太空 AI 基础设施：轨道数据中心与深空计算

太空 AI 基础设施是指部署在地球轨道上的计算、存储和通信资源，专门用于支撑 AI 模型的训练和推理工作负载。它代表了 AI 算力从地面数据中心向太空扩展的历史性转变。

要理解为什么需要把 AI 算力送上太空，必须先理解地面数据中心面临的三大瓶颈：

能源瓶颈：训练和运行大型 AI 模型需要海量电力。全球数据中心用电量预计到 2030 年将占全球总用电量的 4％ 至 8％。地面数据中心的建设越来越受到电网容量和碳排放限制的制约。

冷却瓶颈：高密度 GPU 集群产生的热量需要大量的水和能源来冷却。传统液冷系统每机架的功率密度上限约为 100 千瓦，而新一代 AI 加速器集群正在逼近 200 千瓦 的极限。

土地瓶颈：大型数据中心需要数万平方米的土地。在电力充足、网络发达且政策友好的地区，适合建设数据中心的地块越来越稀缺。

太空提供了一个独特的解决方案：近地轨道上有近乎无限的太阳能、天然的辐射冷却环境（深空温度约 3K）、以及零土地成本。

💡 前置阅读收获：读完本文，你将理解太空 AI 基础设施的完整技术栈、掌握当前主要参与者的项目进展（Orbital、Sophia Space、Kepler 等），并能评估轨道数据中心与地面数据中心的竞争优势和劣势。

太空计算的历史可以追溯到冷战时期的军事卫星，但将 AI 工作负载部署在轨道上的概念是近十年才出现的。

2017-2019 年：边缘计算萌芽
早期卫星开始在星上搭载简单的处理器，用于处理传感器数据的预处理。这些不是「AI 计算」，只是简单的信号处理和压缩。代表项目包括 Planet Labs 的遥感卫星，在星上运行基础的图像质量筛选。

2020-2022 年：AI 推理上星
随着 NVIDIA Jetson 等边缘 AI 处理器的成熟，卫星开始在星上运行轻量级的 AI 推理模型。典型应用：卫星拍摄地球图像后，在星上直接运行目标检测模型（如识别船只、森林火灾、非法采矿），只将结果传回地面，而不是传回海量原始图像。这大幅减少了下行链路带宽需求。

2023-2024 年：概念验证期
多个研究团队开始验证在轨 AI 训练的可行性。Axiom Space 在 2025 年秋季将 Data Center Unit-1 原型部署到国际空间站上，运行了云计算、AI/ML、数据融合和太空网络安全应用。这是首次在 ISS 上运行完整的 AI 工作负载，证明了微重力环境下 AI 计算的可行性。

2025-2026 年：商业化起步
行业从研究验证进入商业部署阶段。Kepler Communications 在 2026 年 1 月成功发射了其光学中继卫星星座的第一批次，并在轨道上运行了目前最大的在轨计算集群——10 颗卫星，约 40 个 NVIDIA Orin 边缘处理器，全部通过光学激光链路互联。Atomic-6 在 2026 年 4 月推出了 ODC.space 市场平台，允许用户像订购地面机柜一样订购轨道数据中心容量。

关键里程碑时间线：

轨道数据中心的核心竞争力在于能源和散热——这两个恰恰是地面 AI 基础设施最大的成本中心。

太阳能供电：在地球轨道上，太阳能面板可以近乎 24 小时不间断 接收太阳辐射（仅在地影期间短暂中断）。相比之下，地面太阳能发电站的容量因子通常在 15％ 至 25％ 之间。轨道太阳能的容量因子可达 85％ 至 95％。这意味着同样面积的太阳能面板，在轨道上的发电量是地面的 3 至 5 倍。

辐射冷却：太空中没有大气层，热量可以通过热辐射直接散失到深空中（宇宙背景温度约 2.7K）。这是一种被动的、无需额外能源的冷却方式。地面数据中心则需要消耗大量电能来驱动冷却系统——冷却成本通常占数据中心总能耗的 30％ 至 40％。

Sophia Space 的创新：这家帕萨迪纳的初创公司在 2026 年 2 月融资 1000 万美元，其核心技术是被动冷却空间计算机。与传统的主动液冷不同，Sophia Space 利用轨道环境的自然辐射散热特性，设计了专门的热管理系统，完全消除了冷却系统的能耗。

Google 与 Planet 的合作：2025 年 12 月，Google 与 Planet Labs 宣布合作 Project Suncatcher——探索利用太阳能供电的卫星星座来承载 AI 工作负载。这是首个超大规模云服务提供商正式进入轨道 AI 计算领域的标志性事件。

