AI算力的下一个战场，已经延伸到了太空|spacex|卫星申请|地球|太空|算力|行星

当地面的电力开始不够用时，人类把目光投向了星辰大海。这不是逃避，而是一次关于文明形态的进化实验。

2025年11月，美国初创公司Starcloud把一颗搭载英伟达H100芯片的卫星送入800公里高空，并在轨道上成功运行了谷歌Gemini大模型。这是人类历史上首次在太空中完成真正意义上的AI训练。

几乎同一时间，中国国星宇航发射了全球首个整轨组网的太空计算星座——“星算计划”01组，12颗卫星构建起总算力5POPS（每秒5千万亿次运算）的“天基智算中心”。

而在刚刚过去的达沃斯论坛，马斯克放话：“未来2-3年，太空将成为部署AI数据中心成本最低的地方。”紧接着，SpaceX宣布收购xAI，并申请发射100万颗卫星组建“轨道数据中心”。

一场关乎人类算力未来的“太空圈地运动”正在上演。但这场竞赛的本质，远不止是“把服务器搬上天”那么简单——它是一次对能源、空间、技术边界的重新定义，也是人类从“行星文明”向“星际文明”跃迁的第一步。

为什么地球养不起AI了？

要理解这场太空竞赛的紧迫性，得先看清楚地面上的“能源死局”。

1. 电力黑洞：AI正在吞噬全球能源

国际能源署（IEA）的数据显示，2024年全球数据中心电力消耗已突破415太瓦时（TWh），占全球电力需求的1.5%。到2030年，这一数字将飙升至945 TWh——几乎等于日本全年的用电量。

更可怕的是增长速度。AI训练所需的算力每3-4个月翻一倍，远超摩尔定律的18-24个月。这意味着每一代新模型都比上一代“更饿”。

以目前国际大型AI算力模型为例，Chat-GPT4单次训练耗电约38.2吉瓦时（GWh），日均能耗40万度，相当于4万个美国家庭一天的用电量；马斯克Grok-3单次训练功耗高达154兆瓦（MW），3-4个月的训练期用电约3.7亿千瓦时，相当于3.4万个美国家庭一年的用电量；英伟达2024年出货300万个以上GPU，对应数据中心需求超过4200兆瓦时，接近全球数据中心容量的10%。

不同低地球轨道卫星的发射功率价格（来源：Google）

马斯克曾算过一笔账：芯片产量在指数级增长，但全球电力供应年增长率只有4%-10%。到今年年底，人类生产的芯片数量可能超过现有电力能支撑运行的数量。

2. 散热困境：40%的能耗用来“降温”

数据中心最大的隐性成本是散热。传统数据中心40%的能耗用于冷却，而AI服务器功率密度是传统服务器的10倍。一台DGX B200服务器功率达15千瓦，MGX更是高达100千瓦，大多数现有数据中心甚至无法支持每机架20kW以上的功率密度。

这就是太空算力的第一个“反常识”优势：太空很冷，但散热很难。

很多人以为太空接近绝对零度（-270℃），散热应该很容易。恰恰相反——真空是完美的热绝缘体。在地面，风扇一吹热量就被空气带走（对流）；在太空，没有空气，热量只能通过红外辐射缓慢散发，效率极低。

但正是这种“困境”，倒逼出了革命性的技术方案：北京星辰未来空间技术研究院提出的“晨昏轨道+热泵”方案：将数据中心部署在地球晨昏线轨道，散热面永久背对太阳；通过磁悬浮离心热泵将工质升温至120℃，辐射散热效率提升数倍，可减少50%的散热面积。

中科院开发的“溶解压热效应”制冷技术，摒弃传统制冷剂，兼具高制冷量与传热效率。

这些技术一旦成熟，太空数据中心的散热成本将趋近于零，而地面数据中心还在为“如何不烧坏芯片”发愁。

3. 碳中和压力：AI的“绿色原罪”

