卫星互联网智能化技术应用研究与探索|互联网|人工智能|卫星|天基|太空|智能化

卫星互联网作为航天和网络深度融合的新型信息基础设施，正逐步发展成为世界各国争夺“制网权”“制天权”，抢夺空间资源、赋能行业应用、引领未来网络发展的战略前沿和竞争焦点。我国卫星互联网发展正处于战略窗口期，正在加速推进以低轨卫星为主的卫星互联网系统建设，目前正处于大规模组网建设阶段，还未形成商业化落地。卫星互联网作为未来网络产业的重要方向，正由专业领域向大众领域快速普及延伸，具有万亿级市场潜力。

人工智能（AI）技术近年来发展迅速，其在各个产业场景下的应用探索也正在积极铺开，卫星互联网正逐步迈向智能化。在卫星互联网场景下，人工智能技术正凭借其数据建模能力、实时决策优势及自适应学习特性，加速卫星互联网产业的商业化进程。近年来，天基计算技术的发展使卫星具备了在轨数据处理能力。随着大规模星座建设推进，卫星所获取的数据规模呈指数级增长，数据类型愈发多样复杂。在此背景下，星载人工智能技术应运而生，它以强大的学习、适应与复杂分析能力赋予卫星在轨智能处理能力，实现从被动遵循预设指令到主动智能分析决策的跨越，已成为卫星智能化发展的核心，为航天事业发展注入新的活力。

本文系统描述了以人工智能为代表的智能化技术发展脉络，梳理了国内外人工智能在卫星互联网产业的应用现状，对其应用效能和特点进行分析，并给出对策建议，以促进人工智能技术在卫星互联网领域的深度发展。

一、人工智能发展阶段

人工智能的核心目标是通过算法和模型模拟人类的认知过程，实现对复杂信息的处理、学习和决策，其本质是对人的意识、思维信息过程的模拟。人工智能技术发展大致经历五个阶段。

一是基于专家知识和规则的推理决策阶段，让机器基于逻辑理解人类。主要通过计算机自动化等手段，将人类专家的知识和经验转化为计算机能够明确理解和执行的规则。这需要建立一套符号表达式，再通过符号规则去操作，如故障分析溯源、早期自动驾驶等应用。

二是基于特征和统计的机器学习阶段，让人像机器一样探索世界。主要利用数理统计等数学方法，通过无监督的学习从数据中提取一般性规律如数据潜在结构和变化规律，构建机器学习模型，从数据中初步理解规律并按规律执行任务如用户流量分析、异常行为检测等应用。

三是依赖网络结构设计的深度学习阶段，让机器像人一样观察世界。主要通过有监督的深度学习，模拟生物神经元的“输入—处理—输出”过程，构建多层神经网络模拟人脑的信息处理机制，针对确定的任务领域，充分理解其中的规律如图像分析理解、语音识别应用。

四是大模型阶段，让机器像人一样具备逻辑思考能力。主要通过Transformer模型结构的创新，提升模型应用场景的泛化能力，通过数据、层数、参数与算力的叠加实现智能的“涌现”，显著提升模型的通用性、智能化水平和逻辑推理能力，实现自主思考的生成内容逻辑性。

五是通用智能体阶段，让机器像人一样与外部世界交互。核心目标是构建能够自主完成复杂任务的智能体系统，不仅具备感知和推理能力，而且能够完成任务的自主决策和执行，通过真实的物理交互与反馈，在动态环境中进行实时学习和自适应优化，实现与外部环境的智能交互。

当前，人工智能技术发展正处于大模型阶段。面向未来，大模型向通用智能体的演化正在飞速进行，将进一步借助具身智能等技术，使得人工智能与现实物理世界发生深度交互，并向真正的通用人工智能迈进。

二、人工智能在国外卫星互联网中的应用研究现状

国外正在加快推动人工智能在卫星互联网产业中的技术布局和发展，在网络设计、建设和运营全流程中大量利用智能技术，并已开始相关技术试验和演示验证。人工智能在国外卫星互联网中的应用主要集中在四个方向，包括端侧数据处理、网络运营管理、网络安全智能和星上云网融合，赋能卫星互联网设计建设运营全过程。