地面 vs 轨道数据中心对比：

一个完整的轨道 AI 计算系统由多个层级组成，从星上硬件到地面网关，构成了一个跨越天地的分布式计算网络。

第一层：星上计算硬件
这是最核心的部分。目前主要的在轨处理器包括 NVIDIA Orin（边缘 AI 推理，功耗 15-60 瓦）和定制化的抗辐射 FPGA。Kepler 的星座中部署了约 40 个 NVIDIA Orin 处理器，通过光学激光链路互联，形成了一个分布式的计算集群。

第二层：星间通信网络
卫星之间的通信是构建「在轨数据中心」的关键。Kepler 使用光学激光链路（激光通信）连接其卫星星座，带宽可达 10 Gbps。这与地面数据中心的光纤互联类似，但面临更大的技术挑战——卫星之间的相对运动和轨道位置变化需要动态的光束跟踪和对准。

第三层：地面站网关
所有在轨计算最终都需要与地面用户交互。地面站是轨道数据中心与地面网络之间的桥梁。典型的地面站配置包括：直径 3-5 米的抛物面天线、高频段接收器（Ka 波段或更高）、以及连接到地面光纤网络的路由器。

第四层：编排与调度系统
这是软件层的核心。Sophia Space 正在开发专有的轨道数据中心软件，能够在 Kepler 星座的多个在轨计算节点上分布式运行。其核心功能包括：工作负载分配（决定哪个计算任务分配到哪颗卫星）、故障转移（某颗卫星失效时自动迁移任务）、以及轨道位置优化（根据覆盖区域动态调整计算资源分布）。

第五层：发射与部署服务
轨道数据中心需要依赖发射服务将硬件送入轨道。SpaceX 的 Falcon 9 是目前最主流的发射选择。Orbital 公司的首个卫星 Orbital-1 计划于 2027 年 4 月 通过 Falcon 9 发射，目标是验证在轨 GPU 持续运行、辐射加固测试和商业化 AI 推理工作负载。

# 轨道数据中心工作负载调度示例
# 模拟卫星集群的任务分配和故障转移

class OrbitalWorkloadScheduler:
    def __init__(self, satellites, ground_stations):
        self.satellites = satellites
        self.ground_stations = ground_stations
        self.active_tasks = {}
    
    def assign_task(self, task):
        for sat in self.satellites:
            if sat['status'] == 'online' and sat['compute'] > task['compute_needed']:
                sat['compute'] -= task['compute_needed']
                self.active_tasks[task['id']] = sat['id']
                return sat['id']
        return None
    
    def handle_failure(self, sat_id):
        for sat in self.satellites:
            if sat['id'] == sat_id:
                sat['status'] = 'degraded'
                for task_id, assigned_sat in list(self.active_tasks.items()):
                    if assigned_sat == sat_id:
                        new_sat = self.assign_task({'id': task_id, 'compute_needed': 1})
                        if new_sat:
                            print(f'Task {task_id} migrated to satellite {new_sat}')
                        else:
                            print(f'Task {task_id} failed - no available satellite')
                break

# 使用示例
satellites = [
    {'id': 'SAT-01', 'status': 'online', 'compute': 100},
    {'id': 'SAT-02', 'status': 'online', 'compute': 80},
    {'id': 'SAT-03', 'status': 'online', 'compute': 60},
]

scheduler = OrbitalWorkloadScheduler(satellites, [])
scheduler.assign_task({'id': 'TASK-A', 'compute_needed': 50})
scheduler.handle_failure('SAT-01')

# 轨道数据中心地面站配置示例
# Kepler 地面站网络参数

ground_station:
  name: "Kepler-GS-01"
  location:
    latitude: 64.1466
    longitude: -21.9426
    name: "Reykjavik, Iceland"
  antenna:
    type: "parabolic"
    diameter_meters: 4.5
    frequency_band: "Ka"
    data_rate_gbps: 10
  network:
    upstream_provider: "Iceland Telecom"
    fiber_capacity_gbps: 100
    latency_to_orbit_ms: 50
  orbital_coverage:
    min_elevation_degrees: 10
    passes_per_day: 24
    total_contact_minutes: 180

