马斯克的太空计算赌局，这家中国公司正在出牌|spacex|低轨|卫星|双向高速激光|地面站|埃隆_马斯克|太空|赌局

出品｜虎嗅科技组

作者｜陈伊凡

编辑｜苗正卿

头图｜视觉中国

"AI原生100"是虎嗅科技组推出针对AI原生创新栏目，这是本系列的第「68」篇文章。

北京时间 10 月 21 日凌晨，SpaceX 交出了上市后的季度财报。三季度营收 145.75 亿美元，同比增长 161%，净利润 44.04 亿美元，这是SpaceX 上市以来第一个盈利季度。被重新命名为"超级智能"的 AI 业务收入 75.6 亿美元，同比增长 830%，首次超过星链所在的网络连接业务，52.48 亿美元，成为这家火箭公司最大的收入来源。

吞并 xAI 之后，马斯克反复兜售"天基数据中心"的构想，让"算力跟着火箭上天"开始被市场当作一门生意来估值。

背景是推理需求的爆发。2025年，全球推理算力需求首次超过训练，这股力量很快溢出地面数据中心：当低轨星座从几百颗扩展到数千颗，在轨产生的图像、雷达和通信数据全部回传地面处理，链路变得昂贵且缓慢。

顺理成章的想法是把 AI 推理直接部署到卫星上，在数据产生的地方完成计算。于是"卫星加 AI"成了商业航天的新共识，也催生了一层此前几乎不存在的需求：有人必须为卫星造一颗能在辐射、真空和极端温差中稳定运行的AI 计算机，并把它的软件生态建起来。

在中国，这层需求被拆成产业链上的具体位置，中科密位就卡在其中一个位置上。

我们第一时间和这家公司的创始人王子彦交流，这家公司从中科大实验室起步，核心团队2018年就开始参与国家早期智能卫星项目，把第一颗搭载AI算力的卫星送上了轨道。2026年，商业航天的订单开始涌入，他们将实验室阶段积累的技术和工程能力，转化为可以向卫星客户批量交付的产品：高可靠性太空计算机，加上星上操作系统。

这家公司在今年8月底宣布，其连续完成A1轮、A2轮融资，两轮融资总额超过亿元，投资方包括博华产投、经纬创投、高瓴创投、宇石空间、中新集团、BV百度风投、鑫睿资本、华控基金及科大硅谷创投。

用CEO王子彦的比方说，他们做的事类似于给卫星提供"计算卡"。在商业航天的产业链里，中科密位向上对接AI芯片、处理器和电子元器件厂商，从多家国产芯片公司采购裸片，在此基础上完成可靠性设计、固件开发和系统集成；向下则把成型的星载智能计算系统交付给卫星制造商和星座运营方，最终服务于遥感、通信等应用场景。公司自己不造星，也不运营星座，收入覆盖星上计算设备、地面系统和软件。

按王子彦的测算，如果一万颗卫星各加一套太空智能计算载荷，按每套50万到100万元估算，对应50亿到100亿元的市场。但他想要的远不止于此。他认为当前卫星制造仍处于"手搓"阶段，国内一颗卫星造价动辄数千万人民币，SpaceX的V2星链卫星只要数百万。如果中科密位的计算架构能帮助把整星成本压低一个数量级，一万亿的发射预算就能送十万颗卫星上天，每颗星配一套核心计算系统，市场就跳到了千亿级。

在王子彦的想象里，到那个时候，星座将不再只是天上的一排排眼睛。当足够多的算力芯片随卫星入轨，通信和计算能力在太空融合，星座会变成集感知、通信和决策于一体的天基智能体，与6G和地面应用深度绑定。

他举了几个例子：农民实时掌握地块作物状态，大宗商品交易者靠天基数据判断期货走势。再往远看，当通信能力和计算能力在轨道上汇合，包括自动驾驶汽车在内的地面智能体，也可能依赖天基资源来调度和决策。

这是一个诱人的故事，和马斯克的天基数据中心一样诱人，但也同样需要检验。SpaceX的财报里，AI收入的大头仍然来自地面上的算力租赁，太空数据中心尚未证明自己能跑通商业闭环。中科密位面对的是同一道题的中国版本。

