芯片巨头加速上天：太空算力竞赛全面打响

从芯片在轨验证到算力星座组网，云服务巨头、芯片厂商与商业航天企业正在太空开辟算力新战场。

11月初，Google 宣布其自研 TPU 芯片首次在轨成功运行 AI 模型并回传推理结果。这项试验的核心目标，是验证未来通过多颗卫星搭载 TPU 组成轨道计算集群的可行性。紧随其后，马斯克预测到 2028 年底，太空轨道算力的月度新增部署规模可能超越地面。SpaceX 已计划在首代 Starmind 计算卫星中采用经过航天适配的 NVIDIA Vera Rubin 系统。

与此同时，轨道基础设施初创公司 Cowboy Space 公布了更为激进的方案：计划直接将运载火箭的上面级改造为数据中心机架，搭载 NVIDIA GPU 运行。运载工具本身不再被废弃，而是直接化为轨道机房的基础设施。

巨头押注太空机房

泰伯智库研究数据显示，全球太空算力市场规模预计将从 2025 年的约 29 亿美元增长至 2030 年的 190 亿美元。这一市场覆盖了单星边缘计算、分布式算力星座以及大型轨道数据中心。

对于云厂商而言，轨道算力提供了一条摆脱地面能源束缚的新路径。国际能源署预测，到 2030 年全球数据中心年用电量将翻倍至 950 TWh，电力供应与土地审批正成为地面基建的硬性天花板。而在特定的太阳同步轨道上，卫星能够获得近乎全天候的持续日照，大幅减少对传统电网的依赖。

Google CEO 皮查伊将当前的“Suncatcher”轨道计算项目比作早期的自动驾驶研发，认为其将在未来十至二十年展现战略价值。SpaceX 则依托强大的自主发射能力，计划在 2027 年第四季度发射计算卫星原型，并在 2028 年形成规模化网络。发射运力正在成为这一赛道的关键门槛，面对未来的发射排期紧缺，如何成批次将计算设备送入轨道并长期稳定运行，成为入局企业面临的首要考验。

从单一芯片到平台化交付

要让算力真正在太空中运转，单点芯片只是第一步，难点在于整套软硬件系统的在轨协同。

Google 的试验不仅要考验芯片承受辐射与剧烈温差的能力，后续还将验证卫星间的高带宽激光链路通信。轨道集群需要极高带宽的星间互联，才能将分散在不同卫星上的芯片拼接成统一算力池。

NVIDIA 则选择与卫星平台制造商深度绑定。除了推出面向轨道数据中心的 Space-1 模块外，其 Jetson Orin 等边缘计算平台也已广泛应用于星上推理。卫星制造商 EnduroSat 已在其标准化卫星平台上集成了 NVIDIA 计算模块，支持 CUDA 和 TensorRT 软件栈，使客户能够像购买标准服务器一样采购具备 AI 计算能力的卫星平台。

算力资源的天地协同也在提速。国内北京太空算力创新中心此前发布了天地一体化太空算力云平台，将 40 余颗在轨卫星的计算资源接入地面调度网络，并与百度智能云等平台互通。卫星负责就近处理下行遥感数据，地面算力中心则承担复杂的模型训练任务。

边缘推理先行，全面上天仍需时日

尽管太空算力前景广阔，但业内普遍认为，大规模的模型预训练迁移至轨道仍需 5 至 8 年的工程迭代，目前最先跑通商业模式的是“在轨推理”。

以对地观测卫星为例，传统的遥感数据传输受到下行带宽极大限制。若能在星上直接运行 AI 模型，就地识别火情、船舶或气候变化，仅向地面回传关键分析结果，便能大幅降低数据回传成本，提升响应效率。法国航天局近期接收的搭载 NVIDIA Orin 模块的卫星正是服务于此类需求。

国内商业航天企业也在加速承接订单。国星宇航披露的待交付 AI 卫星订单已超过百颗，商汤科技等 AI 企业已订购智算卫星用于早期验证。卫星制造商开始主动向上游芯片、能源系统延展，提前锁定供应链与发射运力。

然而，轨道数据中心的经济账仍面临现实挑战。当前在轨建设成本依旧昂贵，且无法像地面机房一样便捷地进行人工维护或硬件迭代，只能依赖软硬件冗余设计对抗元器件失效。太空算力从特定任务的星上推理，走向支撑通用 AI 负载的大规模太空机房，仍需跨越发射成本、散热寿命与集群通信等多重门槛。