（一）赋能端侧数据处理，促进卫星自主运行

随着太空任务的日益复杂，卫星数据呈爆炸式增长，人工智能技术深度融入卫星数据全生命周期处理流程，实现数据分析大模型增强、拓展应用侧业务布局和星座任务规划智能化，显著提升端侧数据的处理效率与价值。

一是采用人工智能大模型增强卫星数据分析能力。卫星通信公司TS2 Space采用人工智能大语言模型增强卫星数据分析能力，将原始卫星数据转换为便于理解的信息，辅助决策并改善用户体验。在信号质量监控方面，大模型可用于监控和分析来自不同卫星的信号质量数据，帮助识别潜在问题并为用户优化信号强度；在卫星图像分析方面，分析军事无人机生成的高分辨率图像，识别目标对象，例如潜在威胁或环境变化；在预测性维护方面，通过分析历史卫星数据，帮助卫星设备发现潜在问题，识别问题趋势和模式，编排运维计划，确保卫星通信服务的持续性；在用户支持方面，可以将大模型集成到用户支持系统中，自动响应用户询问并解决常见问题。美国初创公司Starcloud实现太空轨道大模型训练，在一颗搭载英伟达H100图形处理单元的卫星上使用莎士比亚全集进行训练，使得大模型具备莎士比亚式的英语表达能力。

二是利用星上AI提供卫星应用定制化服务。意大利AIKO航天公司开发的“轨道奥利弗”星上人工智能软件，采用深度学习和专家系统实现卫星自主操作，使卫星自主处理数据、实时做出决策，并根据需要重新规划任务，目前已完成在轨演示任务，可利用机器学习实时分析复杂的遥测数据、更新任务目标，并根据当前需求自主优化任务计划。美国帕兰蒂尔公司（Palantir）研发的“元星座”卫星情报系统，集成了卫星在轨数据处理、星座调度、系统应用以及地面套件，基于自研星上边缘人工智能平台及软件部署平台（Apollo），可根据用户需求自动匹配对应算法，将AI模型上注到任务卫星，星上处理过程不到1秒，用户即可实时收到目标的动态，颠覆了过去情报分发过程的长程烦琐链路，极大提升了对时敏目标的侦察效率。在应用层面，集成了装有“元星座”系统的电脑、预装AI算法的无人机以及“星链”终端的硬件产品，打通“情报收集—通信—行动指挥”的链路，在乌克兰得到广泛应用，在地面网络几乎全面瘫痪的情况下，仍能保障实时的情报研判。

三是赋能星座自主决策和任务执行能力。美国科学系统公司的“协同任务自主”（Collaborative Mission Autonomy，CMA）是一款星上任务管理软件，基于人工智能技术开发，可自主处理大量并发任务请求、管理卫星平台（控制卫星飞行高度）、控制有效载荷、调配卫星资源并规划任务、运行星上数据处理软件、传输信息，并通过星间网络在卫星节点间传递任务规划，以满足不同用户的“任务分配、搜集、处理、利用和分发”请求。CMA已经在美太空发展局负责建设的国防太空七层架构中初步演示了星载数据自动处理能力，在演示中，CMA在星载计算机处理器上运行，用于光电相机成像数据的收集与分析。美国太空探索技术公司（SpaceX）的“星链”项目基于AI驱动的智能管控架构，构建了“感知—决策—执行”闭环的太空信息网络，实现了大规模低轨卫星群体的智能协同运行，优化上万颗卫星的碰撞规避策略，任务规划效率显著提升。

（二）优化网络运营管理，辅助卫星星座管理

卫星互联网运营管理智能化主要集中在网络状态管理上，包括实时监控和评估网络状态、进行故障诊断与修复、运行智能算法进行流量管理等，实现网络运营效率提升和辅助卫星星座管理，提高卫星网络的可靠性与智能化水平。