在全球碳中和目标下，AI产业面临巨大的环保压力。Chat-GPT-3单次训练碳排放高达552吨，相当于一辆汽车行驶200万公里的排放量。

各国纷纷出台政策：美国要求新建数据中心PUE（能源使用效率）低于1.4，欧洲宣布2030年实现数据中心碳中和，中国“东数西算”工程要求2025年新建大型数据中心PUE低于1.3。

太空算力的终极吸引力在于：它可能是唯一能够实现“零碳AI”的技术路径。太阳能是清洁能源，太空没有化石燃料，散热不消耗电力。如果太空数据中心成熟，AI训练将彻底摆脱"高能耗换高性能"的原罪。

一场“先占先得”的太空房地产竞赛

如果说能源危机是“推力”，那么轨道资源的稀缺性就是“拉力”。这场竞赛的底层逻辑，是对不可再生太空资源的战略卡位。

1. ITU规则下的“太空土地财政”

国际电信联盟（ITU）规定，轨道和频谱资源遵循“先占先得”（First Come, First Served）原则。申报后7年内必须发射首星，9年内部署总量的10%，14年内完成全部部署，否则资源将被收回。

这就意味着太空轨道正在变成“房地产”——位置有限，早到早得，迟到者无。

2025年底，中国向ITU一次性申报了20.3万颗卫星，覆盖14个星座。加上此前“国网”星座的1.3万颗、“千帆”星座的1.5万颗，中国申报总量已超30万颗。

而美国方面，SpaceX的星链已申报4.2万颗，近期又申请发射100万颗卫星，并计划将4400颗卫星轨道高度下调，进一步压缩他国空间。

这是一场数字游戏，更是一场心理战。卢旺达曾一次性申报32.7万颗卫星，虽然实际发射能力存疑，但这种“占坑”策略在规则内完全合法。

物理现实是：近地轨道（200-2000公里）的安全部署上限仅约10万-17.5万颗卫星。全球申报总量早已突破这一阈值，"太空拥堵"不是未来时，而是现在进行时。

2. 轨道高度的“黄金地段”

不同轨道高度有不同的战略价值；300-500公里的距离适合对地观测、低延迟通信，但大气阻力大，卫星寿命短，需要频繁补网；700-800公里，中国“辰光一号”选择的晨昏轨道，光照条件稳定，适合长期驻留的算力中心；1000-1200公里，星链主要部署区域，覆盖范围广，但延迟稍高；36000公里，地球静止轨道，适合广播电视，但延迟高达500毫秒，不适合实时AI计算。

中国选择的晨昏轨道是神来之笔。这个轨道平面始终与太阳保持固定角度，卫星永久处于日出或日落状态，太阳能帆板可以持续获得光照，同时散热面永久背对太阳，解决了能源和散热的双重难题。

分布式 vs 集中式，哪条路更通罗马？

在这场太空算力竞赛中，不同玩家选择了截然不同的技术路线，这背后是商业逻辑和技术哲学的差异。

路线一：分布式“星链云”——SpaceX的边缘计算革命

SpaceX的模式是“分布式边缘计算”——依托已部署的9000余颗星链卫星，将下一代V3卫星升级为“算力节点”，每颗卫星搭载AI芯片，通过星间激光链路协同计算。

核心优势：利用现有基础设施，边际成本低。星链已服务500万用户，年收入超百亿美元，有持续现金流支撑算力升级；全球覆盖，延迟低（10-40毫秒），适合实时推理和交互；弹性扩展，再发射一批卫星即可，无需一次性巨额投资。

技术挑战：单星算力有限，难以支撑大模型训练；星间激光通信速率受限（目前约100Gbps），大规模并行计算时带宽瓶颈明显；卫星寿命短（5-7年），需要频繁更换，长期运营成本不可忽视。

