把大模型塞进卫星里：是商业航天真风口，还是又一个资本故事？

近期，商业航天与人工智能投资领域正热议一个颇具吸引力的设想：

地面AI数据中心正面临电力供应紧张，而太空拥有源源不断的24小时太阳能，加之零下270摄氏度的天然低温环境，将服务器部署至太空，可大幅节省电力和冷却成本。

受此概念推动，国内外算力卫星纷纷升空，从“琶洲太空智算星组”到国星宇航的“星算”计划，再到SpaceX与Starcloud的轨道算力中心，“利用太空能源、实现天基计算”已成为投资界的新共识。

然而，一线卫星设计师与热控工程师指出，关于电力的判断正确，但关于散热的认知存在根本性错误。

在全球商业航天领域争相将GPU送入太空之际，有必要审视太空算力的物理限制、中美不同的商业路径，以及敏感AI芯片如何在太空环境中生存。

01

晨昏轨道的优势与“太空自然散热”的误解

将高功耗AI芯片送入太空，需解决供电与散热问题，这构成了商业航天领域的关键分歧。

近期完成首次组网的国星宇航“星算”02组卫星，其轨道参数值得关注：它们运行于晨昏太阳同步轨道（Dawn-Dusk SSO）。

普通低轨卫星每90分钟绕地球一圈，约三分之一时间处于地球阴影区。进入阴影后，太阳能帆板停止供电，卫星需依赖沉重的锂电池，难以支持高功耗算力卡。

晨昏轨道沿地球昼夜分界线飞行，卫星的太阳能帆板几乎全年全天候面向太阳。在大气层外，太阳常数达1361瓦/平方米，无云层衰减，发电效率远高于地面。占据晨昏轨道，为卫星提供了近乎无限的免费电力。

但电力问题解决后，散热如何实现？

有人常以太空背景温度接近零下270摄氏度为例，认为太空是天然冷却环境。这实则基于基础物理错误。太空并非冰箱，而是一个巨大的真空保温容器。

地面数据中心利用风扇（热对流）或冷水管道（热传导）快速散热。但在高真空的太空，无空气介质，热对流与热传导均无效。卫星仅能依靠热辐射散热。

根据斯蒂芬-玻尔兹曼定律，物体辐射散热功率与绝对温度的四次方成正比。在芯片正常工作温度上限（60℃至80℃）下，太空辐射散热板效率较低，每平方米背阴散热面仅能排出几百瓦热量。

假设地面机房一台配备8张H100 GPU的标准AI服务器，满载功耗约10千瓦。

若将其原样送入太空，即便不考虑太阳直射与地球红外反照的外部热流，仅排出这10千瓦废热，就需在卫星外展开数十平方米的巨型辐射散热翼，并配备复杂的两相流体回路与相变热管。

英伟达CEO黄仁勋评价太空数据中心时指出，冷却是最主要的工程瓶颈。庞大的散热结构将导致卫星重量、体积与姿态控制成本急剧增加。目前在轨的算力卫星，单星算力功耗多停留在几百瓦至一两千瓦，远低于地面机房半个机柜的功率。

在散热问题彻底解决前，“太空大型数据中心”仍处于概念阶段。

02

90%的卫星处于闲置状态，中美路径截然不同

既然太空散热成本高昂，为何中美商业航天企业仍争相将算力送入太空？

许多人将马斯克的“轨道数据中心”与中国企业的“天数天算”相混淆，实际上，太平洋两岸的经济考量截然不同。

美国的路径是**“利用太空电力”**，本质是能源套利。

北美地面电网扩容速度已无法跟上AI数据中心的能源需求。

SpaceX与xAI合并后，向美国联邦通信委员会（FCC）提交了多达100万颗轨道数据中心卫星的申请，并在得克萨斯州启动Gigasat工厂建设。

YC孵化的太空算力企业Starcloud更为激进，不仅将首颗英伟达H100芯片送入太空进行模型训练，还向SpaceX采购了50多个星链Mini激光通信终端。

其策略是，地面难以获得变压器与电网配额，因此将算力集群部署至晨昏轨道，利用全天候太阳能，提供纯粹的“太空云算力租赁”服务。

而中国商业航天此次的算力升空，侧重于“天基边缘计算”，旨在解决遥感卫星星地带宽的瓶颈。

中国科学院院士、清华大学教授陆建华此前指出，中国90%的遥感卫星在太空中处于闲置状态。

北京邮电大学计算机学院院长、天算星座首席科学家王尚广提供的数据更为严峻，一颗满负荷运行的遥感卫星，最终成功传回地面的有效数据不足10%。

过去十年，中国发射了大量遥感卫星，但多数仍停留在“挂在天上的数码相机”阶段。传统流程为“天上拍照、过境下传、地面拼图分析”，存在两个关键问题：

首先，废片率极高。地球表面常年超50%面积被云层覆盖，光学卫星拍摄的大量原始图像中，一半以上是无价值的白云。

但传统卫星缺乏处理能力，无法区分云层与目标，只能将数百GB的废片存储在星上硬盘，待飞经地面站时，利用短暂的窗口期，通过昂贵的星地射频带宽传输。

其次，时效性丧失。森林防火、洪涝决口、海上溢油等场景中，延迟一小时，损失差异巨大。

卫星拍摄后，需绕地球半圈找到地面站下传，再经地面数据中心处理，最终送达指挥员，时间常以“天”计，黄金救援窗口已关闭。

中国的“天数天算”旨在将数据清洗前置到太空。

卫星拍摄1TB原始遥感图后，星载大模型即时剔除云层遮挡的废片，识别出山火坐标或船只轨迹，最终仅将1KB的“结果指令”通过窄带传回地面。从“传输原始数据”变为“直接输出答案”，数据量压缩上亿倍，响应时间从天级缩短至秒级。

