近期，美國一顆搭載有輝達旗艦晶片H100的衛星通過美國太空探索技術公司（SpaceX）的“獵鷹9號”火箭成功進入太空，這顆擁有80GB視訊記憶體、性能遠超以往任何星載電腦的晶片，將在軌承擔地球觀測圖像分析與大語言模型Gemini的推理任務。外媒報導稱，這也實現了首次資料中心級GPU在軌運算實驗，拉開太空高算力人工智慧（AI）時代的序幕。然而在此之前，已有多顆部署有AI大模型的中國衛星被送入太空。近日，參與相關項目的中國科學院計算技術研究所研究員韓銀和在接受《環球時報》記者專訪時表示，中國在太空AI領域正處於體系化快速推進階段，並有多個團隊已取得關鍵突破。為何要打造“太空AI”“具有大算力和人工智慧能力的算力衛星能夠消除星地資料傳輸瓶頸，實現資訊的‘天基快速理解與決策’，可應用於災害監測預警等需要極低延遲響應的場景。”韓銀和在接受《環球時報》記者採訪時介紹稱，結合衛星寬頻網路，建設太空資料中心和超算中心，優勢主要體現在五個方面。一是超低時延，資料可以就地處理，實現即時決策；二是可實現超高頻寬效率，通過AI處理後，衛星僅下傳關鍵結果資訊，而非TB/PB級的原始資料，極大節省珍貴的星地鏈路資源；三是具有無界覆蓋與機動性的優勢，天基超算中心可部署在軌道各處，不受地域限制；四是天基超算中心還具有天然的高安全性，可實現物理隔離，提供了獨特的網路安全環境；五是天基超算中心還能補強地面盲區，彌補地面資料中心覆蓋不足和服務延遲的短板，真正實現全球快速響應。然而讓“大算力”真正進入太空，並不只是把一顆晶片送上太空那麼簡單。太空高輻射、極端溫差的環境，以及衛星平台能耗有限與散熱困難等“硬傷”，都對算力晶片的穩定運行提出了挑戰。從地面資料中心到星際計算節點，這不僅是硬體的飛躍，更是工程、演算法與能源管理的系統性突破。中國處於體系化快速推進階段中國多個科研機構早早佈局相關試驗，並進行了大模型在軌部署。據此前公開報導，中國自主建設的智能遙感衛星星座“東方慧眼”首顆實驗星“珞珈三號01星”於2023年1月發射，首次實現8分鐘星地互聯的B2C應用服務。2024年底實現了大模型上注，首次使得衛星具備了大模型能力。而在今年5月，中國首個整軌互聯太空計算衛星星座“三體計算星座”首次發射，正式進入組網階段。北京市科委、中關村管委會等單位近日宣佈，北京擬在700-800公里晨昏軌道建設營運超過千兆瓦（GW）功率的集中式大型資料中心系統，以實現將大規模AI算力搬上太空。“三體計算星座”首次發射一箭十二星效果圖 。圖源：之江實驗室微信公眾號“可以說中國在太空AI領域目前正處於體系化快速推進階段，多個頂尖團隊已取得關鍵突破。”韓銀和介紹稱，例如中國科學院計算技術研究所，採用全體系國產化核心元器件和高可靠容錯計算架構，在2023年就率先實現了100TOPS級星載算力，為天基大模型運行奠定了自主可控的硬體基礎。武漢大學的“東方慧眼”星座通過通導遙一體化與AI融合，整合北斗短報文與星間即時傳輸，將資料響應時間壓縮至分鐘級，實現了“快、清、准、全、懂”的遙感服務目標。其技術架構不僅服務於國土監測、應急管理等國家需求，更開創了大眾呼叫衛星的商業新模式。而浙江之江實驗室與國星宇航的“三體計算星座”則採用了氦星光聯研製的雷射終端以保障星座級高效協同，支援星間100Gbps高速通訊，算力達到744TOPS。“一星多卡”計畫明年在軌驗證韓銀和進一步介紹稱，當前中國在軌部署的大模型均採用輕量化技術路線，針對太空環境的算力約束進行了深度輕量化。值得關注的是，即便是類似於輝達H100這樣的太空計算單元，實際運行的也是Gemini輕量版模型。這充分表明，全球範圍內太空AI部署仍以輕量化模型為主要技術路徑。目前中國已全面掌握輕量級大模型在軌部署能力，正穩步邁向全參數大模型在軌運行的研製階段。中國科學院計算技術研究所團隊是算力技術研究的國家隊，已提出了“一星多卡”的天基超算架構，計畫在明年發射衛星進行在軌驗證，為全參數大模型的在軌應用提供算力基礎設施。這是關鍵一步，全參數大模型將賦予太空和地面一樣的智能處理能力。“與美國Starcloud衛星依託輝達H100晶片生態不同的是，我們的路徑主要核心是攻克‘一星多卡’的自主天基超算和資料中心架構。”韓銀和認為，這是一個體系性的創新，並非簡單堆疊，而是致力於採用國產高能效GPU組成陣列，實現單星算力的跨越式提升，“這是我們自主創新的突破”。“這一方案更強調模組化設計、系統性整合和對散熱、功耗等極限挑戰的克服，目標是為建構未來的太空超級計算中心提供基礎。這種架構帶來的挑戰更大，但長期看具有實現更高算力密度和任務靈活性的潛力，代表著更面向未來的探索方向，是中國從技術追隨者轉向引領者的關鍵一步。”韓銀和表示。在韓銀和看來，世界主要航天大國開展的這場“太空AI”建設不只是簡單的技術角逐，還事關下一代空間資訊基礎設施的標準制定權。誰率先掌握了成熟的星上即時感知、認知、決策核心能力，誰就能夠在太空時代佔據主動權。“中國正通過系統性創新‘彎道超車’，因此各方都在加大投入。”韓銀和稱。 (環球時報研究院)

近期，馬斯克宣佈，SpaceX將在太空中建設資料中心；GoogleCEO宣佈啟動"Project Suncatcher"，計畫於2027年發射首批太空AI資料中心原型衛星，旨在通過太陽能直接驅動TPU晶片在軌運行；亞馬遜創始人貝索斯也表示，人類將能夠在太空建造吉瓦級資料中心。太空算力將是航天強國的核心構成：國際AI巨頭的加入，太空算力關注度空前提高，太空算力不再是“天數天算”的小眾應用，而是地面算力網路向天基的延伸，對標地面算力產業，太空算力市場有望超越衛星網際網路，太空算力將帶動運載火箭、衛星製造、空間電源、星間&星地通訊、空間晶片等產業鏈加速增長，將是航天強國戰略的核心構成。為何馬斯克、亞馬遜、Google一致看好太空資料中心？1. 太空資料中心驅動邏輯與定義需求驅動與根本邏輯人類對計算、儲存、網路的需求具有無限性，從1G 到 5G 的發展歷程中，高營收應用推動科技生活變革，背後是電腦晶片、資料中心、新型基站及網路等基礎設施的持續投入。