谷歌的“太阳捕手计划”（Project Suncatcher）更为激进——计划2027年发射81颗搭载自研TPU芯片的卫星，构建模块化太空计算集群。

路线二：集中式“太空超算”——中国的在轨组装雄心

中国选择了另一条路——集中式太空数据中心。

国星宇航的“星算计划”：2025年5月发射的12颗卫星，单星算力744 TOPS，总算力5POPS，星间激光通信速率100Gbps。计划扩展至2800颗卫星，构建天地一体化算力网络。

之江实验室的“三体计算星座”：千星规模，总算力超1000POPS（百亿亿次/秒），采用“天数天算”（遥感数据在轨实时处理）和“地数天算”（地面数据上传处理）混合模式。

北京“辰光一号”：最雄心勃勃的计划——在700-800公里晨昏轨道建设超千兆瓦（GW）级集中式太空数据中心，单座可容纳百万卡级服务器集群，到2030年实现40万P算力，相当于目前我国所有地面数据中心的算力总和。

中国路线的核心优势：在轨组装技术方面不同于SpaceX“一箭多星”的一次性部署，中国计划通过多次发射，在轨组装平方公里级的“太空机房”，支持热插拔和模块化升级；液冷散热方面，采用双相浸没式液冷，服务器浸没于氟化液，相变吸热效率提升，液体兼作辐射屏蔽层；抗辐射芯片方面，之江实验室研发的空间智能计算机，通过算法冗余和动态重构技术，将商用AI芯片适配太空环境，成本远低于宇航级芯片。

路线三：混合架构——未来的终局形态？

两种路线没有绝对优劣，只有场景适配。分布式适合实时推理和通信，集中式适合大模型训练和科学计算。未来的太空算力网络，很可能是“边缘-区域-中心”三层架构的混合体；

我们来拆分他们的构成：边缘层是数万颗低轨卫星，负责实时数据采集和初步处理（如遥感图像识别）；而区域层则是数百颗中高轨卫星，承担区域协同计算和模型推理；中心层却是几座大型太空数据中心，专注大模型训练和复杂科学计算；

这种架构既利用了分布式系统的弹性和低延迟，又保留了集中式系统的算力密度和能效比。

谁来为太空算力买单？

技术再炫酷，最终要回答一个现实问题：商业模式是什么？

首先是成本账。在发射成本方面，SpaceX星舰（Starship）成熟后，发射成本有望降至每公斤100-200美元，甚至低至10美元。作为对比，传统火箭每公斤成本约1万美元，猎鹰9号约2500美元。

但即便如此，建设一个千兆瓦级太空数据中心，仍需数千次发射，总成本超千亿美元。

其次是运营成本。太空数据中心无需土地、无需空调、无需缴纳电费，但卫星寿命有限（10-15年），且无法在轨维修。芯片迭代周期（18-24个月）与卫星寿命（10年以上）严重不匹配，这意味着卫星上天时，搭载的芯片已经落后。

最后是散热成本。虽然太空有天然冷源，但散热系统本身重量巨大。100吉瓦（GW）算力需要约217平方公里的散热板，相当于25个上海外滩面积。

对于算力收入，从时间上来看，三五年内无法达到收入标准。

从短期来看，可达到遥感与地球观测。这是目前最成熟的商业场景，高光谱卫星可以识别农作物的营养状况、监测水质污染、预警森林火灾。但传统模式下，卫星拍摄的数据需要传回地面处理，延迟从小时到天数不等，往往"现场早已物是人非"。

太空算力实现“在轨实时处理”，卫星拍到的图片直接在星上完成AI识别，只把结果传回地面，响应时间从小时级压缩到秒级。

2025年，西安中科西光完成国内首例高光谱数据资产入表，估值超2700万元，标志着遥感数据从科研副产品转变为可确权、可交易的新型数字资产。

中期2-4年内，可实现绿色AI训练与科学计算。随着发射成本下降，“地数天算”成为可能——地面无法承担的高能耗AI训练任务，上传到太空处理。目标客户是大型科技公司、国家实验室、需要碳中和算力的企业。

