대규모 우주 데이터센터는 열 방출, 광 네트워크, 방사선 신뢰성, 발사·교체 비용, 규제와 우주교통 문제를 함께 통과해야 하는 초기 단계다. 앞으로의 승부는 누가 가장 큰 숫자를 발표하는가보다, 누가 이 조건을 비행 이력·실측 성능·반복 가능한 고객 임무로 증명하는가에서 갈릴 가능성이 높다.

독자가 기억할 한 문장은 충분하다. 우주 데이터센터 경쟁은 이미 시작됐지만, 지금은 누가 가장 앞섰는지를 단정할 때보다 무엇이 실제로 검증됐고 무엇이 아직 남았는지를 구분해 볼 때다.

AI 인프라 경쟁은 GPU 확보 경쟁을 넘어 컴퓨팅을 어디에서 수행할 것인가(Compute Location)의 경쟁으로 확장되고 있다. 과거에는 더 빠른 AI 모델을 만드는 것이 경쟁력이었다면, 앞으로는 컴퓨팅 자원을 어디에 배치하고 어떤 인프라에서 운영할 것인가도 중요한 경쟁 요소가 될 가능성이 있다. 우주 데이터센터는 이러한 변화의 가장 극단적인 사례이며, 현재는 상용화보다 실증 경쟁이 먼저 시작된 단계로 보는 것이 가장 현실적인 평가다.

이번 글에서는 기술적 현실성과 국가별 진행 상황을 중심으로 살펴봤다. 하지만 기술이 가능하다고 해서 사업성이 확보되는 것은 아니다. 발사비와 유지비, GPU 교체 주기, 전력 효율까지 고려하면 우주 데이터센터는 과연 지상 데이터센터보다 경제성이 있을까? 다음 글에서는 우주 데이터센터의 비용 구조와 사업성을 중심으로 살펴본다.

참고 출처

• China launches space computing satellite constellation
• Starcloud-1
• FCC Public Notice DA 26-113
• JAXA 온보드 AI
• JAXA 궤도상 데이터센터 구축기술
• 우주항공청: K-우주 데이터센터의 구축을 위해 전문가 협력 체계 가동