然而，在4G 向 5G 演進及 6G 論證過程中發現，地表資訊產業發展受能源、土地、無線電頻譜等資源限制。隨著AI 算力需求指數級增長，支撐日常應用的 AI 算力年用電量已佔全球 2%-5%，且地面資料中心面臨建設土地緊張、能源短缺、冷卻水消耗過大等問題 —— 傳統能源供應需提升 50%-60% 以解決散熱難題，同時還需應對環保壓力，地表建設的限制效應已十分顯著。將視角轉向太空後，其多重物理優勢凸顯：能源效率：太空中太陽輻射強度為地球的1.3 倍以上，太陽能電池陣能源利用率達 99%，能源可利用率較地面最佳化 3-4 倍；散熱優勢：真空背陽側接近零下273℃的冷背景，可通過輻射散熱解決熱管理問題，無需消耗地面水資源；覆蓋能力：低軌衛星具備全球覆蓋、低時延無縫連接特性。這些因素支撐了科技巨頭在太空中建設新一代資訊基礎設施的價值認知與先手佈局邏輯。定義與傳統航天區別太空資訊基礎設施可定義為類比地面資訊產業體系的設施，涵蓋計算個人終端、標準化伺服器製造、大型儲存中心、資料管理中心及算力中心等形成的資訊處理能力。傳統航天（包括商業航天發展前十年）的衛星建設僅屬於太空中的基礎通訊設施，不具備強大、可共享、可調度的資訊處理能力，無法將網路運力、資料存力、電腦算力轉化為池化、可調度、彈性的資源，難以形成邊際成本下降效應以支撐太空應用。而星網及馬斯克等先行者推動的新一代設施，通過網路連通實現高資料流通量，由此催生巨額資料處理、儲存、計算需求，設施建設形成的能力可反向支撐更多太空自主應用及反哺地面內容，真正實現了太空資訊技術建設的突破。2. 海外巨頭佈局思路解析SpaceX 分佈式架構SpaceX 核心佈局圍繞分佈式軌道架構設計，依託發射成本優勢，採用 1.1 噸重、資訊吞吐量超 1T 的 V3 衛星，結合低時延雷射組網，建構去中心化算力網路。將近萬顆衛星轉化為邊緣計算節點，服務星鏈頻寬、資料處理儲存及手機直連服務等場景，實現“通訊 + 計算” 一體化。商業層面，通過批次部署新衛星，依託現有衛星能力滿足約800 萬基礎使用者需求，實現快速商業落地，且邊際擴容速度快、成本低。亞馬遜雲服務延伸亞馬遜太空佈局遵循長期主義，是其雲服務（AWS）的自然延伸，核心目標是擴充 AWS 在全球雲端運算市場的份額。路徑規劃為：太空資料中心迭代建設→批次部署→降本提效，認為長期來看太空資料中心可替代地面資料中心，成為全球 AWS 服務的基礎支撐。具體措施包括利用太空24 小時穩定能源最佳化系統，提升 AWS 客戶服務質量、降低建設與服務成本，最終實現 “成本擊敗地面資料中心” 的目標。Google軟硬體協同Google太空佈局採用軟硬體協同+ 生態合作模式：技術層面：對自研TPU 晶片進行太空環境適配改造，確保抗輻射、耐極端溫度；部署層面：依託Planet Labs 成熟衛星平台，加速衛星端算力設施部署；戰略層面：通過“捕光者計畫”（Suncatcher）聚焦在軌 AI 訓練，減少對地面能源依賴，借助平台合作建構差異化競爭力，與 AWS 等雲服務廠商形成競爭。3. 太空資料中心價值與競爭意義發展現狀與支撐案例2025 年太空資訊基礎設施部署取得顯著進展：年初中國 “三體星座” 發射，11 月初 Starlink 1 衛星成功入軌，網路之外的資訊基礎建設逐步被認可、部署與嘗試，天上的計算、資料處理及網路效應已初步顯現價值，支撐了 “商業航天作為天地產業聯通支撐點” 的投資邏輯。國外初創公司積極佈局案例：Spark Cloud：以較小體量依託輝達技術，將最新 H100 板卡衛星發射上天，規劃後續建設 5 吉瓦級大型衛星平台（雖規模實現需較長時間，但其思路聚焦能源替代及太空無限能源供應下的 AI 模型訓練）；龍思達：採用極致資料災備思路，將資料儲存系統部署於月球背面，支撐特定環境下的資料儲存需求，覆蓋傳統地面資料中心部分主營業務；公里公里太空：與國際空間站、IBM 合作，測試自身原型機資料中心，發展路徑相對穩健。這些案例共同體現了太空資料中心背後，太空資訊基礎建設的當前發展階段與多元探索方向。全球科技競爭意義太空資料中心整合了多個先進行業的交叉技術，已成為下一個全球科技競爭的前沿領域，是未來可能撬動巨大應用生態的核心基礎。其價值不僅在於延伸和支撐各玩家現有地面傳統業務的競爭力提升，更被視為下一代太空創業的新機遇及孕育巨大市場前景的“土壤”，Spark Cloud 等公司的入局正是這一觀點的直接印證。4.  中國進展與生態建設科研機構與項目佈局中國科研機構在太空資料中心建設中進展顯著：北京郵電大學：自2022 年起部署 “天算聯盟”，涵蓋北斗 1 號、北斗 2 號等項目，將計算、網際網路及新網路驗證技術搬至太空開展驗證，聚焦 AI 核心基礎的資訊設施建設；之江實驗室：以“共商共享共建共發展” 模式推進，目標打造全球首個聯網計算 “天機網路”，無盈利需求、專注應用孵化，已培育多個長期在軌訓練及驗證的應用，推動科研發展的同時，也在推進經濟開發。企業參與與產業鏈覆蓋中國企業基於“能源替代” 或 “應用拉動” 思路推進太空資料中心建設：軌道晨光：對標StarCloud，計畫發射上噸級業務衛星（試驗星規模稍小），通過數百平方米太陽能板提供全日能源，開展在軌 AI 訓練業務，聚焦能源替代路線；達摩院（雲棲小鎮）與艾克薩儲存：聯合發佈項目，以應用雲拉動天基端資訊基建能力驗證及軟體作業系統打通，逐步補全建設環節。上游產業鏈覆蓋全面：計算載荷：北郵孵化的宇偉宇航、中科院計算所的中國天算、清華大學孵化的新特未來，分別提供太空計算伺服器、通用計算伺服器及智能處理載荷；儲存領域：艾克發科技是商業航天中唯一專注可靠性儲存的公司，浙江相關項目另有其他儲存晶片公司參與；雷射通訊：除海信光聯外，聖光通訊、多家光通訊企業及華為、中興、烽火等通訊巨頭均佈局相關產品；能源系統：鈣鈦礦太陽能電池方案通過在軌迭代驗證，已獲得更多訂單並實現業務化使用。