7月15日，第28届中国科协年会主论坛在北京举行，会上发布了2026年重大科学问题、工程技术难题和产业技术问题。
三张清单各有10项，共30项。
老颜把其中与航天直接相关，或者会明显影响航天产业的内容挑了出来，至少有7项：
AI与6G融合、极端天气星地空协同观测、高分子材料寿命管理、太空计算中心、太空具身智能机器人、光谱智能找矿，以及巨型星座商业卫星智能制造。
这30个问题不是已经立项的国家项目，也不能直接对应某家企业的订单。
它们更像一张技术攻关地图：有些还在追问基本原理，有些已经进入工程验证，还有一些已经走到降本、量产和产业化的门口。
先看清三张清单
“前沿科学问题”主要研究原理。
这类问题短期内未必形成产品，却可能决定未来十年甚至更长时间的技术路线。
比如人工智能为什么能够深度进入6G网络，通信系统怎样形成自主感知和决策能力，首先要从机理层面讲清楚。
“工程技术难题”关心的是系统落地。
实验室里跑通，只是第一步。
真正进入太空以后，还要面对辐射、真空、冷热循环、能源受限和通信时延。
可靠性、协同控制和长期运行，往往都卡在工程环节。
“产业技术问题”离市场更近。
它讨论的已经不只是技术可行性，还包括生产效率、成本、供应链和交付能力。
方向再先进，造不出来、造得太贵或者无法稳定交付，也很难形成产业。
按照这个层次，再看这7个航天方向，就清楚多了。
一、AI与6G融合：卫星互联网开始具备“自己管网”的能力
前沿科学问题中的第8项是：
“AI+”构建6G通信智能体网络的机理探究。
传统通信网络的主要任务，是把信号从一个地方送到另一个地方。
到了6G阶段，网络要处理的事情复杂得多。
它需要判断用户在什么位置、当前哪条链路最通畅、哪个节点适合处理数据，出现拥堵或者故障以后，还要重新分配通信任务。
卫星互联网正是这种复杂网络的典型场景。
未来的6G网络，很可能同时连接地面基站、低轨卫星、高轨卫星、无人机、飞机、船舶和移动终端。
其实，卫星一直在飞，用户也在移动，链路质量、天气和频谱占用随时都在变化。
系统规模小的时候，固定规则还能应付。
星座一旦扩大，完全依靠预设程序和人工调度，效率很快就会下降。
人工智能进入通信网络以后，可以综合卫星位置、用户分布、链路负载和业务优先级，实时安排数据从哪里进入网络，经过哪颗卫星中继，又在哪个节点完成计算。
所谓“AI+6G”，并不是给通信系统加一个聊天机器人。
更深层的变化，是通信、感知、计算和调度逐渐融为一体，网络本身开始具备判断和组织能力。
落到卫星互联网，变化会更具体：卫星之间怎么传，数据走哪条路，哪些任务留在天上处理，地面又该怎么调度，都要重新设计。
星座规模越大，难点越不在于把卫星一颗颗连上，
而在于整张网能随时判断哪里拥堵、哪里中断，再把通信任务迅速调到别的链路上。
二、极端天气观测：卫星看全局，无人机和地面设备追细节
工程技术难题中的第2项是：
极端灾害性天气星地空新型机动平台协同观测试验及应用。
台风、暴雨和强对流天气的难点，在于变化太快，不同尺度的天气系统还会相互影响。
气象卫星能够观察大范围云系，适合掌握整体走势，但对局部地区的精细变化，未必能一直看清。
地面雷达精度更高，却受到探测距离、地形和站点位置限制。
“星地空协同观测”，就是让不同平台分工合作。
卫星负责发现和跟踪大范围天气系统；无人机、飞机和平流层平台进入重点区域；地面雷达、移动观测车和各类传感器，补充低空和近地面的数据。
关键并不在于多摆几套设备，而是这些设备能否真正协同。
比如，卫星发现某片云团快速发展，系统随即调动无人机和移动雷达靠近目标区域，连续观测风速、水汽、温度和云体结构，再把数据送入天气预报模型。
这套方式比各个平台各自采集、事后汇总，更接近主动追踪天气系统。
真正难的，是让这些设备像一支队伍一样行动。
卫星发现异常后，无人机和移动雷达要及时赶到，采回来的数据还得对得上时间、接得进同一套预报模型。
只要有一个平台慢半拍，或者数据彼此不通，所谓协同观测就很容易变成各干各的。
