**截至2025年,地球轨道已有约1.6万颗卫星,预计2030年增至6万至10万颗;轨道拥挤导致碰撞风险、空间碎片和光污染加剧,人类需借助AI管理太空交通并维护卫星健康。** **要点** **1. 卫星数量激增引发多重太空安全风险** 大型星座加剧光污染、干扰天文观测;卫星越密集碰撞概率越高,碎片累积可能触发“凯斯勒综合征”,导致轨道无法使用。即便未达灾难级,失效卫星也会成为移动风险源。 **2. 卫星无法维修,老化失效是现实隐患** 卫星寿命有限,需承受辐射、温差和机械应力,无法像飞机一样送回车间。2025年3月NASA一颗大型卫星失控再入大气层,暴露出对大规模在轨航天器缺乏维护手段的困境。 **3. 传统地面监测已难应对万颗级星座** 地面工程师通过遥测数据分析卫星状态,但卫星数量从几十颗增至数千颗后,人工处理带宽到达上限,急需自动化手段替代。 **4. AI可提前识别卫星电池等关键部件退化** 基于NASA公开卫星电池数据,机器学习模型能识别老化特征并预判性能衰减。地面可据此调整卫星工作模式(如降低功耗任务频次),延长使用寿命。 **5. 联邦学习让卫星网络实现协同自监测** 卫星无需传回全部原始数据,而是本地“学习”后共享分析结论,节省带宽和能耗。长期有望实现大型星座持续自我监测,但模型需大量测试验证,且任何自主决策必须处于人类监管之下。
地球轨道已有1.6万颗卫星,到2030年,预估可达10万颗……
2026-10-09 20:16

地球轨道已有1.6万颗卫星,到2030年,预估可达10万颗……

本文来自微信公众号: 世界科学 ,作者:编译 莫庄非,原文标题:《地球轨道已有 1.6 万颗卫星,到2030年,预估可达10 万颗……》


你知道有多少颗卫星绕着地球转吗?


截至今年10月,共有约1.6万颗人造地球卫星在轨,为全球各类业务提供支持,包括GPS导航、气象预报、金融业务、应急服务以及互联网通信等。


不过,同时也应看到,1.6万已是个拥挤的数字,而鉴于每隔数周就会有数十颗新卫星发射升空,保守的预测者判断,到2030年,绕地卫星数量将达到令人震撼的6万颗——更激进些的预估则认为突破10万并非难事。


卫星数量猛增带来一项重大挑战:针对日益拥挤的轨道环境,人类该如何在保障卫星持续稳定工作的同时,又做好安全管控?AI又可以从哪些方面、以怎样方式支持人类管理太空交通?


拥挤轨道的风险不难想象。一方面,大型卫星星座会加重光污染,也会干扰天文观测与夜空环境。另一方面,卫星越密集,“轨道交通”越繁忙,发生碰撞的概率越高,空间碎片也越积越多。


在最坏情况下,太空碎片会引发失控连锁反应,即所谓的“凯斯勒综合征”(Kessler syndrome):大量碎片如云层般笼罩着地球轨道,导致轨道无法使用,人类再也无法发射卫星或开展其他太空任务。


即便尚未发展到碎片云灾难,卫星一旦老化或受损失效,也会成为安全隐患。它们可能与其他物体相撞,或不受控制地重返大气层。


这就引出一个现实难题:卫星没法简单地被带回地球维修,地球上的人类该如何维护数万颗远在数百公里高空的航天器?



卫星无法永久服役


今年3月,美国宇航局(NASA)的一颗大型卫星失控并再入大气层,这让卫星维护问题受到更多关注。


美国太空军(US Space Force)方面证实,该航天器的再入点位于东太平洋上空。NASA预计,卫星的绝大多数部件会在再入过程中烧毁,可能有一小部分幸存。


除了全球媒体报道和大众关注,行业专家也聚焦此次事件,努力追踪卫星坠落轨迹,估算碎片潜在落点——毕竟,说不定哪天就有块大型碎片落到人口稠密地区。


上述事件警示我们:卫星的工作寿命并非无限,它们也会像飞机和汽车那样老化、损坏,也会经历电池性能衰减、电子元件磨损,还要承受严酷太空环境持续造成的损耗。


但不同于飞机汽车的是,我们无法把卫星送入维修车间。


卫星一旦发射入轨,就要在极强辐射、剧烈温差以及持续机械应力下运转。在轨维修虽然具备技术可行性,但成本高昂,实际应用寥寥无几。


如何保障卫星“健康运行”?


目前,对卫星健康状况的监测在地面进行。


工程师会接收源源不断的遥测数据,从中查看电池性能、设备温度、功耗以及星载系统的各项状态。通过分析数据,可以寻找到故障预警信号。


上述模式几十年来都行之有效。但随着卫星星座数量从几十颗增长到数百甚至数千颗,旧方法越发难以为继,地面操作人员能够同时处理的信息规模有其上限。


人工智能或可解决困境。研究人员正探索如何借助AI,在卫星设备退化至遭遇毁灭性故障前识别出早期迹象。


以电池为例,卫星的电池类似智能手机和电动汽车的,其性能会随时间逐步衰减,若能及早检测出这种性能退化,地面操作人员或可调整卫星的工作模式,延长其工作寿命,规避突发故障。


实现调整的方式是向卫星发送新指令,例如降低高功耗任务的运行频次,调整数据处理与传输时机,或将非核心系统设置为待机模式。那么,具体如何检测退化问题呢?


今年4月,澳大利亚天主教大学的人工智能专家托尼·简(Tony Jan)最近提出一种利用AI维护卫星电池的方法。根据文章介绍,研究团队基于NASA公开的卫星电池数据,通过机器学习识别电池老化特征、预判设备未来性能。类似的预测性维护系统在飞机、风电场和制造工厂中已有应用。


卫星之间可以互相学习


简教授等人的技术方案还引入了联邦学习(federated learning)。


传统机器学习模式下,会有海量卫星数据被传回地球做分析,而这耗费大量时间、带宽和能源。联邦学习则另辟蹊径:单颗卫星不必持续回传每一份原始数据,而能基于自身数据,从自身经验中“学习”,并将有用的分析结论共享给其他卫星或者地面系统。


简单来说,联邦学习模式下的卫星,可以彼此助力、互相成就,更好地识别潜在故障。长期来看,这套技术方案有望支持大型卫星网络持续进行自我监测。


当然,新技术仍存在明显局限。


一方面,人工智能无法防范每一次卫星故障,也难凭一己之力消除太空垃圾或解决轨道拥挤问题。


另一方面,预测模型需要大量测试,比如基于历史卫星数据、故障场景模拟和实验室电池实验的验证工作;通过测试,才可放心将模型应用于在轨卫星。


此外,任何自主决策系统必须具备足够可靠性,以胜任那些安全上不容有失的应用场景,与此同时始终处于人类监管之下。


新时代航天事业的未来重大挑战,不只是再发射十万颗卫星,更要确保卫星足够智能,有能力监测自身状况、及早发现问题,从而支撑太空服务安全、可靠、持续地运行。


资料来源:


There are already 16,000 satellites in Earth’s orbit.How will we manage the next 100,000?

AI创投日报频道: 前沿科技
本内容来源于网络 原文链接,观点仅代表作者本人,不代表虎嗅立场。
如涉及版权问题请联系 hezuo@huxiu.com,我们将及时核实并处理。
正在改变与想要改变世界的人,都在 虎嗅APP