本文来自微信公众号： 太空与网络 ，作者：老谭
PART 01
一个让人沉默的问题
几个月前，在一次商业航天的闭门交流中，某头部民营航天公司的技术负责人问了一个在场没人能立刻回答的问题：
"SpaceX的星链已累计发射约12000颗卫星，其中10000多颗仍在轨运行。他们的自主避碰系统实时进行碰撞预测，每颗卫星每个月自动变轨几十次——全部不需要地面确认。我们的卫星发了50颗，地面团队40个人，每天还在手工处理轨道数据。我就想问，这条路怎么走下去？"
这个问题是整个行业的痛点。传统航天的范式是精密的、缓慢的、每个动作都经过地面确认的。一颗卫星配一个团队，一次变轨需要三天计算、两天复核、一天执行。这个范式在几十颗卫星的年代毫无问题。但当星座规模从几十颗膨胀到几千颗、甚至几万颗时，以人为中心的运维模式在物理上就不可能了。
如果说传统卫星是只能打电话的“诺基亚”，上天即定型；那么SpaceX与Palantir等变革者，正在为航天器装上“iOS系统”与“AI大脑”。这不仅是技术的升级，更是从“制造硬件”到“定义智能”的范式革命——让卫星从冰冷的工业品，进化为在太空中持续生长、不断创造新价值的智能生命体。
PART 02
SpaceX：
航天物理基础设施的“极致AI化”
马斯克没有单纯把AI看作软件。他将AI深度融入了火箭回收、卫星星座自组织和制造的物理实体中。
最直接、也最让人焦虑的例子是Starlink的自主碰撞规避系统。
传统航天器避碰的逻辑是这样的：地面监测中心收到NORAD（北美防空司令部）的轨道数据，工程师手动计算碰撞概率，如果超过阈值，写变轨方案，层层审批，然后上行指令。整个过程少则三到五天，多则两周。
SpaceX的做法完全不同。星链的每颗卫星搭载了自主决策软件，在轨实时接收NORAD数据，用AI算法自行判断碰撞风险，一旦概率超过十万分之一，卫星自动规划最优避碰轨道并执行，地面不参与决策。
这件事真正的冲击不在于技术本身，而在于它揭示了一个被很多人回避的事实：如果未来中国的万星星座也要靠地面团队手工维护，那需要的不是几百人，是几万人。
以AI为中心的自主运维是未来万星星座的唯一可行路径，但必须有跨组织、跨部门的协作机制配套，否则可能在提升效率的同时放大安全风险。
星链的星间激光通信是另一个被低估的AI应用场景。
卫星之间通过激光链路传输数据，听起来很酷。但卫星以每秒约7.8公里的速度在轨道上高速运动，激光束的直径只有几厘米，要对准几百公里外另一颗卫星上的接收器——传统的动力学算法在这件事上表现不错，但不够好。
SpaceX引入了类似互联网路由的AI算法，实时计算多跳传输的最优路径。当地面用户的数据包进入星链网络，系统会自动判断：是先传给西边的卫星、再经过三跳传到用户附近，还是通过正在经过上空的另一颗卫星直接落地？
这本质上是一个太空版的路由问题。只不过路由器在高速运动，链路在不断开合，拓扑结构每秒钟都在变化。传统的确定性路由协议在这种环境下效率很差。SpaceX的做法告诉我们，太空网络的核心瓶颈不是激光器有多强，而是AI能不能在毫秒级找到最优链路。
PART 03
Palantir：
太空数据的“超级大脑”与军工大脑
如果说SpaceX展示了AI如何改造航天物理基础设施，那Palantir展示了另一条更让传统航天人不安的路径：你不做AI，别人会用AI调用你的卫星。
Palantir正通过AIP（Artificial Intelligence Platform，人工智能平台）平台，彻底重塑太空作战逻辑，它不仅能通过自然语言让指挥官像“聊天”一样调度太空资产，更通过MetaConstellation（元星座）系统将AI算力直接推向太空边缘，让卫星从“天上的照相机”进化为具备实时识别与决策能力的轨道智能体。其工作流大致是：
AI持续监测多源情报数据→发现敏感区域异常（如军事基地内车辆集结）→系统自动生成遥感观测任务，调度最近的商业遥感卫星→卫星拍摄完成→在轨实时进行AI识别→将结果推送给指挥决策系统。
这一整条链路的目标，是把从发现异常到形成可用情报的周期从传统的数天压缩到数十分钟级别——在理想条件下（卫星恰好经过上空、地面站网络完备、AI模型预加载）可以达到分钟级响应。但必须指出，这一流程中涉及的法律审批、指挥权限、敌我识别等环节，在实际作战中仍需要人员参与，分钟级是技术能力上限而非常态。
这件事最震撼的还不是速度，而是商业模式的变化。传统遥感卫星公司卖的是原始影像，一张图多少钱。Palantir模式卖的是决策结果——不是给你一张图让你自己看，而是直接告诉你“这里有一辆发射车，坐标是XXX，建议在XX分钟内采取行动”。
从卖数据到卖决策，价值链从数据向上游服务移动，这个转变意味着遥感行业的底层定价逻辑被重写了。
天上现有超过几万个可跟踪物体——正常工作的卫星、报废卫星、火箭残骸、爆炸碎片。它们在轨道上以每秒7~8公里运动，一块几厘米大的碎片就足以摧毁一颗数亿美元的卫星。
