颠覆算力格局!全球首个星座级太空AI算力服务,在中国诞生

颠覆算力格局!全球首个星座级太空AI算力服务,在中国诞生

文章图片

颠覆算力格局!全球首个星座级太空AI算力服务,在中国诞生

文章图片

颠覆算力格局!全球首个星座级太空AI算力服务,在中国诞生

文章图片

颠覆算力格局!全球首个星座级太空AI算力服务,在中国诞生
【颠覆算力格局!全球首个星座级太空AI算力服务,在中国诞生】编辑:艾伦 犀牛
【新智元导读】第四届琶洲算法大赛中 , 一道特殊的题目格外引人注目:选手参赛提交的算法 , 被送上太空 , 完成整个推理过程 。 它不是全场最吸睛的议题 , 却很有可能成为今年AI产业商业化过程中最具标志性的一个瞬间 。 这场被称为「慧行·AI上星」的实验 , 背后是国星宇航与佳都科技的联手推动 。
9月22日 , 广州海珠 , 琶洲算法大赛总决赛正如火如荼地举行 。
来自30多个国家的8000多个队伍展开了激烈的角逐 。
在本次大赛的赛场外 , 和进作为评委 , 在「台上三分钟」的演示中 , 深刻体会到了「台下十年功」饱含着技术人员们的艰辛 , 面对媒体时激动的泪水夺眶而出 , 登上了热搜 , 让无数圈外人也为中国的这些勇于不断突破上限的科研人员发自内心地感动 。
回到赛场中 , 有一道题目显得格外特殊——选手提交的算法 , 将不在地面上运行 , 而是被送上太空 , 完成整个推理过程 。

它不是全场最吸睛的议题 , 却很有可能成为今年AI产业商业化过程中最具标志性的一个瞬间 。
这场被称为「慧行·AI上星」的实验 , 背后是国星宇航与佳都科技的联手推动 。
一个是全球最早战略布局太空AI、服务AI产业的商业航天公司 , 另一个是多年深耕城市交通的人工智能企业 。
两个原本在不同赛道上奔跑的参与者 , 因「太空算力」在此交汇 。
强强联手的背后 , 标志着国星宇航已成为全球首个提供常态化星座级太空算力商业服务的公司 。

算法上天 , 商业落地
与佳都科技的联手意味着交通行业模型算法已在卫星上实质性运行 。
由星上完成推理与处理 , 仅回传结构化结果 , 太空计算在交通领域的商业场景正式落地 。
在本届琶洲算法大赛中 , 佳都科技与国星宇航以「星上路网分析」为实战命题 , 完整打通端到端链路 , 分析结果可服务于智慧城市中的交通优化治理领域 。

而这 , 只是商业化的起点 。
根据多方公开信息显示 , 国星宇航的星基解决方案已面向人工智能、交通、应急安全、低空经济、游戏文旅等多行业推进应用与产品化 。
更多在轨场景正陆续落地与扩容 。
而这次与佳都科技的合作则更像是一座里程碑:它验证了以太空算力为底座承载行业应用的可行性 。
从交通行业出发 , 国星宇航将在更多、更广领域实现商业落地 。