應用側生態孵化成果豐富：之江實驗室合作的遙感應用公司、時空道宇等物聯網企業的應用已與太空計算掛鉤；艾克薩儲存孵化出獨立公司天通智捷，專注面向資料應用側的太空資料中心部署。中國在“算” 和 “存” 的新一代太空基礎資訊建設生態搭建上，較國外更具多樣性，已產生應用端拉動效應並孕育新的產業替代機會。5. 關鍵領域變化與地面優勢對比建設關鍵領域變化太空資料中心建設涉及從基建端到營運、資料使用的全方位提升，基建端核心卡點集中在能源供應與計算晶片兩方面：能源供應突破：傳統瓶頸：傳統衛星採用的砷化鎵太陽板成本高（約20 萬元 / 平方米）、供電效率低（約 200 瓦 / 平方米），且材料剛性難以製成柔性太陽陣，系統設計代價高；目前商業航天公司能獲取的低價傳統太陽能電池片成本仍達 16 萬元 / 平方米。新型方案：鈣鈦礦材料作為替代方案，可將柔性太陽板成本降至傳統砷化鎵的一半左右，未來仍有降本空間，同時具備更高能源轉化率，且易製成摺疊式柔性太陽翼，有助於控制發射成本並支援超大型太陽板（如馬斯克V3 版本 257 平方米級太陽板）部署。核心價值：能源供應突破是太空資料中心建設的關鍵，若快速迭代，將形成區別於衛星網際網路的巨大提升，支撐幾十至幾百平方米規模的能源需求，同時反哺衛星網際網路基建（如馬斯克通過257 平方米太陽能帆板實現巨額能源供應，支撐 1.1T 以上資料吞吐量及衛星邊緣計算節點部署）。計算晶片進展：現狀：現有衛星的晶片能力及應用需求可基本滿足，且能實現一定迭代；挑戰：晶片及散熱、處理工藝等核心技術主要集中於寒武紀、華為等巨頭，需依賴其技術突破推動商業航天進展。相比地面的核心優勢太空資料中心在能源供應、散熱效率、資源消耗及建設成本等方面，較地面資料中心具有顛覆性優勢：在能源供應方面，太空資料中心部署於近地軌道等位置，可24 小時接受太陽能照射，容量因子接近 100%，整體峰值發電量比地面資料中心高 5 倍以上，能源成本更是低 10 倍以上；而地面資料中心受晝夜交替、天氣變化、日照時長等因素影響，容量因子低於 50%，目前其用電量已佔全球總用電量的 2%-3%，預計 2030 年這一佔比將翻倍，未來 6G 基站落地後，其能源需求甚至可能超出全球現有供應能力。散熱效率上，太空資料中心通過被動輻射方式散熱，散熱能力可達800 瓦 / 平方米，理論 PUE 值接近 1，意味著幾乎所有能源都能用於計算與服務；地面資料中心目前主流採用液冷技術，散熱極限僅為 20 瓦 / 平方米，每產生 1 瓦計算能耗，就需要 1.5 瓦以上的能源用於散熱，能源浪費較為明顯。資源消耗層面，太空資料中心無需消耗水資源；地面資料中心的日耗水量已達到城市級規模，且其運行高度依賴不可再生能源，資源消耗壓力較大。建設成本方面，太空資料中心的成本主要集中在發射成本控制及在軌長期維護上，無需承擔土地、建材、電網接入等額外成本；地面資料中心則需投入土地許可、建材搭建、電網接入、人力維護等直接成本，還需承擔與國家安全相關的隱形成本，整體成本構成更為複雜。儘管太空資料中心仍面臨輻射防護、晶片適配、衛星壽命及通訊驗證等技術挑戰，但通過大規模建設與技術迭代可逐步解決，其在能源、散熱、資源及成本上的優勢是未來發展的核心驅動力。6. 具體項目規劃與部署解析洞察時空與遙感應用洞察時空依託巨型星座進行應用部署，聚焦衛星網路建設帶來的能力提升與成本控制：核心項目“天府之眼”：通過建設超低軌智能遙感星座，完成可見光、合成孔徑雷達（SAR）等多類型遙感資料的採集及線上 AI 運算處理，形成即時、多元、多用途且低成本的資料獲取能力。市場前景：當前遙感市場活力充沛、空間廣闊，傳統遙感企業（如航天宏圖、長光衛星“吉林一號”）表現優異；該領域可在先進技術應用、精準服務市場及客戶需求適配等方面持續拓展，入場時機無嚴格早晚之分。典型星座規劃與節奏中國主要星座項目規劃與進展：三體星座：搭載分佈式系統、高性能太空計算載荷、雷射通訊載荷及路由器，基於“工商共享共建共發展” 思路，規劃約 2800 顆衛星；2025 年計畫發射約 50 顆，2026 年約 100 顆，後續隨合作夥伴及項目落地逐步推進。天算聯盟：由北郵聯合高校、科研機構及華為等發起，以技術驗證為核心，規劃約300 顆衛星；一期 10 顆，後續逐步增至 300 余顆。星算計畫：與三體計畫共同孵化，規劃超2800 顆衛星，技術基底與浙江實驗室共享；02 組衛星計畫 2026 年發射約 10 顆，後續計畫持續落地。軌道晨光：態度保守，未公開星座規模論證，當前專注首顆、次顆實驗星的在軌發射與驗證，以建構核心業務場景。太空字節：由儲存公司孵化，規劃數十顆衛星但未公開發佈。現階段太空資料中心多以“數十顆至小幾百顆” 規模建設，各家步驟整體偏保守，這與 2025 年太空運力未出現大幅提升直接相關。會議紀要1. 海外巨頭太空AI與資料中心佈局馬斯克（SpaceX）佈局：馬斯克認為未來更高等級的AI必須在太空開展，其新建的下一代V3版本衛星只需拓展即可建構太空資料中心；Starlink通過強大發射能力、1.1噸級V3衛星（1T以上資訊儲存量）、低時延全球雷射組網，將1.5萬顆衛星轉化為邊緣計算節點，形成去中心化算力網路，依託800萬基礎使用者快速商業落地。亞馬遜（AWS）佈局：貝佐斯預言千兆瓦級太空設施將在10-20年內升空，亞馬遜走“長期主義+雲服務延伸”路線，目標是擴增AWS全球雲端運算市場份額；通過大型衛星最佳化能源系統，利用太空24小時能源供應，提升現有AWS客戶服務質量、降低建設與服務成本，最終實現太空資料中心替代地面資料中心，形成全球AWS基礎。Google佈局：Google發佈曙光者計畫（10月5日、11月5日發佈），走“軟硬體協同+生態合作”路線；通過改造Edge TPU晶片適應太空環境，依託與Planet公司的成熟衛星平台加速部署，聚焦在軌AI訓練以減少地面能源依賴，通過硬體基礎與演算法落實形成競爭力，與AWS等雲服務商競爭。