夜雨聆风一、今日学习目标
二、太空算力与AI的融合：从"数据回传"到"在轨智能"
2.1 为什么太空算力必须与AI结合？
传统卫星是"数据收集器"——它们不知道自己看到了什么，只是盲目采集数据，经过地面站时再全部下传。这种模式面临三大瓶颈：
AI与太空算力的结合，本质上是将"天感地算"转变为"天数天算"——让卫星在数据源头就具备理解、筛选和决策能力。
2.2 太空算力的AI应用层次
根据东吴证券研究所《太空算力：苍穹之上的下一代计算范式》，太空算力与AI的融合包含三个递进层次：
层次一：太空边缘计算（Space Edge Computing）
定义：在数据源头（单颗卫星）上进行实时数据处理、分析与智能过滤，最大限度减少不必要的数据下行。
核心价值：
典型案例：2021年12月，全球首颗云原生边缘计算卫星成功发射。通过KubeEdge系统重构与轻量化AI推理模型Sedna，实现：
层次二：太空云计算（Space Cloud Computing）
定义：依托星间高速激光/射频通信链路与分布式计算框架，在轨构建具备弹性伸缩、高可用性的天基云计算基础设施。
核心价值：
产业实践：
层次三：太空分布式计算（Space Distributed Computing）
定义：整合卫星星座、空间站、深空探测器等多类太空平台上的异构计算节点，构建广域互联、协同运作的天基分布式计算网络。
核心价值：
技术支撑：2026年3月，NVIDIA发布太空计算平台（Space-1 Vera Rubin Module、IGX Thor、Jetson Orin），将数据中心级AI推理能力带入轨道，支持轨道数据中心（ODC）和自主空间操作。
2.3 在轨AI的技术实现路径
路径一：专用AI芯片/模块
路径二：软件定义卫星+云原生
路径三：天地协同推理
三、太空算力与云计算的融合：天基云基础设施
3.1 从地面云到天基云的演进逻辑
地面云计算的核心价值在于资源池化、按需分配、弹性伸缩。太空算力将这一范式延伸至轨道空间：
维度 | 地面云计算 | 天基云计算 |
基础设施 | 地面数据中心（服务器集群） | 轨道数据中心（卫星/星座） |
资源形态 | 虚拟CPU/内存/存储 | 星载AI算力/星间带宽/在轨存储 |
服务模式 | IaaS/PaaS/SaaS | Space IaaS（太空基础设施即服务） |
延迟特性 | 毫秒级 | 星内微秒级，跨星毫秒级 |
覆盖范围 | 受光纤/基站覆盖限制 | 全球无缝覆盖，含极地、海洋 |
3.2 关键技术与标准
辐射加固计算平台：太空边缘计算要求硬件能在高辐射、极端温度环境下可靠工作。欧洲航天局（ESA）发起**GPU4S（GPU for Space）**计划，评估GPU组件在卫星系统中的适用性。
空间数据中心可行性：