Palantir整合雷达、望远镜、卫星遥感等多种分散异构数据源，用AI生成太空碎片的实时动态3D图景，预测空间危险。其平台能识别出一颗报废卫星是否开始失控翻滚，或某颗他国卫星是否在进行不正常的变轨。这种能力对于几万颗卫星同时运行的时代至关重要——人类工程师每天手动核对上万个目标的轨道是不可能的。
Palantir本质上是在用数据融合和AI预测能力，重构太空态势感知与轨道安全管理。
PART 04
新物种：三条意想不到的赛道
如果说SpaceX和Palantir是巨头的游戏，那下面几家公司的故事展示了不同的AI航天路线。
01
Loft Orbital：
卫星界的“安卓”
Loft Orbital推行“卫星即服务”。他们在标准化的卫星平台上搭载了名为“Cockpit”的软件系统，并搭载专用AI加速芯片。客户不需要发射卫星，只需把AI算法上传到已在轨的卫星上，就能直接在太空运行自己的应用。
造卫星、申请频率、找火箭发射，周期长、门槛高。Loft的模式将这一流程压缩为“买一个API接口，上传代码”。
02
Slingshot Aerospace：
太空版的高德地图
Slingshot做的事情简单说就是太空交通管理。
地面上有高德地图给你规划行车路线、提示拥堵、识别违章。太空里也有同样的问题——几万颗卫星和碎片挤在有限的轨道资源里，谁在正常飞行，谁在失控翻滚，谁在做可疑的接近机动。
Slingshot的AI系统对数十万个在轨物体做行为模式识别。它能区分“这是正常的轨道漂移”和“这是有人在接近我的卫星”。2023年，Slingshot的预警系统被美国太空军采用。
这件事最有意思的地方在于：太空飞行物的“意图识别”正在变成一个AI问题，而不是轨道力学问题。
03
Capella Space&ICEYE：
AI读懂SAR图像
合成孔径雷达（SAR）卫星可以穿透云层和黑夜成像，是全天候遥感的利器。但SAR图像不像光学像片那样直观，充满了噪点和几何畸变，传统解读依赖专业分析人员，成本高、效率低。
Capella和ICEYE各自用深度学习模型在轨实时去噪、自动识别目标。ICEYE的算法可以自动检测建筑物高度变化，Capella的系统能识别港口船只的型号和载重信息。星上AI处理还能大幅减少需要下传的数据量——比如只下传发现异常的区域，而不是整幅图像。SAR的AI化，真正改变的不是它的成像能力，而是它的使用门槛和响应速度——让原本依赖专业判读的全天候数据，逐步转化为可快速调用的近实时信息。
PART 05
不可逆转的趋势
写到这里，让我们回到开头那个问题：当国外公司用AI把航天变成软件问题时，我们还在用造硬件的心态做航天，这条路走得通吗？
坦率说，国内商业航天这几年发展很快。火箭在进步，卫星在迭代，资本在涌入。但仔细观察，大多数公司做的事情，和十年前并没有本质区别——造更好的火箭、更轻的卫星、更高分辨率的相机。
这些很重要。但SpaceX、Palantir、Loft Orbital带来的启示更尖锐：AI不是航天的加分项，而是改写游戏规则的那张牌。
具体来说，三个信号值得认真对待：
第一，不结盟就出局。Palantir自己不发射一颗卫星，却通过AI平台调度了整个商业遥感星座。这意味着任何遥感卫星公司如果不把自己的数据接入AI生态，就等于主动退出“高价值数据市场”。国内的情况更艰难——AI公司和航天公司之间几乎没有像样的合作。大模型厂商不懂航天的工程约束，航天企业不懂AI能做什么，中间缺一个像Palantir那样的“翻译者”。
第二，星上算力将重新定义卫星的价值。当Loft Orbital在卫星上塞进谷歌TPU的时候，传统的“更高分辨率、更大带宽”的竞赛范式正在被颠覆。未来的竞争，比的不是卫星能拍多清楚，而是卫星能算多快、能在轨做出什么决策。抗辐射AI芯片、星上操作系统、分布式边缘计算架构——这些今天看起来“不够航天”的东西，可能才是未来最核心的卡脖子环节。
第三，也是最刺痛人的一点：我们可能需要怀疑“自主可控”在AI航天时代的真正含义。如果SpaceX的自主避碰系统处理着全球最密集星座的碰撞风险，如果Palantir的AI调度着全球商业遥感卫星，如果Loft Orbital把计算平台铺到了轨道上——那当我们还在论证“国产化率”的时候，外面已经在用软件标准定义了整个行业的接口和规则。接口是谁的，生态就是谁的。这不是危言耸听。
这一系列变革揭示了一个不可逆转的趋势：当发射入轨成本持续下探、卫星制造走向标准化量产时，航天产业真正的经济制高点和价值锚点，正在向软件化、AI化悄然转变。
轨道不会等人。当你在会议室里讨论要不要引入AI的时候，碎片已经以7公里每秒的速度绕了地球三圈。这不是一个技术路线选择，这是一个生存问题。
——Slingshot Aerospace创始人