北京发布太空算力云，把推理放到近地轨道

北京发布了太空算力云平台，把 40 多颗卫星上的 CPU、GPU、NPU 统一池化调度，用激光通信连接，配抗辐照 AI 芯片支撑天地一体推理。

这个项目的目标不是替代地面数据中心，而是把边缘推理延伸到近地轨道，解决地面网络覆盖不到的场景。

所以太空算力的现实定位是补充地面网络覆盖不到的角落，而不是与数据中心竞争通用算力。

动机来自遥感数据的处理方式。

卫星拍下的图像如果全部回传地面，带宽成本高、延迟大，很多数据在排队中被浪费。

如果在星上先做初筛与识别，只回传有价值的片段，带宽能省一个数量级。

这对灾害监测、船舶识别、火点预警这类时效敏感的应用很关键。

散热是硬约束，真空环境只能靠辐射散热，单位面积的排热能力有限，算力密度被限制在每瓦对应固定面积。

工程约束比地面严苛得多。

太空没有对流散热，热量只能靠辐射排出去，功率密度被死死限制；太阳能供电有限，算力越强越耗电；宇宙射线会导致单粒子翻转，芯片要做抗辐照加固或冗余设计；激光通信受云层与对准精度影响，链路稳定性远不如光纤。

抗辐照芯片的算力通常落后地面两三代，这意味着星上只能跑轻量模型，复杂推理仍要回传地面完成。

星座规模越大，单星算力的边际价值越高，这也是这门生意能不能成立的前提条件之一。

池化调度是这套系统的核心创新点。

单颗卫星的算力有限，任务又不均匀，把多颗卫星的算力统一编排，可以让任务落到当时最合适的节点上。

这需要解决星间链路的时延、任务的切分与结果的合并，难度类似地面的跨区域调度，但约束更多、容错空间更小。

商业模式上，这类平台更适合卖给遥感与航运客户，它们对时效敏感、对成本不敏感，愿意为分钟级响应付费。

商业闭环仍需验证。

发射成本、卫星寿命、芯片的更替周期，都是账本上的硬约束。

一颗卫星设计寿命五年，而 AI 芯片两年就换代，在轨升级只能靠软件，硬件跟不上。

这意味着太空算力的能力会被锁定在发射那一刻，无法享受地面的迭代速度。

从网络架构看，星间激光链路把单颗卫星的算力连成一张网，任务可以在星座内部迁移，这比把数据全部回传更省带宽。

它更适合被理解为一种补充而非替代。

地面数据中心负责训练与重负载推理，星上负责初筛与实时响应，两者分工。

当低轨星座的规模继续扩大，星上算力会像今天的边缘节点一样成为基础设施的一部分。

真正的门槛不在把芯片送上天，而在让它在天上稳定运行五年。

对国内的星座运营商来说，星上算力还有一个隐性价值：数据在轨处理之后，回传的只是结果，敏感信息不必离开本地。