为什么要把算法送上天
在AI大模型与万物互联并行发展的今天 , 「把海量数据全部传回中心再统一计算」的思路正在面临挑战 。
随着传感器数量暴涨、数据体量呈指数上升 , 中心到边缘链路在时延、带宽、能耗与安全上都日益吃紧 。
让算法贴近数据源头 , 在本地完成筛选、融合与推理 , 仅把高价值的「信息摘要」回传 , 从而能更好地实现低时延响应、显著节省带宽与能耗、提升韧性(断联/灾害场景可持续运行) , 并降低敏感数据外泄风险 。
尤其在跨长距离、弱链路或传输成本高昂的任务中 , 这种边缘计算不只是优化选项 , 而是唯一工程可行解 。
卫星遥感监测 , 其实是边缘计算的典型使用场景之一 。
将模型部署在卫星上 , 实现端侧计算 , 能有效降低时延 。
即便地面上的数据中心算力再强大 , 从太空中传输数据也是需要一定时间的 。
如果不是将模型部署在卫星上 , 卫星就需要将遥感图像数据完整传回到地面的数据中心 , 再进行计算 。
我们在看网络直播时 , 都经常会遇到卡顿的现象 。
而对于持续的遥感图像 , 相当于超高分辨率的视频 , 高精度才能在遥远的太空看清广袤的地球上任意一点的小轿车 。
这对传输带宽和传输质量都提出了很高的要求 。
除此之外 , 传输过程中还可能受到信号干扰甚至被其他人截取乃至篡改 , 信息纠错与信息安全也会有很大的问题 。
所以 , 这并不是一个好的解决方案 。
而边缘计算就很好地解决了这个问题:将模型直接部署到卫星上 , 计算完毕后需要传回的数据的体积就会很小 。
因为 , 我们最关心的并不是图像本身 , 而是图像中蕴含的如运动信息等影响决策的关键信息 。
对于智能交通与城市治理而言 , 我们最关心的是车流量分布情况 , 将该数据用于智能交通决策 , 而不是欣赏每辆车的外观 。
简言之 , 通过边缘计算 , 我们可以把有限而宝贵的带宽 , 留给真正有用的高信息密度的数据 。
在地面遭受毁灭性灾害导致数据中心宕机乃至不存在时 , 部署在太空的算力也能保持可用 , 这也具有很大的战略意义 。
从表面看 , 本次竞赛只是完成一次遥感图像分割任务;
更深一层的意义在于 , 太空成为AI算力的一部分 , 开始融入日常业务 。
这一变化 , 让原本受限于地面带宽、传输延迟和能源调度的系统 , 多了一个高效可控的新选项 。
对于佳都科技而言 , 这是实际场景中的一次演练 。
其旗下的「佳知慧行」平台 , 已在多个城市推进智能交通与城市治理项目 。
此前算法主要依赖地面算力 , 如今太空端加入计算流程后 , 整体作业效率出现显著提升 。

算力在哪里
边界就在哪里扩张
理解「把算力送上太空」的价值 , 不妨先看美国正在推进的地面超算工程——「星际之门」(Stargate) 。
2025年1月21日 , OpenAI与软银、甲骨文等在白宫同台宣布成立Stargate , 计划四年投资5000亿美元 , 在美国建设面向AI训练与推理的数据中心/超算集群 。
这正是典型的地面算力基础设施:其旗舰园区落地德州阿比林 , 地块约875英亩 。

这类地面算力基础设施项目 , 往往需要大面积的土地以及能源消耗 , 投资规模惊人 。
与此相对 , 国星宇航的「星算计划」选择把算力直接部署到轨道上——这是一套面向在轨处理与协同推理的太空算力基础设施 , 可绕开星地链路瓶颈、降低时延和带宽成本、并在极端情况下提供更强韧性 。
国星宇航发起的「星算计划」并非实验性质 。
2025年5月 , 其首发星座成功入轨 , 包括12颗具备AI推理能力的卫星 , 单星算力最高可达744 TOPS , 整体组网后具备5 POPS的太空处理能力 。
多颗卫星通过协同(如数据分布式处理、算力调度) , 可形成远超单星的整体计算能力 , 支撑更复杂的太空任务(比如大范围实时通信覆盖、全球遥感数据快速处理、太空环境监测等) 。
这并不是一组用于科研验证的卫星 , 而是面向商业客户提供服务的在轨系统 。
目前 , 该计划已进入常态化运营阶段 。
佳都科技作为首个付费用户 , 在本次合作中提交的模型已真正「上线运行」 。
从现场反馈来看 , 算法运行稳定 , 响应时延控制在3分钟以内 , 识别精度达到交通治理场景所需的水准 。
佳都科技方面也表示 , 团队已着手研发更多面向星上部署的视觉算法 , 将逐步拓展至城市规划、应急管理等方向 。

一次低调但清晰的分水岭
整个项目看似只是一场挑战赛中的一个环节 , 却释放出多个信号 。
太空计算正在脱离「未来技术」的标签 , 成为现实可用的业务支撑手段 。
AI企业开始将自己的核心算法向轨道空间迁移 , 拓宽原本在地面受限的边界 。
卫星从「传感器」向「处理器」过渡 , 角色发生变化 , 对上下游产业链提出了全新要求 。
此前有关太空边缘计算的讨论 , 大多围绕概念、技术验证或演示 。
这一次的不同之处在于:合作双方都有明确的业务落点、真实的数据需求与付费意愿 。
或许我们很难在此讲清这场变革的全部细节 , 但已经足以确认 , 它已经发生 。

    推荐阅读