初創公司動態：Starcloud於11月1日成功將搭載輝達H100 GPU的衛星送入軌道；Lunar Starros將資料儲存系統部署在月球背面；公里太空與國際空間站、IBM合作測試資料中心原型機。2. 太空資料中心核心邏輯與優勢地面算力瓶頸：AI年耗電量已佔全球2%-3%，並向5%逼近；地面資料中心面臨能源、土地、冷卻水限制，散熱需傳統能源供應商提升50%-60%以上，環保壓力大。太空獨特優勢：能源：太空太陽輻射強度是地球的1.3倍以上，太陽能電池陣列能源利用率達99%，是地面的3-4倍最佳化；低軌衛星可實現24小時能源供應。散熱：太空真空環境下，衛星背陰側接近零下273度，通過輻射散熱無需冷卻水，被動輻射熱管理能力可達800瓦/平方米以上，PUE值理論接近1（所有能源用於計算與營運）。其他：無土地許可、建材、電網接入等隱性成本，維護成本低；全球覆蓋低時延無縫連接。經濟效應：太空資料中心能源消耗成本比地面低至少10倍以上，能源問題解決後可支撐太空電站、動力工廠、深空探測等新基建。3. 中國太空資料中心進展與規劃科研機構佈局：之江實驗室：幾年前開展極光一千電腦板/處理器在軌搭載，2025年發射浙江星座，走“長遠孵化+面嚮應用”路線，已孵化若幹線上應用訓練驗證項目，與遙感、物聯網公司合作。北郵：2022年起部署天策聯盟，發射北郵一號、北郵二號，開展計算與網際網路核心網驗證，兼顧能源與應用視角進行技術研發攻關。商業公司佈局：軌道晨光：對標Starcloud，通過發射噸級衛星（業務星上噸級），以大面積太陽能帆板提供全天候能源，開展在軌AI訓練業務。阿里達摩院+艾克薩儲存：聯合發佈太空資料中心項目，艾克薩儲存孵化獨立公司“太空智傑”，從事實物競爭側太空資料中心部署。國星宇航：規劃星算星座（2800顆星規模），在網際網路大會獲高評價，實現太空計算網路在軌價值釋放。上游供應商：計算側：北郵孵化的一微宇航、中科院計算所的中科電算提供太空計算伺服器；清華大學孵化的新的未來提供智能處理載荷。儲存側：艾德發科技是商業環境中唯一做可靠性儲存的公司。雷射通訊側：海星光聯、上光通訊、集中信通參與，華為、中興、烽火佈局通訊通道產品。能源側：鈣鈦礦材料是新型太陽能電池替代方案，上海港灣在該領域佈局靠前，形成多項驗證成果；馬斯克V3衛星使用257平米太陽能帆板支撐1.1T以上資料吞吐量，其能源方案是鈣鈦礦應用的參考方向。4. 中國星座規劃與進展三體星座：規劃約2800顆星，今年明年計畫發射50顆、100顆；搭載分佈式系統、高性能太空計算模組、雷射通訊模組與路由器，遵循“共商共享共建共發展”思路，任何擁有標準化元件的衛星均可納入。天算星座：由北郵發起，聯合20-30所高校、科研機構及華為等企業，規劃310顆星，一期發射10顆，後續發射幾十顆；聚焦技術驗證與獨特應用方向論證。天算計畫：與三體計畫共同孵化，規劃超2800顆星，技術基底與在軌成果和之江實驗室共享；26年計畫發射天算計畫02組星（約10顆）。軌道晨光項目：未公開星座規模，現階段專注於實驗性衛星發射與驗證，建構業務場景。5. 中國相關企業與生態洞察時空：與巨型星座在人員架構上有重疊，依託巨型星座做應用部署；通過建設超低軌“天府之眼”智能遙感星座，採集可見光、SAR等遙感資料並進行線上AI運算融合，提供即時、多元、低成本的資料獲取與服務。上游材料機會：鈣鈦礦材料是太空資料中心能源卡點的核心突破方向，其柔性太陽能板成本可降至傳統三結太陽能電池板（20萬/平米）的一半，且易摺疊成超大型太陽翼；該材料成熟後可反哺衛星網際網路（如新網現有500多公斤衛星僅10Gbps雷射通訊，能源限制是關鍵瓶頸）。應用生態孵化：之江實驗室與北郵孵化的項目已產生應用側成果，如遙感公司、時光教育等物聯網公司將應用與太空計算掛鉤；艾克薩儲存孵化的太空智傑專注太空資料中心部署。Q&AQ: 能否介紹中國太空資料中心相關項目的進展及整體規劃？A: 太空資料中心涉及可回收運載運力、批次衛星在軌技術、核心計算/通訊類股、星座組網管理、天地一體通訊協議、分佈式調度等多方向。中國玩家包括北郵、之江實驗室、軌道晨光、國星宇航等：北郵2022年部署天策聯盟，通過北郵一號、北郵二號驗證計算及網際網路核心網技術；之江實驗室幾年前開展極光一千電腦板/處理器在軌搭載，2025年完成浙江星座發射，孵化了若干在軌應用訓練驗證項目；軌道晨光對標Data Cloud，通過噸級衛星+大面積太陽能帆板提供能源，開展在軌AI訓練；國星宇航的星算星座規模達2800顆。上游供應商方面：計算側有北郵孵化的一微宇航、中科院計算所的中科電算、清華的新的未來；儲存側有艾德發科技；通訊側有海星光聯、華為、中興、烽火；能源側有鈣鈦礦太陽能電池方案在軌迭代驗證並實現業務化使用。應用生態上，之江實驗室等孵化的項目已拉動遙感、物聯網等應用，如時光教育等物聯網公司，還孵化出太空智傑等新公司。整體看，中國太空資料中心生態比國外更豐富，起步階段已產生應用端拉動效應及產業環節替代機會。Q: 建構太空資料中心的過程中，那些領域會有明顯變化並產生較大效益？太空資料中心相比地面傳統資料中心有那些明顯優勢？A: 太空資料中心的建設是從基建端到營運再到資料使用的全方位提升，先行領域為基建。當前太空資料中心建設的主要卡點是計算晶片和能源供應，其中能源端及基礎建設限制更突出：傳統三結太陽能電池板成本高（一平米約20萬，供電僅兩百多瓦），而鈣鈦礦柔性太陽能板可將成本降至傳統產品的一半左右，且未來降本空間更大，能源轉換效率更優，易做成摺疊柔性太陽翼，能支撐超大型能源供應（如馬斯克V3版本257平米帆板），上海港灣在鈣鈦礦佈局上靠前且有驗證成果。能源解決後可反哺衛星網際網路，突破現有能源限制（如Starlink已實現200Gbps雷射通訊）。計算晶片及散熱等技術突破集中在寒武紀、華為等企業手中。太空資料中心相比地面的優勢：1. 能源供應：太空軌道（如36000公里StarCloud衛星位置、近地軌道）可實現24小時太陽能照射，峰值發電能力比地面高5倍以上，能源成本比地面低至少十倍，容量因子接近100%（地面因晝夜、天氣等限制容量因子低於50%）；2. 