王子彦在访谈中给自己的市场划了一条清醒的界线：为单颗卫星增加智能处理能力，已经有客户愿意付钱，这是"刚性需求"；建设更大规模的太空算力基础设施，目前主要还是运营主体的前瞻布局，他称之为"刚性先导需求"。供应商拿到订单，和星座运营商找到持续付费的终端客户，是两件需要分别验证的事。

沿着这家公司的产品和客户往下问，可以把一个宏大的概念拆成更具体的生意问题：芯片怎样在太空可靠工作？谁在为这些芯片付钱？卫星智能化会如何改变卫星的生产方式？什么时候更大的市场才会真正出现？

以下为与王子彦的对话精选，经过未改变原意的编辑调整：

谁在为太空计算付钱

虎嗅：你们现在主要解决的是什么问题？你们的客户是谁？

王子彦：我们的客户主要是卫星和星座总体，也就是负责卫星或星座整体研制的单位。我们自己不造卫星，也不是星座运营方，我们为卫星提供核心关键系统。

从技术上说，我们做两件事情：一个是高可靠性的太空计算机，一个是星上的操作系统。硬件采用多元化的芯片方案，做满足太空级智能计算需求的标准化架构；软件是星上的统一计算平台和计算架构。

如果打个比方，我们类似于提供"计算卡"的供应商，产业链下游的公司拿这类产品去组装计算机。我们更关注基础设施和计算机，以及在产业链中能够扮演什么角色。

虎嗅：你们如何判断现阶段的市场需求？客户现在愿意为什么买单？

王子彦：当前最明确的需求，是提升卫星的在轨智能处理能力。从载荷到平台，卫星都可能需要AI能力，我们把这个阶段称为"卫星加AI"。

在这个阶段，高可靠性的星上智能计算机是客户当下需要的产品。谁有产品，谁就有机会获得这部分收入，因为它解决的是客户愿意真金白银投入的实际问题，这是一个确定性的市场。另一个方向，是国内正在围绕未来的太空AI基础设施，提前布局大算力卫星。

虎嗅：面对这些需求，中科密位具体提供什么？希望帮客户降低哪些成本？

王子彦：从技术上说，我们做两件事：高可靠性的计算机和星上操作系统。

从产品要解决的问题来看，也有两个层面。首先是单颗卫星，通过改变计算架构，降低卫星各个环节的成本，我们希望实现一个数量级的降本。其次是整个星座，考虑怎样通过智能星座的组网和计算协同，降低整体成本。为此，我们提出了一套叫作"星岛协同"的计算架构。

虎嗅："星岛协同"具体怎样工作？为什么需要把计算能力集中到专门的卫星上？

王子彦：一个现实的问题是，卫星的能源有限。有些卫星搭载了X波段雷达、收发组件等高功率设备，工作很短的时间，就需要较长时间充电。如果还要把大算力和这些传感设备集中在同一颗卫星上，成本和工程实现都会面临很大压力。

我们的思路是，部署专门的大算力卫星，通过星间激光通信，让一颗算力卫星同时服务多颗传感卫星。这样就不必把大算力和高功率传感设备全部放在同一颗卫星上。

此外，还要考虑地面基础设施的约束。我们很难像SpaceX一样，在全球广泛部署地面站，一些地区的布站限制甚至长期难以解决。国内也有公司在推进海外布站，但无论审批还是规模化部署，都有很大挑战。这也是我们考虑星座计算架构时，需要面对的现实条件。

虎嗅：建设大算力星座这部分的买单方已经是大模型公司了吗？

王子彦：现在还不是。早期需求更多属于前瞻性布局和预研需求。我认为至少未来两到三年，绝大部分买单方还是新做运营的主体，它们在提前布局。

我们把大算力卫星上天叫作"刚性先导需求"。对于我们这样的供应商来说，它是刚性需求，有客户采购，也有订单依据；对于星座运营方来说，它是先导需求。

为什么叫先导？因为现在在轨卫星的数量还不够多，组网能力还不够强，在轨产生的数据也还没有多到必须依靠专门的大算力卫星来计算。随着卫星越来越多，这样的需求可能会逐渐出现。