一是提升网络运营效率。以色列卫星网络公司Gilat面向通信服务提供商的人工智能运维（AIOps）平台SkyCare AI利用人工智能技术支撑数据分析、模式识别、预测建模和自动化决策支持，提高网络运营效率。具体包括：通过分析大量历史数据，识别各种关键绩效指标之间，以及关键绩效指标与故障之间的相关性，发现特殊的指标关系和异常行为；实时捕获和分析网络性能数据，并在偏离预定义的阈值时触发警报，及时从早期检测中发现问题，避免过度使用网络资源或服务质量下降等问题；自动检测故障实体的主要绩效指标，运行一系列诊断测试并提供修复建议，以及自动执行修复措施。

二是辅助卫星星座管理。美国太空发展局（SDA）主导建设的军用低轨星座“扩散型作战人员太空架构”（PWSA）在每颗卫星上搭载“作战管理层”任务分析处理软硬件，支持基于人工智能的分布式管理、指挥、控制和通信等功能，实现多星自主运行、自适应资源规划和协调。美国国防部高级研究计划局发起的低轨卫星星座项目“黑杰克”，致力于搭建军用全球低轨卫星网络，验证其防御高超声速导弹的可能性，其技术演示卫星上的Pit Boss 智能控制单元搭载高速处理器，可实现在轨数据处理、加密、传输，同时可以支持星座自主运行。

（三）探索星上云网融合，形成天基云算能力

随着人工智能的发展，在单星智能快速发展的同时，国内外相关机构和公司积极探索基于大型星座的星上云网融合应用，减少对地面站的依赖，形成独立天基云计算能力，提高数据处理的实时性和效率，缩短用户从数据收集到决策的闭环周期，满足时敏应用需求。

一是拓展在轨边缘计算业务。美国卫星制造公司Sidus Space研制的LizzieSat系列卫星配备了先进的AI边缘计算能力，提供近乎实时的人工智能驱动数据解决方案。目前，LizzieSat-3已完成在轨测试，能够进行空间态势感知（SSA）、海事监测和灾难响应等关键应用的在轨数据处理。LizzieSat-3与前期发射的LizzieSat-1和LizzieSat-2一起，形成了一个不断扩大的多任务星座。谷歌Suncatcher计划构建81颗卫星组成的AI集群，目标是为偏远地区提供低延迟算力服务，同时承接美国航空航天局（NASA）的深空探测数据处理。美国太空探索技术公司（SpaceX）的星链项目计划扩展 V3卫星的在轨计算能力，构建太空数据中心，利用低轨卫星组网形成去中心化算力网络，以应对AI时代算力资源不足的问题。

二是融入军用网信体系，提供星上云服务。美国的“黑杰克”星座已经具备了太空云的基本特征。意大利启动了“军事太空云架构”研究项目，计划构建一个具备高效数据处理和共享能力的云服务星座，每颗卫星集成人工智能、机器学习等数据分析算法，可与军政通信、遥感、导航卫星进行自主连接和数据交换，为用户提供在轨高性能计算和数据存储服务。美国的军用低轨星座“扩散型作战人员太空架构”（PWSA）计划基于云网融合架构建设天基指控平台，自主管理传输层、跟踪层、监管层、导航层、支持层等其他功能层的运行服务，实现对未来整个天基信息支援装备体系“顶层视角”的掌控。

（四）推动网络安全智能，增强应对挑战能力

目前，为了解决卫星通信网络安全问题，国外相关机构积极推动基于人工智能的网络安全技术研发，为卫星互联网安全提供高效、精准和自动化的解决方案。NASA依托迈阿密大学弗罗斯特数据科学与计算研究所（IDSC）实施有关项目，专注于将纳米卫星与传统的大型卫星集成，融合人工智能、区块链技术，研究零信任技术架构对小型卫星网络的有效性。美国国防承包商正在研发名为“在轨网络弹性”（Cyber Resilience On-Orbit，CROO）的人工智能工具，旨在通过直接监测在轨卫星系统的行为和遥测输出，来检测针对卫星的网络攻击。该工具利用机器学习和人工智能技术来识别轨道上的异常行为，其AI模型正在使用高保真合成卫星遥测数据和其他数据进行训练。