散熱與資源消耗：太空中真空環境無需消耗水資源散熱，地面資料中心日耗水量達城市規模；3. 建設與維護成本：太空資料中心無需考慮土地許可、建材搭建、電網接入等隱性成本，維護成本低；4. 長期發展適配性：更貼近未來天地一體化及太空經濟活動需求。但太空資料中心仍需攻關輻射防護、晶片要求、衛星壽命等技術，不過可通過大規模建設和技術迭代解決。Q: 請介紹洞察時空及其與巨型星座的關係？A: 洞察時空與巨型星座在人員組織架構上存在重疊，其佈局依託巨型星座開展應用部署。從洞察時空正在推進的天府之眼項目來看，該項目旨在建構超低軌時空智能遙感星座，實現對可見光、SAR等遙感資料的採集，並通過線上AI運算處理融合，形成即時、多元、多用途且低成本的資料獲取與服務能力。洞察時空的部署方向聚焦於產業協同（含巨型星座產業協同）產生巨大效應時，運行資料價值的轉化。Q: 請介紹三體星座、天算星座等新興星座的衛星規劃數量及部署節奏？A: 三體星座：規劃搭載分佈式系統、高性能太空計算模組、雷射通訊模組及路由器，遵循王堅博士“共商共享、共建共發展”的指導思路，擁有標準化元件的衛星均可納入。其最終規劃約2800顆衛星，計畫今年發射50顆左右、明年發射100顆左右，後續將根據合作夥伴及項目落地推進情況逐步實施。該星座由之江實驗室主導，定位為科研屬性的平台搭建孵化項目。天算聯盟（天算星座相關）：由北郵發起，聯合二三十所高校、科研機構及華為等企業開展技術驗證，規劃衛星數量約310顆，一期計畫發射10顆，後續將發射幾十顆逐步推進。天算計畫：與三體計畫共同孵化，規劃組網衛星超2800顆，其技術基底及在軌成果與之江實驗室共享，由商業公司負責落地部署。2026年計畫發射天算計畫02組星，數量接近10顆。此外，太空字節（儲存公司孵化的太空資料中心公司）規劃衛星數十顆，但尚未公開發佈。新興星座整體部署節奏偏保守，主要因今年算力與運力未實現大幅提升。 (有道調研)

前天我寫了一篇文章介紹了微軟CEO最新採訪，由於資料中心缺電，導致微軟買的老黃的GPU插不上電，這已經不是一家公司的問題，而是未來全球性問題，這也導致了當前整個AI投資邏輯發生了巨大變化，感興趣的看我的文章：現在整個AI投資邏輯都錯了！微軟CEO首次承認：成排的H100正在積灰，插不上電。結論就是能源已經成為了一個核心問題結果今天Google反手就發了一項前瞻性研究計畫Project Suncatcher（太陽捕手計畫），旨在探索建構一個基於太空、可高度擴展的AI計算叢集，你可以把它理解為"AI版星鏈"Google這次把眼光放在整個太陽繫了，隨著 AI 對計算能力和能源需求的爆炸式增長，地球資源將面臨巨大壓力，而太陽系中最豐富、最強大的能源——太陽能，在太空中可以被更高效地利用簡單來說Project Suncatcher項目的設想是通過部署由太陽能供電、搭載 Google TPU 並由自由空間光通訊連接的衛星星座，在近地軌道上建構一個“太空資料中心”。初步研究表明，儘管存在巨大的工程挑戰，但從基礎物理學和未來經濟可行性的角度來看，這一構想並非遙不可及馬斯克已經給劈柴哥留言了，表示想法很好，劈柴哥說這完全得益於SpaceX在發射技術方面的巨大進步，看來馬斯克又要坐著數錢了Google今天已經發表了預印本論文《 面向未來高度可擴展的天基人工智慧基礎設施系統設計 》，揭秘了一些早期研究成果paper：https://services.google.com/fh/files/misc/suncatcher_paper.pdf以下是論文的詳細解讀為什麼要在太空中進行 AI 計算？LLM快速發展正在面臨前所未有的挑戰：對計算能力和能源的巨大需求儘管演算法效率在不斷提升，例如，Google Gemini 的單次查詢能耗在一年內降低了 33 倍，但 AI 產品和服務的增長速度更快，導致全球資料中心的能源需求急劇攀升。為了滿足這種增長，必須尋找更具可擴展性和可持續性的能源解決方案Project Suncatcher 的出發點正是基於這一根本性問題，並將目光投向了我們太陽系中最宏偉的能量源：太陽太陽的巨大潛力：太陽每秒釋放的能量高達 3.86 × 10²⁶ 瓦，是人類總發電量的 100 兆倍以上，幾乎取之不盡太空的獨特優勢：在太空中利用太陽能，相比於地球表面具有顯著優勢。在特定的軌道上，太陽能電池板幾乎可以 24 小時不間斷地接收光照，擺脫了晝夜循環和天氣的影響。這使得其發電效率比地球上中緯度地區的太陽能電池板高出最多 8 倍，同時也大大降低了對重型儲能電池的依賴傳統的太空太陽能構想通常聚焦於如何將產生的電力傳輸回地球，但這面臨著巨大的技術挑戰。Project Suncatcher 提出了一個新的思路：與其將能源傳回地球，不如直接將資料中心（即計算任務）部署到太空。這個太空資料中心將由大量通過自由空間光鏈路高速互聯的太陽能衛星組成。這種方法不僅有望實現前所未有的計算規模，還能最大限度地減少對地球土地、水等寶貴資源的影響這個項目是 Google 繼自動駕駛汽車（Waymo）和大規模量子電腦之後，又一次挑戰科學和工程極限的“登月計畫”Suncatcher 系統設計：建構軌道上的 AI 叢集為了實現這一願景，Project Suncatcher 提出了一個由模組化、小型化衛星組成的星座系統設計。這種設計放棄了建造單一、巨大的“巨石型”空間資料中心的想法，因為後者需要複雜的在軌組裝，且在避障和結構上都面臨更大困難。模組化設計則為逐步擴展和迭代提供了極大的靈活性系統的核心設計要素包括：軌道選擇：計畫將衛星星座部署在晨昏-太陽同步近地軌道（dawn–dusk sun-synchronous low earth orbit, LEO）。這個軌道的特點是衛星始終飛行在地球的晨昏線上方，這意味著它們幾乎可以持續不斷地被太陽照射。這不僅最大化了太陽能的收集效率，也進一步減少了對電池的需求，從而降低了衛星的質量和發射成本。