本文来自微信公众号： 太空与网络 ，作者：老谭
截至目前为止，具备成熟星上AI处理能力的卫星仍然只是少数。大量在轨卫星依旧扮演着“飞行相机”或“空中路由器”的角色：它们拍照、下传原始数据，再交给地面处理。花大价钱把传感器送上天，数据却还要绕一大圈回到地面才能真正产生价值。
这不仅仅是效率问题。这是一个产业链的定价逻辑问题——整个航天数据经济的底层假设错了。
传统上，行业习惯把星上计算平台看作“太空里的云计算”——仿佛只是把AWS那一套搬到天上，按计算资源收费。这个类比听起来顺，但仔细一算就会发现不对。太空里没有无限的电力和散热，没有运维人员更换坏掉的硬盘，也没有光纤帮你做数据复制。太空里的“云”，本质上是边缘计算——最远、最贵、最容易坏的边缘节点。
这就是本篇的核心论点：星上计算平台的市场规模被严重低估，不是因为分析师少算了卫星数量，而是因为它本质上卖的不是“太空里的云算力”，而是“在轨道上提前处理数据的能力”。看懂这个差异，才能看懂这个市场真正的价值。
···
真正省下来的，不是算力钱，而是把数据弄回地面的钱
多数人对星上计算的第一直觉是错的。他们以为星上AI芯片要和英伟达GPU比性价比——那当然比不过。但星上计算真正值钱的地方，不是“算得便不便宜”，而是能不能少花很多钱，把数据从天上弄回来、再处理成可用结果。
这里先说明一下。很多卫星运营商本来就有自己的地面站，所以原始数据下传不一定表现为一笔直接付给外部公司的现金费用。但如果按商业地面站服务的价格来算，100GB原始数据从LEO下传到地面站，天线使用费大约在500—1000美元之间，这还没算带宽占用费。对于经常在南海、北极、中东等关键区域过顶的任务，稀缺的并不只是价格，更是窗口、覆盖和调度能力本身。
而一颗SAR卫星每天产生的数据量通常在500GB到1TB之间。若按商业服务价格来算，单星每天对应的下传资源价值可能达到2500—5000美元，一年接近100—200万美元。对于一个30颗卫星的星座，这部分资源价值一年就可能达到3000—6000万美元。即便运营商使用自有地面站，这笔钱也没有凭空消失，它只是没有直接付给别人，而是变成了自己建站、养团队和占用资源的成本。
星上AI计算做的事情并不复杂：在卫星上完成数据筛选、压缩和初步推理，只下传真正有意义的数据，甚至只下传推理结果本身。结果是，需要下传的数据量可以减少70—90%。像“这张图里有没有舰船”这样的目标检测任务，100GB原始影像最终可以压缩成十几KB的元数据：坐标、时间、置信度。一年省下来的地面站费用，就可能达到2000—5000万美元。
再反过来看星上计算平台的采购成本。对于规模化星座，每颗卫星分摊到星上处理模块上的成本大约在5—20万美元之间。这笔账其实并不复杂。
但这还不是全部。传统产业链的底牌在于——地面站费用只是明面上的冰山一角。
“我们的客户经常抱怨卫星数据太贵。但真正贵的不是数据本身，而是把数据从卫星上弄下来、存起来、找到人处理它，再交付到用户手里的整个链条。这个链条上有至少四个独立的利润中心——每个都要赚钱。”——某遥感数据平台创始人，2025年行业闭门研讨会
···
隐性成本：你看到的费用只是水面的三分之一
传统卫星数据处理链路的成本结构，远比表面数字复杂。对没有自建站网的公司来说，地面站租赁费是第一层；对拥有自有站网的公司来说，第一层则是站网建设、值守、维护和调度成本。两种模式在财务报表上的呈现方式不同，但本质上都在为“把数据接回来”这件事付费。问题还不止于此。
很多关键区域——极地、赤道、海洋——根本没有足够的地面接收资源。第二层是数据分发：从地面站通过专线或互联网传到处理中心，每个月可能就是几万美元到几十万美元。第三层是归档存储：TB级数据的冷热分层存储，以及安全合规要求。第四层则是人工解译：卫星运营商的团队、分析公司的分析师，甚至最终用户自己的解读成本。
业内研究普遍指出：一个典型的侦察或遥感卫星在5年运营周期中，数据管理成本——包括下传、传输、存储、处理和分发——完全可能达到卫星本身造价的1.5—3倍。换句话说，采购卫星只是买了一个起点，不是终点。真正的预算大头，往往在后续运营期里。
星上计算平台改变了这个成本结构。它不是在卫星的账单上加一行“AI处理费”，而是直接消掉了下游成本结构中的多行。因为很多工作已经在天上做完了，所以后面每多处理一批数据，新增成本会变得很低。