现在行业已经有两个共识：一个是载荷智能化，另一个是围绕未来太空AI基础设施，提前部署大算力卫星。这两个方向都有客户愿意买单。但中间还有一个缺口需要回答：算力卫星到了轨道上，到底为谁提供能力、为谁提供服务，真实的商业闭环在哪里？

虎嗅：中科密位目前的收入来自哪里？从科研课题走向市场化交付，进展怎么样？

王子彦：我们的营收覆盖星上部分、地面系统和软件部分。早期是课题，后来市场化项目越来越多，商业化交付的占比也在提高。

我们成立之初，主要还是服务国家重大任务和专项，基于已有技术积累逐步推进市场化。早期融资体量不大，公司成立第二年，在当时的成本结构下就已经实现了盈亏平衡，所以那个阶段对融资的需求没有那么高。

2026年商业航天的需求在增长，我们需要持续巩固技术领先性，今年融资节奏也会更快。

把芯片送上天，难点藏在整套系统里

虎嗅：为什么选择太空？

王子彦：这和团队的历史积累有关。现在做太空计算的团队，大体有两类：一类有传统航天背景，从卫星和航天的视角做计算；另一类像我们，从计算的视角切入航天。

团队在2018、2019年就开始参与早期智能卫星项目。计算上天本身并不新鲜，过去卫星就有数据处理能力，但随着人工智能在图像识别、空间目标识别、遥感等领域体现出优势，行业对在轨AI的需求增加了。

我们早期需要解决的核心问题，是怎样平衡高性能计算和空间可靠性。很多从零到一的技术积累，是在实验室阶段、由国家重大任务牵引完成的。这让我们比较早接触到前瞻需求，也有机会把技术落地的工程路径走通。

虎嗅：你提到，团队很早就在解决高性能计算与空间可靠性之间的矛盾。那能不能直接把地面已有的AI芯片和软件方案搬上去？或者说能不能让超节点直接上天？卫星上的计算需求和地面有什么本质区别？

王子彦：兼容不等于无缝适配，还要看芯片到应用整条链路的表现。

卫星上的计算需求天然就是异构的。既有神经网络，也有定轨、姿态计算、轨道相关物理量的计算，以及交互控制等融合计算。信息源和数据源不同，对计算精度、计算资源的要求也不同，很难用一颗通用芯片解决所有问题。

地面可以通过超节点等方式，系统性地解决一部分问题。但星上资源受限，还要面对轨道辐射、真空散热、通信状态不断变化等挑战。在目前的工程条件下，很难把超大规模的超节点直接送上天使用。

芯片的能效差异到了星上也会被放大，因为功耗会直接影响卫星平台的能源供给和散热。

虎嗅：如果在天上部署AI芯片，还会面临生态的问题吗？

王子彦：这是必然的。从趋势上看，未来agents和模型上天会越来越多，甚至整个星上操作系统也可能通过AI技能的方式来实现。但目前必须考虑清楚星上的资源开销到底有多大。星上最大的约束就是资源约束，在这种约束下，怎样符合规律地做太空计算，是非常值得思考的问题。

虎嗅：你们很早就在做AI芯片上天，早期主要面对高轨环境。成立中科密位之后，大算力芯片要部署到低轨卫星上，又遇到了什么不一样的挑战？

王子彦：不同轨道面的辐射环境挑战不太一样，需要区别来看。低轨上可以做一些可靠性层面的权衡，但同样很难忽略太空环境的挑战。国内大部分卫星的轨道高度比SpaceX星链要高一些，，虽然也属于低轨范畴，但面临的辐射压力挑战不同。同时范艾伦带本身也随着地球磁场和周期在波动变化，整个空间辐射环境跟地面模拟验证相比，不能完全穷尽所有可能性。

所以在低轨部署大算力芯片，也会面临可靠性的挑战。目前需要在解决可靠性的同时，在火箭成本还没有那么便宜的阶段，尽可能提升一颗卫星的寿命和在轨工作可靠性，这样商业航天发展的综合成本才能降到最低。