同時，近地軌道也能有效降低與地面站通訊的延遲計算核心：每顆衛星都將攜帶 Google 的 TPU 加速器晶片。具體來說，初步測試使用的是 Trillium，即 Google 的 v6e Cloud TPU。這些晶片將負責執行大規模的機器學習（ML）工作負載高速互聯：為了讓分散在多顆衛星上的 TPU 協同工作，如同在地面資料中心一樣，必須建立超高頻寬、超低延遲的連接。這通過自由空間光通訊（FSO）技術實現。為了達到所需的通訊性能，衛星之間將以非常近的距離（數百米到數公里）進行編隊飛行編隊控制：維持如此緊密的衛星編隊是一項巨大的挑戰。系統將採用基於機器學習的飛行控制模型，精確控制每顆衛星的軌道，確保它們在保持緊密距離的同時能夠避免碰撞熱量管理：在真空中，高功率的 TPU 晶片產生的熱量無法通過對流散發，必須通過熱管和散熱器以熱輻射的形式排向太空。高效的熱管理系統對於保證晶片在標稱溫度下穩定運行至關重要這一系列設計旨在最大化每公斤發射質量所能提供的計算能力，從而在經濟上更具可行性。該研究計畫的首要任務，就是逐一攻克實現這一系統所面臨的四大核心技術挑戰挑戰一：實現資料中心級的星間光通訊大規模機器學習任務，特別是模型訓練，要求計算叢集中的各個加速器之間能夠進行海量資料的快速交換。地面上的 Google TPU 超級電腦通過定製的、每秒數G的光學晶片間互連來滿足這一需求。然而，目前商業化的星間光鏈路的資料速率通常在 1 到 100 G之間，遠不能滿足要求。Project Suncatcher 的目標是實現每秒數十TB的星間鏈路頻寬，這是一個數量級的飛躍解決方案：短距離 + 多通道Google研究團隊發現，可以採用類似於地面資料中心中成熟的商用密集波分復用（Dense Wavelength Division Multiplexing, DWDM）收發器技術。但這種技術有一個關鍵瓶頸：它需要非常高的接收光功率，通常在數百微瓦的量級，而傳統長距離星間通訊的接收功率僅為 1 微瓦左右物理學原理提供瞭解決方案：在自由空間中，接收到的光功率與通訊距離的平方成反比（P ∝ 1/d²）。這意味著，只要將衛星之間的距離急劇縮短，就可以顯著提高接收功率，從而滿足 DWDM 收發器的工作條件，即“閉合鏈路預算”。通過將衛星編隊距離縮短至幾公里甚至更近，就能克服這一功率挑戰進一步擴展：空間復用（Spatial Multiplexing）當通訊距離變得非常短時（例如，對於一個 10 釐米的望遠鏡，距離在 10 公里以內），光束的發散角很小，光斑尺寸也相應變小。這為空間復用帶來了新的機遇研究團隊可以在一個總孔徑內整合多個獨立的光學收發系統陣列。例如，在一個 10 釐米的總孔徑中，可以整合一個 2x2 的 5 釐米光學系統陣列（適用於 2.5 公里距離），或一個 4x4 的 2.5 釐米光學系統陣列（適用於 0.63 公里距離）。每個子系統都承載一個獨立的 DWDM 資料流，從而使總頻寬成倍增加。這種擴展方式類似於 Google 在地面上使用的 Palomar 光學電路交換機初步驗證為了驗證這一概念，Google團隊已經搭建了一個實驗室規模的演示系統。該系統使用現成的商用元件，在一小段自由空間路徑上成功實現了單向 800G，雙向總計 1.6 Tb的傳輸速率，有力地證明了該技術路線的潛力挑戰二：駕馭大規模緊密衛星編隊的軌道動力學為了實現超高頻寬的星間通訊，Suncatcher 的衛星星座需要以前所未有的緊密隊形飛行。Google研究團隊通過數值和解析物理模型，深入分析了這種星座的軌道動力學特性。建模與模擬團隊以一個由 81 顆衛星組成的平面星座作為示例進行分析。該星座的平均軌道高度為 650 公里，整個叢集的半徑 R 為 1 公里。在這種配置下，相鄰衛星之間的距離會在 100 米到 200 米之間周期性地振盪建模的起點是經典的 Hill-Clohessy-Wiltshire (HCW) 方程，它描述了在理想開普勒軌道下，一顆衛星相對於另一顆衛星的相對運動。隨後，團隊使用了一個基於 JAX（一種可微分程式設計框架）的模型進行數值最佳化，該模型能夠計入更複雜的擾動因素在 650 公里的軌道高度，影響衛星軌道最主要的非開普勒效應是地球引力場的非球形性（特別是由於地球扁率引起的 J2 項擾動）以及潛在的大氣阻力“自由落體”星座的動態演化模擬結果顯示，這個星座並非一個剛性結構，而是在引力作用下持續演化的“自由落體”叢集。在沒有推力干預的情況下，整個星座的形狀會在一個軌道周期內完成兩次完整的變形循環，其邊界始終被一個旋轉的橢球所包裹有趣的是，這種動態演化在很大程度上是穩定且可預測的。即使考慮了地球扁率（J2 項）的影響，這種可預測的漂移也可以通過對星座初始形狀進行微小的調整來補償。例如，將橢球的軸長比微調至 2:1.0037，就可以將 J2 項引起的漂移降低到每年每公里僅 3 米/秒的水平結論：低成本的軌道維持這些模型分析表明，維持這樣一個緊密編隊可能只需要適度的軌道維持機動，其燃料消耗可能不會顯著超過維持單顆衛星精確軌道所需。這意味著，控制這樣一個龐大而緊密的星座在技術上是可行的，且營運成本可控挑戰三：商用 TPU 在太空輻射環境下的生存能力將為地面資料中心設計的尖端商用晶片直接用於太空，最大的疑問在於它們能否承受太空中的輻射環境。Project Suncatcher 團隊對 Google 的 Trillium v6e Cloud TPU進行了首次公開的輻射測試測試環境：團隊使用67MeV（兆電子伏）的質子束來模擬太陽同步近地軌道上的輻射環境。在這個軌道上，主要的輻射源是穿透性強的質子和銀河宇宙射線測試模擬了帶有 10 毫米鋁等效遮蔽下的情況，預計 5 年任務期內的總輻射劑量約為 750 rad(Si)。輻射效應與測試結果：1.