03

国内的两条分化路径：造脑与组网

受限于单颗卫星的散热与体积，太空无法容纳过大算力。面对这一物理限制，国内领先的两类玩家提供了两种不同的工程解决方案。

第一条路径以**“琶洲太空智算星组”**为代表的算法派，核心是“造脑”。

这组卫星的推动者是清华毕业、加州理工博士王凯创立的宇算星河。

该公司原专注于AI算法与智慧交通，其切入点是，在单星算力有限的情况下，不追求硬件堆砌，而是开发软硬一体的“天基世界模型”。通过极致的模型量化与剪枝，将多模态大模型嵌入功耗受限的星载芯片。

商业模式上，他们跳过传统的“卖卫星”或“卖原始遥感底片”，直接向应急管理、农业估产、金融保险客户销售在轨处理后的行业分析报告。卫星尚未升空，已有地面行业客户预付算力套餐费。

第二条路径以国星宇航为代表的基建派，核心是“组网”。

单颗卫星的散热与功率无法支撑千亿参数大模型，因此利用星间激光通信整合算力碎片。

国星宇航联合国内百余所高校与科研院所建设的“星算”计划，规划了2800颗算力卫星，其中2400颗用于推理，400颗用于训练。通过高带宽星间激光链路，将孤立卫星连接成天基局域网。

一颗卫星拍摄数据后，若自身算力卡繁忙，可通过激光链路将任务分配给空闲卫星协同计算。

这两条路径无优劣之分，前者更接近现金流，后者则押注未来天基分布式算力网的基础设施门票。

04

商业GPU如何应对太空粒子冲击

即便解决了供电、散热与星间组网，太空算力仍面临一个工程难题：芯片寿命。

传统航天领域，上天芯片必须为**“宇航级（Rad-Hard）”**。这类芯片采用SOI绝缘体上硅等特殊抗辐照工艺，能抵御太空高能质子与重离子冲击。

但代价是成本高昂且制程落后。当前主流宇航级芯片的算力，大致相当于十多年前智能手机水平，无法运行基础Transformer视觉模型。

要在太空运行AI，必须使用工业级甚至商业级GPU和NPU，如英伟达Jetson系列或国产大算力AI芯片。但这些先进制程芯片一旦脱离地球磁场保护，在太空中易遭受单粒子效应（SEE）：

高能粒子击中晶体管后，轻则引发单粒子翻转（SEU），将内存中的0变为1，导致大模型推理权重错乱、输出异常或系统死机；重则触发单粒子锁定（SEL），在芯片内部形成大电流短路，数秒内烧毁算力板。

如何让娇贵的商业级大算力芯片在太空存活？

国内另一家专注于天基计算的企业中科天算，近期公开了一项具有代表性的底层专利——“基于双域架构的国产大算力载荷计算平台”。这套架构提供了一种实用解决方案。

工程师在同一计算载荷上划分出两个物理域：高性能域采用廉价、高算力的国产商业级AI芯片，负责处理复杂的神经网络推理；高可靠域则采用高安全等级的抗辐照宇航级小芯片，不承担繁重任务，仅充当“监工”与“看门狗”。

一旦高能粒子冲击导致商业AI芯片发生单粒子翻转或电流异常，高可靠域的宇航级芯片会在毫秒级内检测到，立即切断故障芯片电源防止烧毁，随后重新加载干净系统镜像并恢复计算任务。

通过这种“高低搭配”的架构创新，商业芯片在轨运行的可用度被提升至工程及格线以上。

从国内算力卫星密集入轨组网，到SpaceX与Starcloud在北美押注轨道数据中心，商业航天的一个关键产业转折点已显现。

随着液氧甲烷可复用火箭逐步降低发射成本，卫星的制造逻辑正在发生根本性变化。

过去，火箭运力昂贵，卫星必须极致减重与保守，即使使用落后芯片也要确保万无一失；

如今，发射成本下降与星间激光通信成熟，商业航天终于有能力将工业级大算力芯片、相变散热回路和大模型送入晨昏轨道。

但对于投资者与行业客户而言，祛魅过程才刚刚开始。太空数据中心在可预见的未来，无法在通用算力成本上与地面火电、水电集群竞争。其真正价值场景，仍局限于“天基数据，天基处理”。

在这场算力升空的暗战中，决定一家公司成败的关键是，当卫星飞越森林山火、远洋航线和农田时，传回地面的那1KB数据，能为地面客户挽回多少损失。

本文来自微信公众号“星动无极”，作者：Julian，36氪经授权发布。