虎嗅：能举一个例子吗？系统最容易出问题的地方，未必是那颗AI芯片？

王子彦：对。比起一颗高性能芯片能不能上天，电源、存储器这些影响整个系统安全的组件，同样关键。

AI芯片是典型的低压大电流芯片，核电压可能只有约0.75到0.8伏，电流波动可能达到数百安培。地面商业模组使用的可编程电源管理单元，里面也有控制和存储器件。如果这些器件受到辐射影响，在动态调压时出现异常，微小的电压扰动都可能威胁系统，甚至损坏芯片。

另外，固件、驱动的存储和启动逻辑也有风险。如果存储固件的器件发生翻转，导致系统在轨无法启动，计算能力再强也没有用。

所以必须从整个计算系统来看可靠性，不能只看一颗芯片。

虎嗅：这些能力目前验证到什么程度？星上的计算主要用于推理，还是训练？

王子彦：我们已经用到多家国产芯片公司的产品，相关产品完成了开发，也在陆续上天。一些之前的产品已经在轨长期稳定运行。

目前还是以推理为主。芯片具备一部分在轨训练能力，可以做一些参数微调，但尤其是全量训练，还面临新的技术挑战。比如训练参数受到单粒子翻转影响，可能给训练过程带来问题。

对于我们来说，更倾向于在商业化和工程化实践取得成功之后，再对外公布相关进展。

虎嗅：如果只是去解决推理的话，也很难解决现在地面算力不够的问题。虽然推理的算力需求在越来越高，但训练其实要用到的算力，包括散热之类的，还是更多。

王子彦：其实从去年来看，推理的需求量已经大于训练了，这个拐点已经出现了。而且未来推理的需求可能会比训练更多，因为推理对于很多强实时性的应用来说要求更高，训练其实可以通过时间上的差异来处理，对时效性没有那么高，训练收敛本身受时间的影响没那么大。整体来看推理对基础设施的需求正在更加蓬勃地增长。

更大的生意，要等卫星制造方式改变

虎嗅：针对我们现在的商业模式，你们的商业模式要跑起来最关键的卡点是什么？

王子彦：因为商业航天更大的问题，是怎样从航天工程走向航天工业化。

过去很多卫星没有批量化，造一颗就定制一颗：先定义整颗卫星的构型和分系统，各个分系统通过自己的供应链组装，最后再由总装厂拼起来。

加入AI模块以后，上层应用又经常严格对应硬件开发，很难随着卫星批量生产，把过去积累的软件和应用库复用起来。如果底层芯片换了架构，甚至需要重新写软件，大量成本消耗在定制化和研发过程中。

虎嗅：这种定制化造成的成本差距有多大？和SpaceX相比，国内卫星贵在哪里？

王子彦：我们自己算过账。目前中国卫星的在轨能力和美国NASA比起来，并没有数量级的差别，但和SpaceX的差距是比较大的。很多人觉得最大的差距在火箭，火箭确实是一部分因素，但在整个发射全寿命周期的成本里，火箭大概只占了一半左右。剩下一半是卫星从研发到全寿命周期运营的整体成本。

比如国内的一颗卫星造价动辄数千万人民币，SpaceX的V2版星链卫星只要数百万。这种差异的很大一部分原因，就是国内现有的卫星架构相对传统，整个制造还处于"手搓"阶段。

虎嗅：SpaceX已经可以量产卫星了，国内为什么还做不到？

王子彦：国内也可以量产卫星，但方式不太一样。从上往下看，国内的卫星研制体制、机制和SpaceX这种全域打通的工业化产业链，存在代差。从下往上看，需求端的量产反向驱动了SpaceX做这件事，这个在国内目前还没有达到。简单来说，我们现在的卫星量没那么大，卫星架构也没有趋于统一化和标准化。虽然有很多人在推动，但实际面临的技术挑战，在过去一个阶段里还没有实现真正的大范围落地。

SpaceX从开始做Starlink起，整个配套的卫星研发和产线就已经在同步推进。它的星制造就像一个印刷电路板工厂在造星，从架构上来说，是一个高度统一的体系。国内现在还不是这样。