總電離劑量（Total Ionizing Dose, TID）：這是輻射粒子在晶片絕緣層中累積電荷造成的長期退化效應測試發現，TPU 中最敏感的部件是HBM子系統HBM 在累積劑量達到 2 krad(Si)時才開始出現異常，這幾乎是 5 年任務預期劑量的 3 倍在高達 15 krad(Si) 的測試劑量下，晶片沒有出現因 TID 導致的永久性硬故障。結論是，Trillium TPU 對於太空應用而言具有“驚人的輻射耐受性”。2.單粒子效應：這是單個高能粒子撞擊晶片，瞬間引起的邏輯錯誤或資料翻轉HBM 同樣是 SEE 最敏感的部分，主要表現為不可糾正的 ECC（錯誤糾正碼）錯誤（UECCs）對於典型的推理任務，觀測到的 HBM UECC 發生率約為每 50 rad 一次，換算下來，錯誤機率極低，大約為每一千萬次推理髮生一次。這個錯誤率對於推理應用是完全可以接受的然而，SEE 對模型訓練任務的影響，以及系統級緩解措施的有效性，還需要進一步研究測試還發現，宿主系統的 CPU 和 RAM 分別在每 450 rad(Si) 和 400 rad(Si) 時會發生一次由 SEE 引起的系統崩潰這些積極的測試結果表明，使用商用現成品（Commercial-Off-The-Shelf, COTS）的 ML 加速器在太空中是可行的，這為項目的經濟性奠定了重要基礎。挑戰四：太空 AI 的經濟可行性與發射成本分析歷史上，高昂的發射成本是所有大規模太空項目的最大障礙。Project Suncatcher 的可行性在很大程度上取決於未來發射成本能否顯著降低。關鍵成本目標：研究團隊將太空資料中心的“發射功率價格”，即每發射一單位功率（kW）到軌道並分攤到年（$/kW/y）的成本，與地面資料中心的年均電力成本進行比較目前美國地面資料中心的年電力成本大約在570 至 3,000 美元/kW/y之間發射成本的下降趨勢：分析 SpaceX 從獵鷹 1 號到重型獵鷹的歷史發射價格和載荷資料，揭示了一個大約 20% 的學習率，即累計發射質量每翻一番，每公斤發射價格就下降約 20%。如果這一學習率得以維持（這將需要每年約 180 次 Starship 等級的發射），那麼到2030 年代中期，將有效載荷送入近地軌道的成本有望降至每公斤 200 美元以下另一種基於 Starship 公開規格和復用目標的分析甚至更為樂觀，預測成本可能低至每公斤 60 美元（10 次復用）甚至 15 美元（100 次復用）成本對比結論：以 Starlink v2 mini 衛星為例，如果發射成本降至 200 美元/公斤，其“發射功率價格”將約為 810 美元/kW/y這個數字已經進入了地面資料中心電力成本的範圍，表明從經濟角度看，太空資料中心的營運成本（以發射成本為主要代表）可以與地面相當。即使發射成本的下降速度不及預期，例如降至 300 美元/公斤，相應的發射功率價格約為 1,200 美元/kW/y，仍然在可比範圍內因此，隨著可重複使用運載火箭技術的成熟和規模化，發射成本將不再是不可踰越的障礙未來的方向與下一步計畫Project Suncatcher 的初步分析結果還不錯，證明了太空 AI 計算的核心概念並未被基礎物理學或無法克服的經濟障礙所否定。然而，要將這一願景變為現實，仍有大量的工程挑戰需要解決，例如高效的真空熱管理、高頻寬的星地通訊、以及在軌系統的長期可靠性與維護等。為了應對這些挑戰，團隊規劃了清晰的下一步：學習與驗證任務：團隊已與Planet公司合作，計畫在2027 年初發射兩顆原型衛星。這次在軌實驗將是關鍵的里程碑，旨在：在真實的太空環境中測試和驗證軌道動力學模型。檢驗 TPU 硬體在太空中的實際運行表現。驗證使用星間光鏈路執行分佈式機器學習任務的可行性未來的整合化設計：未來，當星座規模達到吉瓦等級時，可能需要採用更激進的衛星設計理念團隊借鑑了智慧型手機行業從分立元件走向高度整合的片上系統的發展路徑，設想未來的計算衛星也可能採用一種高度一體化的設計，將太陽能收集、計算單元和熱管理系統緊密地結合在一起，從而實現質量和效率的最佳化 (AI寒武紀)

第四屆琶洲演算法大賽中，一道特殊的題目格外引人注目：選手參賽提交的演算法，被送上太空，完成整個推理過程。它不是全場最引人注目的議題，卻很有可能成為今年AI產業商業化過程中最具標誌性的一個瞬間。這場被稱為「慧行·AI上星」的實驗，背後是國星宇航與佳都科技的聯手推動。9月22日，廣州海珠，琶洲演算法大賽總決賽如火如荼地舉行。來自30多個國家的8000多個隊伍展開了激烈的競爭。在本次大賽的賽場外，和進作為評委，在“台上三分鐘”的演示中，深刻體會到了“台下十年功”飽含著技術人員們的艱辛，面對媒體時激動的淚水奪眶而出，登上了熱搜，讓無數圈外人也為中國的這些勇於突破上限的科研人員不斷突破上限。回到賽場中，有一道題目顯得格外特殊——選手提交的演算法，將不在地面上運行，而是被送上太空，完成整個推理過程。它不是全場最引人注目的議題，卻很有可能成為今年AI產業商業化過程中最具標誌性的一個瞬間。這場被稱為「慧行·AI上星」的實驗，背後是國星宇航與佳都科技的聯手推動。一個是全球最早戰略佈局太空AI、服務AI產業的商業航太公司，另一個是多年深耕城市交通的人工智慧企業。兩位原本在不同賽道上奔跑的參與者，因「太空算力」在此交會。強強聯手的背後，標誌著國星太空已成為全球首家提供常態化星座級太空算力商業服務的公司。演算法上天，商業落地與佳都科技的聯手意味著交通行業模型演算法已在衛星上實質性運行。由星上完成推理與處理，僅回傳結構化結果，太空計算在交通領域的商業場景正式落地。在本屆琶洲演算法大賽中，佳都科技與國星宇航以「星上路網分析」為實戰命題，完整打通端對端鏈路，分析結果可服務於智慧城市中的交通最佳化治理領域。而這，只是商業化的起點。根據多方公開資訊顯示，國星太空的星基解決方案已面向人工智慧、交通、應急安全、低空經濟、遊戲文旅等多行業推進應用與產品化。更多在軌場景正陸續落地擴容。而這次與佳都科技的合作更像是個里程碑：它驗證了以太空算力為底座承載產業應用的可行性。從交通產業出發，國星太空將在更多、更廣領域實現商業落地。