太空计算（太空算力 / Space Computing / On-orbit Computing）：把计算、存储、AI 推理/训练、调度能力部署到卫星、空间站、月球/深空中继节点等空间平台上，让数据“在天上处理”，再只把有价值的结果传回地面。它不是简单把 IDC 搬进轨道，而是构建“天基边缘 + 星座协同 + 天地一体”的新型信息基础设施。
一、为什么会出现太空计算
传统卫星模式是：感知 → 下传地面 → 地面处理 → 回传指令，问题是：
遥感/雷达/红外/信号情报数据量爆炸，星地链路带宽不够
灾害、舰船、导弹发射、森林火点等场景要求“秒级响应”
地面数据中心受土地、电力、散热、时延、地理覆盖限制
低轨星座 + 激光星间链路 + 可回收火箭让“在轨算力”有了工程基础
所以范式变成：星上感知 → 星上计算 → 星间协同 → 按需下传 → 地面深度训练/归档。
二、核心层级
单星边缘智能：星载 CPU/GPU/NPU 做图像筛选、目标检测、数据压缩、异常检测。
例：ESA Φ-sat、HPE Spaceborne Computer、Jetson Orin 级载荷。
计算星座 / 分布式协同：多星通过激光星间链路组网，做任务切分、模型分发、分布式推理、资源调度。
例：国星宇航/三体计算星座、Starcloud、Starlink-V3 化算力星、Starmind 等。
天地一体化算力网：地面云做大模型训练、冷数据存储、复杂仿真；太空节点做实时推理、边缘过滤、全球低时延接入。
架构类似“地面智算中心 + 天基边缘云 + 终端”。
远期轨道数据中心：MW/GW 级太阳能 + 辐射散热 + 可更换计算载荷，做部分 AI 推理甚至训练，但短期不是主流。
三、关键技术栈
星载硬件：抗辐照 SoC、FPGA、抗辐照 NPU，以及“加固版商用 GPU/TPU”（H100 级已在轨验证）
能耗与热控：千瓦级供电、相变热管、辐射散热、太阳能阵列
星间网络：激光通信、星间路由、时延/中断容忍网络 DTN
在轨软件：太空 OS、容器/微服务、模型热更新、多租户隔离、故障自愈
AI 工作负载：轻量 CNN/Transformer、目标识别、变化检测、信号分类、在轨微调
天地调度：把任务按“时延/带宽/功耗/安全”分配到地面云、近地边缘、深空节点
安全与治理：抗辐射错误、链路加密、轨道频谱规则、空间碎片、别国算力星座的主权问题
四、主要应用场景
遥感应急：火灾、洪涝、舰船、农作物、非法捕捞，秒级出图
国防安全：ISR、空间态势感知、电子侦察、战场边缘智能
通信增强：6G 天地融合、低时延全球接入、广播/物联网汇聚
科学探测：天文、地球系统、深空探测器本地处理
商业 AI 服务：Token 化天基推理、行业模型、资产监测、保险定损
地面灾备：极端地区/海面/极地/战场无地面云时的边缘算力
五、产业格局（2025–2026 视角）
美国：商业资本 + 军工需求驱动。Starcloud 把 H100 送上天；SpaceX/Starmind 走“星链平台 + AI 卫星”；NVIDIA 推太空计算模组；Blue Origin 也入局。
欧洲：应用牵引 + 数字主权。Copernicus 遥感、Φ-sat、ASCEND 评估轨道数据中心碳足迹，偏稳健可持续。
中国：商业航天 + 低轨星座（国网、千帆、鸿鹄）+ 计算星座（三体/星环等）。路径不是盲目堆 GPU，而是“量超融合、星座集群、算力聚合、天地协同”。
市场判断：短期卖点不是“轨道训练 GPT”，而是遥感智能、边缘推理、全球接入、行业数据服务；太空算力即服务（Computing-as-a-Satellite）在成形。
六、核心矛盾与挑战
火箭发射成本虽降，但星上功耗、散热、抗辐照、在轨维护仍是硬约束
商用 GPU 算力强但空间环境脆弱，宇航级芯片稳但落后 3–5 代
星间带宽够不够、链路断不断、时钟同不同步，决定分布式训练/推理质量
商业模式容易陷进“先发一万颗星，但谁付钱？”——价值在应用，不在颗数
轨道资源、频谱、空间碎片、跨境数据主权会变成地缘问题
七、一句话定位
太空计算 = 把 AI 边缘计算放到轨道上，用“先算后传”解决卫星数据洪水和全球覆盖问题；中长期形态是地面训练 + 天基推理 + 星座协同 + 6G 天地一体，而不是把整个 Azure/AWS 搬去太空。