现在卫星上有很多计算机，分别负责姿态和轨道控制、健康管理、不同载荷的处理等任务，是一个高度分立的架构。

我们希望以AI计算为核心，探索更统一的架构，让计算系统来定义卫星的功能。我们做的太空计算机，加上星上操作系统，有些类似于智能汽车的域控制器和它的AUTOSAR系统。我们认为卫星工业正处于类似汽车架构转变前夕的阶段。

虎嗅：所以你们相当于也在重新定义卫星的制造方式？

王子彦：这是我们的愿景。我们希望能在这个产业里做出一些贡献，对行业有一些改变。

虎嗅：合作方愿意配合吗？让客户放弃已有的架构惯性，和你们一起做这种尝试，阻力有多大？

王子彦：阻力一定会有。体制性的、系统性的阻力都存在，就趋势的拐点、各个阶段的平衡点，以及市场的接受程度，都在动态变化。我们做计算机体系结构出身，比较善于在不同阶段找到适合商业周期的平衡点。

虎嗅：能举几个具体的例子？

王子彦：拿卫星智能化来说，五年前去做，传统航天和市场时机都不够成熟。到了现在，从技术、市场和整条路线的驱动来看，已经到了比较成熟的阶段。

再往后看，如果判断五年以后商业火箭的成本基本能追平SpaceX的水平，届时产能会倒挂：卫星产能需要达到相当大的体量，才能匹配未来火箭低成本带来的发射能力提升。所以需要在前置的三到五年内，做好低成本卫星量产的产品准备。这件事现在就要开始做。

这里面一定要对过去的卫星架构做一些颠覆，否则用现有方式继续造卫星，很难实现真正的降本。航天行业相对封闭，有自己的规则，非常看重产品是否上过天、是否有在轨长期工作的经验。我们之前一些产品已经在轨长期稳定运行。在新架构卫星的布局上，我们准备和伙伴一起做自己的实验星，希望在产品准备和行业共识到来之前，把相关验证提前做好。

虎嗅：你提到行业已经有两个方向的共识。但卫星公司买了你们的芯片和产品，谁去买这样的卫星？两个共识之间的缺口怎么填？

王子彦：这两个共识之间有因果关系。第一个共识是载荷智能化，载荷在轨处理数据可以节省现有的数据下传成本，提高卫星的单星处理能力，这部分现在大家都愿意买单，是刚性需求。

第二个方向是围绕未来太空AI基础设施，提前部署大算力卫星。当在轨有了大算力卫星，怎么用好它、形成真实的商业闭环，我把这个需求叫作"刚性先导需求"。对供应商来说是刚性的，有客户采购，有订单依据；对星座运营方来说是先导的，终端商业闭环还需要随着卫星规模增长逐步验证。

虎嗅：你们团队软硬件的人员比例是什么样的？

王子彦：我们公司的软件团队占了很大比例。这里的软件是系统软件。往下要懂驱动、固件、计算机体系结构，甚至芯片架构设计；往上要处理系统中间件、软件工程、不同计算资源的优化和抽象，还要考虑分布式计算，以及航天场景下资源受限、环境和通信状态变化带来的轻量化要求。

我们认为硬件最终大家都有可能做出来，软件和生态的核心能力更关键。过去团队在这方面做了很多积累，但需要和航天工程进一步结合。

虎嗅：前面提到，全球地面站的部署受到约束，这会怎样影响星座对在轨计算的需求？

王子彦：星座规模扩大以后，在轨运控管理、任务规划，如果全部依赖地面站，会遇到很大的挑战。一部分过去放在地面的能力，需要考虑放到天上。

所以我们关注的是，通过新的计算架构降低单星成本，再通过提升星座的计算能力，进一步降低星座和地面站的成本。

虎嗅：照这个逻辑，中科密位近期首先服务商业航天自身的需求。把地面大模型搬到太空、降低Token成本，距离你们当前的业务有多远？

王子彦：这是一个循序渐进的过程。国内目前需要尽快补齐商业航天工业化所需的能力。如果完全沿着把地面大模型放到天上计算的路线走，需要配套的工作非常多：全球地面基础设施、广域天地组网能力、高能效芯片和软件生态，以及火箭成本，都会影响最后的商业结果。

国内现在也在布局大算力星座，我们参与了一些方案的撰写、论证和产品交付。这是在为未来的太空AI基础设施做准备。