正因如此，如果只统计“星上计算平台本身”的直接市场规模，得到的往往不是一个特别夸张的数字。不同机构给出的口径差异很大，但大体都落在“当前仍是亿美元级、未来有机会走到十几亿美元级”的区间。增长不慢，却还不像地面云或大模型那样足以一眼震撼投资人——这也正是它容易被低估的原因。
但如果换个角度，去看星上计算到底帮用户省下了多少钱、缩短了多少时间、又创造了多少新价值，那它对应的空间就会大得多。星上计算真正值钱的地方，不只是它自己卖了多少钱，而是它让后面的接收、传输、存储和人工处理都变得更省、更快。
这不是简单算加减法的问题，而是你到底把它当成什么生意来看。若把星上计算平台简单当作硬件去卖，它的价值一定会被低估。更合理的看法，是把它看成一种能够缩短整条链路、提升交付效率的基础能力。这也引出了另一个更尖锐的问题：这部分因为更快、更省带来的额外价值，最终该由谁来拿走？
$500—1000—如果按商业服务来算，100GB数据单次下传的大致价格
70—90%—星上AI计算可减少的下传数据量
亿美元级—当前这门生意本身的大致体量
十几亿美元级—中长期可能长到的规模区间
远高于硬件收入—真正值钱的是后面整条链路省下来的钱和时间
···
三种商业模式：从“卖铁”到收平台服务费
星上计算平台的商业模式正在经历一轮飞跃。目前可以看到三种完全不同的路径，在毛利率、客户锁定强度和可扩展性上差异巨大。
第一种：直接卖硬件——最传统，也最容易理解。卫星运营商把星上处理模块作为卫星采购的一部分：定制硬件、一次性研发投入。Ramon.Space、Ai4orbit等早期玩家，主要依靠这一路径起家。
这种模式下，客户买的是一个具体产品，比如一台耐辐射的星载计算机。毛利率可以做到30%—50%，但增长高度依赖卫星发射节奏：今年发10颗卫星，你的硬件也就卖10套。没有经常性收入，也没有明显网络效应。
第二种：按使用过程收费——不一次卖断，而是持续收服务费。以Loft Orbital和KubOS为代表，客户不再直接买硬件，而是按在轨运行时间或算力消耗付费。
Loft的Cockpit平台允许用户把AI模型部署到在轨共享计算资源上，某种意义上像一个太空版的AWS Lambda：你写一个函数，由Loft的卫星替你执行。它的优点是能持续不断收钱，而且每做成一单往往比单纯卖硬件更赚钱；但问题也很现实——在轨算力是昂贵而稀缺的物理资源，不可能像地面云那样无限扩展。只有当星座和任务密度持续扩大，这种模式的收入天花板才会被真正抬高。
第三种：做平台、收平台服务费——最难，但想象空间也最大。这种路径更接近Palantir的逻辑：客户不是在平台上单纯购买算力，而是在平台上构建属于自己的数据应用。
这种平台往往不按“你用了多少芯片时间”收费，而更像按“你在这里完成了多少数据处理、融合了多少来源、沉淀了多少业务能力”收费。它通常也比单纯卖硬件更赚钱，因为客户一旦把整套工作过程都放进这个平台，想换一家就会很麻烦。这是最像“操作系统”的商业模式，但也是最难建立的模式，因为它同时要求数据源、开发者工具和行业理解三者成熟。Palantir这类公司很接近这一方向，但它们目前最强的优势仍主要在地面侧的数据整合、决策支持和流程编排，而不是已经把天上和地面的整套处理流程完全打通。
三种模式的路径差异不仅决定了赚不赚钱，还决定了谁更容易成为最后的赢家。直接卖硬件，更适合硬件巨头和定制方案商；持续收服务费，更适合能持续发射卫星、提供稳定算力平台的公司；做平台收平台费，则更适合拥有数据和开发者生态的公司——而后者通常未必是传统航天公司出身。
“Loft和Palantir的商业模式之争，本质上是‘太空公司做SaaS’和‘软件公司做太空’的路线抉择。前者更了解卫星，后者更了解客户。我不确定哪条路最终会赢，但我确信——两边都觉得自己才是对的。”——航天投资机构Space Capital合伙人，2025Q1行业简报
···
谁将主导？云计算巨头与垂直平台的正面竞争
这里有一个真正值得停下来想三分钟的问题：云计算巨头（AWS、Azure、Google Cloud）和垂直平台（Loft Orbital、Palantir、UP42），谁最终会主导“轨道上的边缘计算”？