三、高分子材料寿命管理：航天器用了十年，材料还剩多少寿命
工程技术难题中的第3项是：
高端装备中关键高分子材料的寿命预测与寿命调控。
航天器上使用的高分子材料非常多。
密封件、胶黏剂、线缆绝缘层、复合材料中的树脂、热控薄膜、防护涂层和柔性结构，都离不开这类材料。
它们在地面上可能长期稳定，进入太空以后，却要持续承受真空、辐射、紫外线、冷热循环和原子氧侵蚀。
材料通常不会突然失效，而是在多年使用过程中慢慢老化。
密封性能下降一点，绝缘能力下降一点，材料再变脆一点，累积到一定程度，就可能影响整台设备，甚至整颗卫星。
目前，航天器材料寿命主要依靠地面加速试验、历史数据和工程经验进行判断。
但地面很难完整复现几十年的太空环境，短期试验也未必能够准确还原长期老化过程。
寿命预测要回答的是，材料还能安全工作多久。
寿命调控更进一步。它要通过材料配方、防护结构、制造工艺和运行管理，让材料老化得更慢，或者让它在整个任务周期内保持可控状态。
这个问题对长期在轨卫星、空间站、月球基地、深空探测器和可重复使用火箭都很重要。
这在以前，通常是给航天器设定一个设计寿命。
到了现在，还要尽量掌握设备已经消耗了多少寿命，剩余寿命有多长，是否需要提前维护或者更换。
四、太空计算中心：卫星拍到的数据，先在天上处理一遍
工程技术难题中的第4项是：
太空计算中心构建技术。
现在的遥感卫星，通常先拍摄大量图像，再把原始数据传回地面，由地面计算中心完成处理。
这种模式已经使用多年。
随着卫星数量和数据量持续增加，它的局限也越来越明显。
卫星经过地面站的时间有限，下行链路带宽同样有限。
拍摄一大片区域以后，其中可能有大量云层、重复画面或者价值不高的数据，但这些内容依然会占用下传资源。
太空计算中心的思路，是把一部分数据处理放到轨道上。
遥感卫星拍完照片以后，可以先识别云层、船舶、车辆、火点或者地表变化，把无效数据删除或压缩，再把最重要的结果传回地面。
多颗卫星之间还可以通过激光链路传输数据，把计算任务分配给不同的轨道节点，形成太空中的分布式计算系统。
不过，地面数据中心的方案不能原封不动搬到太空。
地面机房可以持续供电，也可以使用空调和水冷散热。
太空中的能源有限，热量也更难排出去，计算芯片还要经受辐射。
一旦出现故障，维修成本远高于地面。
因此，太空计算中心需要同时解决高可靠芯片、空间能源、热控、抗辐射、星间通信、软件调度和在轨维护等问题。
它也不只是某一颗“计算卫星”。更可能的形态，是一套星座级能力：有的卫星负责感知，有的负责计算，数据通过高速星间链路来回传输。
卫星由此不再只是拍照或者转发信号的设备，而会成为具备感知、计算和通信能力的轨道节点。
五、太空具身智能机器人：不能每走一步都等地面发指令
工程技术难题中的第7项是：
大模型驱动的太空具身智能机器人自主探测作业技术。
目前很多航天机器人，仍然依赖预先设定的程序或者地面遥控。
在近地轨道，这种模式尚能维持。到了月球、火星和更远的深空，通信时延越来越长，机器人遇到问题以后，不可能每一步都停下来等待地面判断。
在轨维修同样如此。
需要维修的卫星可能正在缓慢翻滚，接口位置可能与预期不完全一致，光照条件也在不断变化。
机器人必须一边观察环境，一边调整动作。
大模型在这里承担的，是任务理解和环境判断。
地面只给出一个目标，比如检查某台设备、采集某块岩石或者更换某个部件。
机器人需要自己识别目标，规划路线，调整机械臂动作，遇到障碍以后还要重新安排步骤。
这类机器人未来可能用于月面巡视、样品采集、月球科研站建设、卫星维修、燃料补加、空间碎片处理和设备巡检。
但光有大模型远远不够。
太空机器人还要有可靠的机械臂、视觉导航、力觉控制、故障诊断、运动规划和安全保护。
地面上的人工智能判断失误，往往还有机会重新操作；太空机器人一旦动作出错，可能直接撞坏航天器，甚至让整项任务失败。
所以，太空具身智能追求的并不是机器人表现得多像人。