轨道 AI 基础设施行业在 2026 年进入了快速成长期，多家公司从不同的角度切入这个市场。

Orbital：总部位于洛杉矶，由 a16z Speedrun 资助。其核心策略是构建和运营太空中的 AI 数据中心，利用太阳能和辐射冷却消除地面 AI 基础设施的能源和散热限制。Orbital-1 卫星计划于 2027 年 4 月通过 SpaceX Falcon 9 发射，主要目标是验证在轨 GPU 持续运行、辐射加固测试和商业化 AI 推理工作负载。公司正在向 FCC 申请部署卫星星座以构建轨道 AI 计算基础设施。

Kepler Communications：运营着目前最大的在轨计算集群——10 颗卫星，约 40 个 NVIDIA Orin 边缘处理器，通过光学激光链路互联。2026 年 4 月，Sophia Space 成为其最新客户，将自有的轨道数据中心软件上传到 Kepler 卫星上运行。Kepler 还得到了 Axiom Space 的支持，后者在 2026 年 1 月的发射中部署了两个轨道数据中心节点。

Atomic-6：位于佐治亚州玛丽埃塔的太空系统公司，在 2026 年 4 月推出了 ODC.space 市场平台。这是一个创新性的商业模式——用户可以在平台上规格化、定价和订购轨道数据中心容量，就像从地面托管服务商订购机柜一样。用户可以选择购买「主权卫星」（整颗卫星归自己所有）或「托管」（租用他人卫星上的空间）。Atomic-6 通过合作伙伴网络处理航天器建造、发射、许可和运营，用户只需提供处理器和工作负载。交付周期为 2-3 年，而地面数据中心建设周期通常为 5 年以上。

Sophia Space：2026 年 2 月融资 1000 万美元，核心产品是被动冷却空间计算机。其软件已部署在 Kepler 卫星上进行多节点分布式运行测试，计划 2027 年底发射自有硬件。

Axiom Space：其 Data Center Unit-1 原型在 ISS 上运行了完整的 AI 工作负载（云计算、AI/ML、数据融合、太空网络安全）。Axiom 的合作伙伴生态系统包括 Kepler、Skyloom Global Corp、Spacebilt、Phison Electronics 和 Microchip Technology。计划在 2027 年部署一个完全光学互联的 ODC 节点到 ISS。

Google × Planet (Project Suncatcher)：Google 与 Planet Labs 在 2025 年 12 月宣布合作，探索利用太阳能供电的卫星星座承载 AI 工作负载。这是首个超大规模云服务提供商正式进入轨道 AI 计算领域的事件。

SpaceX / SpaceXAI：据报道，Google 和 SpaceX 正在谈判将数据中心发射到轨道上。SpaceX 还计划在其 IPO 中向投资者推销「太空中的数据中心将是未来几年最便宜的 AI 算力来源」这一愿景。SpaceX 于 2026 年 2 月以全股交易方式合并了 xAI，并于 5 月 6 日将 xAI 并入新成立的 SpaceXAI 部门。

不是所有 AI 工作负载都适合迁移到轨道。理解哪些适合、哪些不适合，是评估轨道数据中心商业可行性的关键。

第一类：地球观测数据的在轨处理
这是当前最成熟的应用场景。遥感卫星每天拍摄海量地球图像，将这些原始数据全部传回地面再处理不仅浪费下行链路带宽，还会引入显著的延迟。如果在星上直接运行 AI 推理模型（如目标检测、变化检测、异常识别），只将结果（而非原始图像）传回地面，可以节省 90％ 以上的下行带宽。

第二类：延迟不敏感的批量推理和训练
轨道数据中心的主要优势是能源成本极低，劣势是网络延迟高（50-500 毫秒）。这意味着：

• 适合：批量数据处理、模型离线训练、大规模仿真、历史数据分析——这些任务对延迟不敏感，但对计算量和能源消耗敏感。
• 不适合：实时聊天机器人、在线交易推理、交互式 AI 应用——这些任务需要毫秒级响应，轨道延迟无法满足。

第三类：防御和安全应用
太空中的数据中心具有天然的物理安全优势——它们不在任何国家的领土上，不受地面自然灾害影响，也难以被物理攻击。这使得轨道数据中心对需要极高数据主权和安全性的应用（如国防、情报、金融风控）具有特殊吸引力。Atomic-6 的「主权卫星」选项就明确面向这一市场。

第四类：深空计算和星际通信中继
随着商业航天的发展，月球基地和火星任务将需要本地的计算能力。轨道数据中心可以作为深空任务的通信中继和计算节点。Lonestar Data Holdings 在 2026 年 4 月宣布的 StarVault 服务（2026 年 10 月发射）就是面向太空主权数据存储的平台。