為什麼要把演算法送上天在AI大模型與萬物互聯平行發展的今天，「把海量資料全部傳回中心再統一計算」的思維正面臨挑戰。隨著感測器數量暴漲、資料體量呈指數上升，中心到邊緣鏈路在時延、頻寬、能耗與安全上都日益吃緊。讓演算法貼近資料來源頭，在本地完成篩選、融合與推理，僅把高價值的「資訊摘要」回傳，從而能更好地實現低時延響應、顯著節省頻寬與能耗、提升韌性（斷聯/災害場景可持續運行），並降低敏感資料外洩風險。尤其在跨長距離、弱鏈路或傳輸成本高昂的任務中，這種邊緣計算不只是最佳化選項，而是唯一工程可行解。衛星遙感監測，其實是邊緣計算的典型使用場景之一。將模型部署在衛星上，實現端側計算，能有效降低時延。即便地面上的資料中心算力再強大，從太空中傳輸資料也是需要一定時間的。如果不是將模型部署在衛星上，衛星就需要將遙感影像資料完整傳回地面的資料中心，然後再進行計算。我們在看網路直播時，都常會遇到卡頓的現象。而對於持續的遙感圖像，相當於超高解析度的視訊，高精度才能在遙遠的太空看清廣袤的地球上任意一點的小轎車。這對傳輸頻寬和傳輸質量都提出了很高的要求。除此之外，傳輸過程中還可能受到訊號干擾甚至被其他人擷取甚至被竄改，資訊糾錯與資訊安全也會有很大的問題。所以，這並不是一個好的解決方案。而邊緣計算就很好地解決了這個問題：將模型直接部署到衛星上，計算完畢後需要傳回的資料的體積就會很小。因為，我們最關心的並不是圖像本身，而是圖像中蘊含的如運動資訊等影響決策的關鍵資訊。對於智慧交通與城市治理而言，我們最關心的是車流量分佈情況，將該資料用於智慧交通決策，而不是欣賞每輛車的外觀。簡而言之，透過邊緣計算，我們可以把有限且寶貴的頻寬，留給真正有用的高資訊密度的資料。當地面遭受毀滅性災害導致資料中心當機乃至不存在時，部署在太空的算力也能保持可用，這也具有很大的戰略意義。從表面來看，本次競賽只是完成一次遙感圖像分割任務；更深一層的意義在於，太空成為AI算力的一部分，開始融入日常業務。這一變化，讓原本受限於地面頻寬、傳輸延遲和能源調度的系統，多了一個高效可控的新選項。對於佳都科技而言，這是實際場景中的一次演練。其旗下的「佳知慧行」平台，已在多個城市推進智慧交通與城市治理項目。先前演算法主要依賴地面算力，如今太空端加入計算流程後，整體作業效率出現顯著提升。算力在那裡邊界就在那裡擴張理解「把算力送上太空」的價值，不妨先看美國正在推進的地面超算工程－ 「星際之門」（ Stargate）。2025年1月21日，OpenAI與軟銀、甲骨文等在白宮同台宣佈成立Stargate，計畫四年投資5000億美元，在美國建設以AI訓練與推理的資料中心/超算叢集。這正是典型的地面算力基礎設施：其旗艦園區落地德州阿比林，地塊約875英畝。這類地面算力基礎設施項目，往往需要大面積的土地以及能源消耗，投資規模驚人。與此相對，國星太空的「星算計畫」選擇把算力直接部署到軌道上——這是一套面向在軌處理與協同推理的太空算力基礎設施，可繞開星地鏈路瓶頸、降低時延和頻寬成本、並在極端情況下提供更強韌性。國星宇航發起的「星算計畫」並非實驗性質。2025年5月，其首發星座成功入軌，包括12顆具備AI推理能力的衛星，單星算力最高可達744 TOPS，整體組網後具備5 POPS的太空處理能力。多顆衛星透過協同（如資料分佈式處理、算力調度），可形成遠超單星的整體計算能力，並支撐更複雜的太空任務（如大範圍即時通訊覆蓋、全球遙感資料快速處理、太空環境監測等）。這並不是一組用於科學研究驗證的衛星，而是面向商業客戶提供服務的在軌系統。目前，該計畫已進入常態化營運階段。佳都科技作為首個付費使用者，在本次合作中提交的模型已真正「上線運行」。從現場回饋來看，演算法運作穩定，響應時延控制在3分鐘以內，識別出精度達到交通治理場景所需的程度。佳都科技方面也表示，團隊已著手研發更多面向星上部署的視覺演算法，將逐步拓展至城市規劃、應急管理等方向。一次低調但清晰的分水嶺整個項目看似只是一場挑戰賽中的一個環節，卻釋放出多個訊號。太空計算正在脫離「未來技術」的標籤，成為現實可用的業務支撐手段。AI企業開始將自己的核心演算法向軌道空間遷移，拓寬原本在地面受限的邊界。衛星從「感測器」向「處理器」過渡，角色發生變化，對上下游產業鏈提出了全新要求。先前有關太空邊緣計算的討論，大多圍繞概念、技術驗證或演示。這次的不同之處在於：合作雙方都有明確的業務落點、真實的資料需求與付費意願。或許我們很難在此講清這場變革的全部細節，但已經足以確認，它已經發生。 （新智元）

3月以來金融市場震盪大，但特定科技主題仍吸引投資人關注，據集保股權分散表資料顯示，3月以來海外科技型ETF投資人多數呈現流失，但在三大類投資主題，逆勢出現投資人數增加，包括太空衛星、AI及綠能相關等標的，也反應出今年投資市場的熱門投資話題性。 第一金太空衛星ETF經理人牟宗堯表示，隨著民間企業投入太空產業的技術與資金，具備越來越強大的根基，歐美日都有越來越多的創投企業、新創公司投入太空生態系產業鏈，過去由政府主導的太空產業發展，現在民間企業牽動的力量更加龐大，也為太空產業帶來更加值得留意的投資機會。可預期未來五年到十年將是星際產業持續快速發展的階段，投資人不妨採定期定額方式參與太空衛星長期趨勢與持續成長動能。 富蘭克林華美AI新科技基金經理人楊金峰指出，科技巨頭相互角力生成式AI戰場，無論未來是誰能拔得頭籌，都已經確立了AI人工智慧不再只是話題，而是正在「潛移默化」改變著我們的生活與工作甚至是半導體產業鏈。繪圖晶片大廠NVIDIA已開發出一種新工具「cuLitho」，可協助減輕晶片設計時遭遇的重大瓶頸，獲台積電採用，未來新思科技、艾司摩爾也將使用這套工具到自家產品上，強強聯手更加速晶圓製程。 台新ESG環保愛地球成長基金經理人蘇聖峰認為，看好領域包含電動車方面，包含電池、自駕與零組件皆有表現機會；替代能源方面，節能、儲能仍為各產業增加營運效率的必要條件；永續農場部分，農機需求穩健，食品研發及智慧科學等題材亦從底部復甦，長線成長性看好。