它真正要解决的，是在通信受限、环境陌生和无人干预的条件下，仍然把任务稳妥完成。
六、光谱智能找矿：先服务地球资源勘查，再向月球和小行星延伸
产业技术问题中的第1项是：
复杂国际环境下新一代光谱快速智能找矿勘查装备产业化关键技术。
不同矿物对光的吸收和反射特征并不相同。
通过分析这些光谱特征，可以初步判断地表和浅层区域可能存在哪些矿物。
传统找矿需要大量人员进入现场，经过地质调查、采样和钻探，逐步缩小范围。
光谱遥感可以先从空中和太空筛选重点区域，减少大范围盲目勘探。
这套系统可能包括遥感卫星、无人机、高光谱相机、地面光谱仪和人工智能分析软件。
图中提到，相关技术希望把找矿周期缩短50%以上，勘探成本降低30%至50%。
这些数字属于技术攻关目标，并不代表目前行业已经普遍达到。
它与航天产业的交集，主要在遥感卫星、高光谱载荷、光谱传感器和数据处理。
未来探测月球或者小行星资源，也会使用相似的方法，通过光谱判断水冰、金属和矿物分布。
不过，从当前产业基础看，这项技术首先服务的仍然是地球上的战略矿产勘查。
如果直接把它包装成“太空采矿”，显然还是快了点。
七、巨型星座智能制造：商业航天已经不能再靠手工做卫星
产业技术问题中的第2项是：
巨型星座商业卫星高效低成本智能制造技术。
这是7个方向中，最接近现实订单和产业扩张的一项。
传统卫星型号数量少、价值高、任务差异大，生产方式更接近单件研制。
每一颗卫星都要经过大量定制设计、人工装配、测试和复核。
这种模式适合一年制造几颗或者几十颗卫星，却很难支撑万星级星座。
GW、千帆等低轨星座进入组网阶段以后，卫星制造必须逐步转向批量生产。
卫星平台要模块化，接口要标准化，生产线要提高自动化程度，测试过程也要尽可能数字化。
科协发布的信息提出，要推动商业卫星从“艺术品”走向“产品”。
这句话背后的矛盾很清楚：卫星既要可靠，也要造得更快、更便宜，并且能够连续交付。
图中给出的目标包括，单星成本降低1至2个数量级，生产周期缩短60%以上，单条生产线年产超过100颗。
其中，“成本降低1至2个数量级”的比较基准没有明确说明。
传统大型卫星、低轨通信卫星和微小卫星的重量、载荷、寿命完全不同，单纯比较价格意义不大。
但现在的方向已经很明确了。
未来评价一家卫星制造企业，不会只看它有没有成功交付过一颗卫星，还要看年度产量、批次一致性、成本控制和供应链稳定性。
这会带动卫星平台、载荷、相控阵天线、电源系统、连接器、芯片、结构件、热控产品、自动化装配和测试设备。
这在以前，比的是谁能把卫星造出来。
到了巨型星座阶段，真正拉开差距的，是谁能够连续、稳定、低成本地交付几百颗卫星。
哪些方向离产业兑现更近
这7个方向并不处在同一个阶段。
巨型星座商业卫星智能制造，距离规模化订单最近。
国内已经有明确的低轨星座建设任务。
现实压力集中在产能扩张、周期压缩、成本下降和供应链稳定上。
星地空协同观测、太空计算中心和太空机器人，正在从试验走向工程应用。
这些方向已经有明确任务需求，但系统复杂、投入较大，可靠性和实际使用效果还要继续验证。
AI与6G智能网络、高分子材料寿命管理，更依赖长期积累。
它们短期内不容易直接形成一张清晰的订单表，却会影响未来卫星通信、长寿命航天器和可重复使用装备的底层能力。
光谱智能找矿目前仍以地面应用为主。
航天遥感是其中的重要工具，未来也可能延伸到月球和小行星资源探测，但眼下的产业重点仍然是地球矿产资源勘查。
这在以前，中国航天首先要解决的是卫星造得出来、火箭送得上去。
到了大规模组网和长期运营阶段，考验已经转向批量交付、在轨计算、自主作业和天地协同。
卫星造出来、火箭送上天，只是第一关。
等几百颗、几千颗卫星开始组网，麻烦才真正出现：生产节奏要跟得上，海量数据最好先在轨处理，设备遇到异常还得自己作出判断，天上和地面也不能各干各的。
到了这一步，拼的已经不是某一颗星、某一枚箭，而是谁能把整套系统长期跑下去，并且越跑越稳、成本越压越低。
热门跟贴