尽管轨道 AI 基础设施有诸多吸引力，但它面临着地面数据中心不存在的独特挑战。

辐射环境：近地轨道（LEO）仍然存在显著的辐射威胁。宇宙射线和范艾伦辐射带的粒子会导致：

• 单粒子翻转（SEU）：高能粒子撞击芯片导致比特翻转，可能引发计算错误
• 总剂量效应（TID）：长期累积的辐射剂量导致晶体管性能退化
• 闩锁效应（Latch-up）：高能粒子触发 CMOS 电路中的寄生晶闸管，可能导致芯片永久损坏

应对策略包括：使用抗辐射加固芯片（Rad-Hard）、三模冗余（TMR）设计、ECC 内存、以及软件层的错误检测和自动恢复。但这些措施显著增加了硬件成本和重量——抗辐射芯片的价格通常是商业级芯片的 10 至 100 倍。

网络延迟：即使最近的地面站，信号往返 LEO 也需要约 50-100 毫秒。如果通过多颗卫星中继，延迟可能达到 200-500 毫秒。这对需要低延迟的应用是致命的限制。Kepler 正在建设的地面站网络将有助于缩短延迟，但物理距离的限制无法完全消除。

频谱和轨道许可：轨道数据中心需要 FCC（或其他国家监管机构）的频谱许可和轨道位置许可。SpaceX 正在就其星链星座与 FCC 进行频谱协调，而新进入的轨道计算公司也需要经历类似的审批流程。FCC 对 SpaceX 星链评论期已于 2026 年 3 月 6 日 关闭，监管结果将影响哪些公司能率先获得频谱和轨道槽位优势。

发射成本和运力：虽然 SpaceX 将每公斤发射成本降低到了约 2700 美元（Falcon 9），但大型计算设备仍然重量可观。Starship 的全面运营（预计 2027-2028 年）可能将每公斤成本进一步降低到 数百美元，这将是轨道数据中心大规模部署的关键催化剂。

在轨碎片风险：随着越来越多的卫星进入轨道，太空碎片的风险在增加。轨道数据中心需要设计碰撞规避系统，并在任务结束时具备脱轨能力（避免成为新的碎片）。

评估轨道数据中心的商业可行性，需要建立一个完整的成本对比模型。

地面数据中心成本结构（以 100MW AI 数据中心为例）：

• 建设成本：约 10 亿美元（含土地、建筑、电力基础设施）
• 年度电力成本：约 5000 万美元（按 $0.05/kWh 工业电价计算）
• 年度冷却成本：约 1500 万至 2000 万美元
• 年度维护成本：约 500 万美元
• 总拥有成本（10 年）：约 20 亿美元

轨道数据中心成本结构（以等效 100MW 轨道星座为例）：

• 卫星建造和发射：约 30 亿至 50 亿美元（假设 Starship 每公斤 500 美元）
• 地面站网络：约 5000 万美元
• 年度运营（轨道维持、地面站维护）：约 2000 万美元
• 年度电力成本：接近零（太阳能供电）
• 年度冷却成本：接近零（被动辐射冷却）
• 总拥有成本（10 年）：约 35 亿至 55 亿美元

关键结论：在当前的技术和成本结构下，轨道数据中心的总拥有成本仍然高于地面数据中心。但差距正在缩小——主要驱动力是 Starship 带来的发射成本下降。当每公斤发射成本降到 200 美元以下时，轨道数据中心可能在经济上具备竞争力。

Google 的 $4000 亿地面投资：2026 年，Alphabet、Amazon、Microsoft 和 Meta 预计在地面数据中心上的资本支出总计约 4000 亿美元。这一巨额投资表明地面数据中心仍然是当前的主流选择。但同时，Google 也在通过 Project Suncatcher 探索轨道选项——这表明超大规模玩家正在为未来的轨道计算做准备。

SpaceX 的愿景：据报道，SpaceX 计划在其 IPO 中向投资者推销「太空中的数据中心将是未来几年最便宜的 AI 算力来源」。其目标是每年增加 100 吉瓦的 AI 计算能力，需要每年发射 100 万吨的卫星（通过 Starship 实现）。

轨道 AI 基础设施的发展路线图可以分为两个阶段，每个阶段有明确的里程碑和验证目标。

Wave 1（2027-2028）：专业化应用规模化
这个阶段的目标是验证轨道计算在特定应用场景下的商业可行性。

关键里程碑：

• 2027 年 4 月：Orbital-1 发射，验证在轨 GPU 持续运行和辐射加固
• 2027 年底：Sophia Space 自有硬件发射，测试被动冷却空间计算机
• 2027 年：Axiom 光学互联 ODC 节点部署到 ISS
• 2027 年：Crusoe × Starcloud 太空公有云首发
• 2028 年：防御和卫星数据处理等 Wave 1 应用达到有意义的规模