三、人工智能在我国卫星互联网中的应用研究现状

目前，针对天基智能计算，我国研究的重点在于地面相关云技术直接移植于星上的可行性，提供类似于地面云平台的扩展性服务，积极布局在轨人工智能大模型技术，探索开发分布式、网络化的天基数据基础设施，实践网络攻击检测与防御的应用。

（一）融合云服务能力，实现持续可扩展服务

北京邮电大学联合华为等单位以开源开放的理念联合推出“天算星座”计划，通过对卫星进行智能化、服务化、开放化设计，构建了一个空天计算实验平台。天算星座基于KubeEdge系统构建云原生星上边缘计算平台，使用敏捷开发和DevOps让用户快速开发程序，自动化部署应用，并持续更新星载应用，满足需求变化。天算星座卫星搭载了开源的云原生环境，支持卫星与地面站协同推理，将边缘计算与卫星计算平台融合，可同时调用边缘和中心云的资源并具备AI能力和多任务处理能力，计算精度提升了50%以上，卫星回传数据量可减少90%。

（二）积极布局在轨人工智能大模型技术群

我国发射了全球首颗搭载人工智能大模型的科学卫星，已经完成了卫星在轨运行人工智能大模型技术验证，对大模型在轨运行的空间适应性、算力卫星平台可靠性以及高性能算力载荷在轨有效算力进行了验证，在轨试验覆盖了不同温度工况及多种推理问答类型。我国研制的天基大模型JigonGPT成功部署于“东方慧眼高分01星”，在轨稳定运行时间远超同期国外技术演示周期。JigonGPT模型通过轻量化技术压缩参数量，在保障性能的同时适应星载计算资源限制，实现了遥感数据的在轨实时处理与智能分析。

（三）推动形成天地一体算力网络服务能力

我国国星宇航公司发布了“星算”计划，拟部署2 800颗“三体计算星座”算力卫星，打造千星规模的天基智能计算基础设施，并与地面算力中心互联互通，构建未来天地一体化算力网络。首发01组星座12颗卫星通过激光星间链实现5POPS集群算力，实现天基遥感模型在轨运行，可面向灾害监测、天文观测等场景进行多模态数据处理，将任务响应时间从“天级”缩短至“秒级”，目前已经打通了商业场景的应用路径，实现了星上模型部署、服务调度与链路闭环。02组星座已经发布，标志着“星算”计划从“首发技术验证”转向“规模化部署”阶段。北京市发布了太空数据中心建设规划方案，提出在700～800公里晨昏轨道布设算力星群，建设运营超过千兆瓦（GW）功率的集中式大型数据中心系统，具备在太空开展超大人工智能模型训练和推理的能力。目前，已经完成第一代试验星“辰光一号”产品研制，正在开展总装试验。

（四）实践人工智能与网络安全的深度融合

我国研制的“卫星互联网防火墙”安全载荷，聚焦物理层与网络层协同安全防护的多维一体化，集成多维规则引擎、AI异常行为感知、星上主动巡检、大模型自主决策与智能诱捕等核心技术。该载荷提供星上算力与实时防御策略编排环境，为星地通信与星间路由构建在轨防火墙屏障。载荷具备10 Gbps高并发流量检测能力，面对突发高并发流量时能稳定识别风险，为关键业务通信提供保障，集成7万+条高质量威胁检测规则，满足了卫星互联网在网络安全威胁监测、风险评估、主动防御等方面的迫切需求。

四、产业发展对策建议

未来卫星互联网产业发展要围绕一条主线“传统卫星产业的智能化跃升、未来智能技术的产业化落地”，遵循人工智能技术的演进发展规律，贯穿卫星互联网设计、建设和运营全过程，从局部建设走向体系化协同。

（一）强化技术创新能力建设

聚焦通用人工智能和卫星互联网的融合创新，推动大模型与卫星互联网设计、建设和运营等环节的深度融合。卫星设计方面，鼓励大模型星上云化部署，开展“一星多卡”的天基超算架构研究，实现单星算力的跨越式提升，为大模型的星上应用提供算力基础，助力构建“算力支撑、知识主导、智能引擎”的星载软件体系。系统建设方面，在地面构建高保真的空间数字孪生系统，生成逼真的空间环境模拟数据，用于在轨算法的虚拟测试、验证和在轨学习策略的预训练，持续积累样本数据资源，有效降低试错成本。系统运营方面，基于海量的用户数据，模拟不同投资组合（如卫星发射规模、地面站布局、终端补贴力度）下的商业回报周期，辅助企业优化资本投入方向，避免“重建设、轻运营”的短视行为，为产业链优化提供科学的决策依据。