长期5年以后，或可实现太空制造与星际开发。微重力环境下可以制造地球上无法生产的完美晶体、特殊合金、生物制药。Varda Space已完成三次蛋白质结晶生产任务并回收返回地球，主要面向肿瘤靶向药等高端制药领域。

太空算力中心可以为这些制造活动提供实时计算支持，形成“太空计算-太空制造-太空经济”的闭环。

当前，成本仍然是最大障碍。

目前太空算力的成本仍是地面的1.6倍以上，主要客户是政府和少数高端商业用户。要实现大规模商业化，首先需要发射成本再降一个数量级，星舰完全可复用后，每公斤成本有望降至10美元以下；其次是需要有“杀手级应用”的出现，类似当年GPS从军用到民用的跨越，需要一款普通人离不开的太空算力应用；最后需要在轨维护技术上有所突破，如果能在轨更换芯片、升级硬件，将大幅延长卫星寿命，降低折旧成本。

计算系统——比散热更难的挑战

散热只是太空算力面临的众多技术难题之一。真正的挑战在于如何在极端环境中构建可靠的计算系统。

首先是芯片的“隐形杀手”太空辐射。太空中充斥着高能粒子和宇宙射线，它们可以穿透卫星外壳，击中芯片内部的晶体管，导致“单粒子翻转”（SEU）——简单来说，就是0变成1，1变成0，计算结果完全错误。

地面数据中心几乎不考虑辐射问题，但太空数据中心必须采用。抗辐射加固芯片成本比商用芯片高10-100倍；算法冗余技术，之江实验室通过动态重构和纠错算法，让商用AI芯片在太空环境下稳定运行；屏蔽材料，在卫星外壳和芯片之间增加防护层，但会增加重量。

其次是流体行为的“不可预测”微重力。在微重力环境下，流体的行为与地面完全不同。地面液冷系统依赖重力实现自然对流，太空中必须采用泵驱强制循环。相变材料（PCM）在微重力下的传热机制也需要重新研究。

3D打印技术正在成为解决方案。通过增材制造，可以设计出复杂的微通道散热结构，优化流体在微重力下的流动路径，提升散热效率。

再次是日食期间的“断电危机”。即使部署在晨昏轨道，卫星每绕地球一圈仍会经历短暂的地球阴影区（日食）。对于兆瓦级数据中心，需要巨大的储能系统来维持运行。

目前已知的解决方案包括高密度储能电池，但电池存在重量大、寿命有限等缺陷；可采用氢氧燃料电池，不过这种电池需要携带燃料，这也是个问题；最有效的便是核电源，这类能源功率大、寿命长，但技术复杂，成本高昂，依然存在一定的可行性。

最后是激光链路的“瞄准难题”星间通信。卫星之间通过激光通信，带宽可达100Gbps甚至更高，但难点在于精确对准。两颗相距数千公里的卫星，需要保持纳米级的指向精度，任何振动或姿态偏差都会导致通信中断。星链采用的“激光星间链路”技术已经验证可行，但大规模部署时的稳定性和可靠性仍需考验。太空算力将重塑什么？

尽管面临诸多挑战，但趋势已不可逆转。太空算力的崛起，将带来三重范式转移：

1. 能源范式：从“地面电网”到“太空光伏”

太空太阳能发电效率是地面的5-8倍，且24小时不间断。未来，太空数据中心将成为“能源出口商”，通过微波或激光将多余能量传回地面（虽然传输损耗大，但用于海上平台、偏远地区仍有价值）。更激进的设想是：太空算力中心只传数据、不传电力，彻底摆脱地面电网约束。这是解决AI能源危机的终极方案。

2. 计算范式：从“集中式云”到“轨道分布式云”

未来的云计算将分层为三种云模式。首先是地面云，它可以实现低延迟、高宽带，适合实时交互等场景；其次是边缘云，它是城市级数据中心，适合区域推理等场景；最后是太空云，它具有超大算力、领碳排放等功能，适合模型训练和科学计算。这种“天地协同”的架构，或许将会重构全球IT基础设施格局。