Wave 1 的核心验证点：轨道推理工作负载的可靠性能否持续运行 6 个月以上？被动冷却系统能否在高温负载下保持稳定？星间激光链路能否在大规模星座中维持稳定的高带宽连接？

Wave 2（2028-2030+）：AI 训练溢出和大规模部署
这个阶段依赖于 Starship 的经济性实现和大规模星座部署。

关键里程碑：

• 2028-2030 年：Starship 全面运营，每公斤发射成本降至数百美元
• 2028-2030 年：轨道 AI 训练溢出工作负载开始从地面迁移到轨道
• 2030 年+：SpaceX 目标每年增加 100 吉瓦 AI 计算能力（每年发射 100 万吨卫星）

Wave 2 的关键问题：Starship 的复用率能否达到预期？轨道计算能否在 AI 训练场景下证明其 ROI？超大规模玩家（Google、Amazon、Microsoft）是否会大规模采购轨道计算容量？

在讨论太空 AI 基础设施时，有几个常见误区需要澄清。

误区一：轨道数据中心将很快取代地面数据中心。 事实是，轨道数据中心在至少未来 5-10 年内都是地面数据中心的补充，而非替代。它的适用场景高度特定——延迟不敏感、计算密集、能源敏感的批量任务。对于需要低延迟和高可用性的应用，地面云仍然是唯一现实的选择。

误区二：太空中「免费」的太阳能意味着零成本。 虽然轨道太阳能本身是免费的，但将太阳能面板送入轨道的成本非常高——当前的发射成本约为每公斤 2700 美元（Falcon 9），即使 Starship 将其降到每公斤 200-500 美元，初始投资仍然巨大。而且太阳能面板、功率调节器和电池的重量都需要计算在内。

误区三：轨道计算已经准备好承载大规模 AI 训练。 当前最大的在轨计算集群（Kepler 的 40 个 Orin 节点）总计算能力远不足以训练大型 AI 模型。Orbital 的 Orbital-1 预计也只能验证在轨推理，而非大规模训练。AI 训练的上轨需要等待 Starship 带来的大规模部署能力。

误区四：太空环境天然安全，无需担心数据安全。 虽然轨道数据中心不受地面物理攻击，但它们面临独特的安全威胁：信号拦截（下行链路可能被地面监听）、轨道位置的物理威胁（反卫星武器）、以及在轨硬件的供应链风险（发射前可能被植入后门）。

误区五：所有 AI 工作负载都能从轨道计算中受益。 如第 6 章所述，只有特定类型的工作负载适合在轨运行。大多数企业和开发者的 AI 工作负载仍然应该部署在地面云或本地基础设施中。

如果你想深入了解太空 AI 基础设施领域，以下是一个循序渐进的学习路线。

入门阶段（1-2 周）：

1. 了解近地轨道（LEO）的基本概念和轨道力学基础
2. 阅读 Kepler Communications 的技术博客，了解星间激光链路的工作原理
3. 浏览 ODC.space（Atomic-6 的轨道数据中心市场平台），理解轨道计算的商业化模式

进阶阶段（1-2 月）：

1. 学习卫星热管理技术——被动辐射冷却 vs 主动冷却
2. 研究抗辐射电子设计——TMR、ECC、Rad-Hard 芯片
3. 阅读 Sophia Space 和 Orbital 的技术文档和融资公告
4. 跟踪 FCC 对 SpaceX 星链的频谱审批进展

高级阶段（3 月+）：

1. 研究 Starship 的发射成本模型和运力规划
2. 分析轨道数据中心的完整经济模型（TCO、ROI、LCOE）
3. 参与 Kepler 或 Atomic-6 的开发者社区，了解在轨计算的实际工作负载部署
4. 跟踪 Google Project Suncatcher 和 SpaceX 轨道数据中心的最新进展

核心资源：

• Kepler Communications 技术博客：kepler Communications.com
• Atomic-6 ODC.space：odc.space
• Orbital 公司官网和 FCC 申请文件
• Sophia Space 技术文档：sophia.space
• Axiom Space DCU-1 技术报告：axiomspace.com
• NetworkWorld 太空数据中心综述（2026 年 4 月）：networkworld.com
• Introl 轨道数据中心竞赛报告（2026 年）：introl.com/blog/orbital-data-centers