（二）加快标志性产品研发

针对航空、航天、海洋、低空经济、大众消费等行业的个性化需求，开展卫星互联网领域需求分析和市场研究，深化人工智能与各行业的融合应用，深入研究人工智能赋能各行业应用的业务流程和痛点，形成差异化的人工智能解决方案。推行“需求导向+迭代研发+批量应用”的产品开发模式，加快研发智能运营平台、天基智算载荷、天基大模型等标志性产品，结合技术成熟度，按照技术原型验证、地面集成验证、系统在轨验证，逐步形成技术产品标准规范体系，牵引技术攻关，推进技术产品验证。建立产品迭代机制，根据市场反馈和技术进步，不断优化产品性能和功能。构建高质量产品体系，与行业龙头企业合作开展试点示范应用，验证产品的可行性和有效性，以持续满足核心重点用户需求为目标，实行产品全生命周期成本控制，提升产品在市场中的竞争力。

（三）打造典型业务场景示范

聚焦系统网络优化、运行管控、健康管理和运营服务等卫星互联网设计建设运营中的关键问题，加强具有人工智能特色的卫星互联网应用梳理。以市场需求为导向，鼓励卫星互联网行业龙头企业提炼并共享其在系统设计、建设和运营等关键环节深度应用人工智能的应用场景案例。借助聚类分析方法，将无限多的应用场景归纳为若干类典型业务场景，使同类业务具备较高的能力相似度，不同类业务具备较低的能力相似度，进而从另一个维度将近乎无限的应用场景转变为相对有限的典型业务场景，如移动宽带、高度连接、导航增强等。此后，按照“突出重点、聚焦有限目标、把握节奏、分期推进”的思路，优先满足急切需求和共性需求，视情况满足个性需求，渐进地满足拓展需求。通过典型业务场景示范，形成可复制、可推广的经验，推动人工智能在卫星互联网领域的广泛应用。

（四）建设完善产业生态体系

卫星互联网产业链包括上游的卫星制造与发射、中游的地面设备与运营服务，以及下游的多元化应用环节。建立以标准为牵引、以智能为驱动、以价值为导向的产业协同发展模式，构建完善的项目生成、项目实施、成果应用、价值转化制度体系，推动产业能级跃升。标准牵引方面，建立网络技术标准、产业链标准、应用服务标准，覆盖星箭制造、天基智算、运营服务等，推动技术发展、成本降低。智能驱动方面，运用数字孪生、大模型、群体智能等人工智能技术，推动航天系统设计建设运行、产品研发制造的智能化变革，提升系统迭代演进速度和质量。价值导向方面，推动场景开放，围绕整星集成、核心组件、关键芯片等方面，引入地面移动网络产业链优势，创新“持续赛马”“开放社区”等机制，促进产业链相关企业资源汇聚共创共享，实现卫星互联网能力开放、业务融合与智能应用。

（五）切实筑牢网络安全底线

人工智能将为卫星互联网安全提供更为高效、精准和自动化的解决方案。结合区块链、量子通信等技术，构建基于安全通信网络、安全区域边界、安全计算环境的网络安全防护架构，按照总体风险可控、技术见底、数据可信、权责清晰的思路，完善大模型安全、云安全规则、要求和手段，确保各相关领域基础数据集和模型的安全可控，以及生成式人工智能输出结果的安全可信。开展智能模型在轨可信验证，针对星上在轨资源受限的特点，引入持久学习机制，利用领域知识对潜在的异常数据进行模型设计，并利用星上在线数据进行实时更新，使鲁棒性分析更适配实际的在轨环境。借助大数据、大模型技术对卫星互联网内生安全确定性因素进行归纳总结整理更新，形成网络内生安全知识图谱，支撑智能化、自主化卫星互联网安全防护技术体系建设。