云巨头的逻辑清晰而强势。它们不造卫星、不发射卫星，但始终想控制“通往太空的数据管道”。AWS Ground Station率先把地面站能力做成了标准化服务；微软的路径则更强调Azure Space的伙伴生态，也就是把“从太空把数据接进云里”这件事做得更顺。在它们的叙事里，卫星只是云的一个边缘节点——就像一辆联网汽车或者一个工业摄像头。卫星采集数据，通过地面接入体系流入Azure/AWS的大型数据仓库，在那里完成更大规模的处理和分析。在这个模型里，星上计算的角色被最小化——也许做一些过滤和压缩，但主要的“真正思考”还是放在地面上一大组专门跑AI和图像处理的服务器上。
垂直平台走的是一条几乎相反的路。Loft Orbital以及Palantir所代表的平台派都在强调，有些限制不是你想花钱就能完全解决的：不是你想传多少就能传多少，也不是你想什么时候回传就什么时候回传。地面的算力再便宜，也无法替代在轨的即时响应。它们更看重的是把轻量级筛选、推理和异常检测尽量前移，只把高价值结果回传地面。这种策略的真正价值不是单纯省带宽，而是创造了地面云无法提供的服务：更接近实时的太空情报与任务响应。军事领域尤其如此——一个指挥官需要知道“十五分钟前那个雷达信号是不是一艘新的潜艇”，而不是“前天的高清影像经过三维渲染后的结果”。
这不是“谁的技术更好”的问题，而是两种做生意方式之间的竞争。云巨头押注地面算力会始终更便宜，因此数据终究要回到地面；垂直平台押注越来越多的应用会要求秒级甚至毫秒级响应，因此数据必须在天上先处理一部分——地面再便宜也没用，因为信号传输速度本身就是硬限制。
两种逻辑各自成立。但有一个变量可能打破平衡——谁更擅长同时处理太空和地面这两个完全不同的计算环境。云巨头有规模、有生态、有资本，但在“太空工程”方面的积累仍然有限。垂直平台正好相反：它们更懂航天，但规模更小、生态更弱、品牌影响力也更局限。
在这个变量上，一个有趣的现象值得关注：云公司和垂直平台都在补自己的短板。微软过去几年持续通过Azure Space伙伴体系推进“把太空数据顺利接进云里”的能力，AWS也早早把地面站和云处理捆在一起；反过来，Loft这类公司则在努力把“太空基础设施”包装成更像软件开发平台的产品。垂直平台的支持者会说：大公司动作笨拙，等它们真正理解轨道约束，先行者已经占领了市场。但历史也反复证明——在平台经济的战争里，有生态的一方往往后劲更足。
···
反共识：为什么“卫星数据中心”短期难成主流
有一个正在圈内发酵、值得警惕的观点，是所谓“卫星数据中心”的构想。有人认真讨论在轨部署大规模计算节点，相当于把半个AWS数据中心发射到天上。这个方向并非空想，近两年已经开始出现真正的算力卫星和在轨计算验证任务，说明“把部分处理能力送上天”正在从概念走向工程化。
但这并不意味着地面数据中心的架构可以被简单复制到轨道上。太空中最稀缺的资源不是运力，而是功耗、散热和系统级可靠性。一台地面GPU服务器的TDP是几百瓦到几千瓦。在太空中，这些热量主要依靠辐射散出去，电力也要由有限的太阳翼和储能系统提供。近年的工程进展已经证明，特定规模的在轨计算和散热并非无解；真正难的是把它扩展成大规模、通用型、经济上可持续的数据中心。这仍然受制于能源、热控、质量、寿命和维护体系的综合约束。
所以，更准确的判断不是“卫星数据中心永远不会发生”，而是短期内更现实的路径，不是把完整云数据中心搬上去，而是先把高价值处理能力尽量前移到轨道上。未来几年更可能率先规模化的，不是通用型太空云，而是“高度专门化的在轨处理节点”：做筛选、压缩、融合和推理，把最有价值的结果近实时地下传到地面。换句话说，真正先发生的趋势，不是数据中心上天，而是图像处理先上天。
这一点对投资者尤其重要：不要把这个赛道简单想成下一个英伟达式的大芯片市场。它未必会成为一个万亿美元级的半导体市场，但它完全可能成为提升遥感、通信和国防效率的关键变量。
“在太空里，最先成立的不是把地面云完整复制上去，而是把最有价值的数据处理尽量前移到轨道上。把一吨原始数据变成一公斤高价值结果，这才是星上计算最现实的工程方向。”——前NASA喷气推进实验室计算架构师，现星上计算初创公司CTO
···
星上计算平台不是太空中的AWS。它是太空数据处理链条上最昂贵、也最关键的一环——把原始数据转化成可交付价值的“最后一厘米”。谁先跑通这一套经济模型并实现规模化，谁就更有机会成为这个新赛道的定价者。