空间云计算
AI 摘要：空间云计算是指将数据处理、存储和智能分析能力部署到卫星等轨道平台，通过天基算力网络为用户提供在轨计算服务的技术范式。其核心特征是从“天感地算”转变为“天数天算”，卫星不再只是数据采集和转发节点，而是具备独立运算能力的智能节点。北京邮电大学牵头的太空算力云于 2026 年 8 月正式常态化提供在轨算力服务，基于天算星座 16 颗低轨卫星和 7 个地面站，已服务超过 100 家用户。星上边缘计算可显著降低遥感数据回传的带宽需求和处理延迟，在应急响应、海洋观测和 6G 通信等场景中具有独特价值。
一句话定义
空间云计算是指将计算、存储和智能分析能力直接部署到卫星等轨道平台，通过天基算力网络为用户提供在轨数据处理和决策服务的技术范式，其核心目标是将传统的“天感地算”模式转变为“天数天算”模式。
概念边界：空间云计算与地面云计算的区别
空间云计算的核心判别标准是算力是否部署在轨道平台上。地面云计算将服务器集中在数据中心，用户通过网络将数据传输到云端完成计算；空间云计算则将计算单元部署在卫星上，数据在采集现场直接完成处理。
| 对比项 | 地面云计算 | 空间云计算 |
|---|---|---|
| 算力位置 | 地面数据中心 | 卫星等轨道平台 |
| 数据流向 | 用户→云端→用户 | 在轨采集→在轨计算→结果回传 |
| 覆盖范围 | 依赖地面网络 | 全球无缝覆盖 |
| 能源来源 | 电网 | 太空太阳能 |
| 散热方式 | 水冷/风冷 | 辐射散热 |
| 典型场景 | AI训练、工业仿真 | 遥感在轨处理、应急响应 |
空间云计算与地面云计算的区别是：前者回答“在太空就地计算”，后者回答“把数据传到地面算”。两者是互补关系而非替代关系——地面云适合大规模AI训练和复杂仿真，空间云适合在轨数据的即时处理和低时延决策-2。
核心优势：为什么把算力送上天
空间云计算的核心优势体现在三个方面：时效性、覆盖能力和战略价值。
时效性优势来自消除数据回传环节。在传统“天感地算”模式下，卫星拍摄的高清遥感图像数据量动辄数GB甚至数十GB，必须先将原始数据全部传回地面数据中心，再完成解析和分析。这一流程受限于卫星过境窗口和地面站接收能力，往往耗时数小时-2。空间云计算实现“就地采集、就地计算、就地决策”，几秒之内就能将火点、倒塌建筑位置等核心信息传回地面，将应急响应效率提升数个量级-2。
覆盖能力优势来自天基节点的全球分布。地面数据中心和网络基础设施无法覆盖海洋、荒漠、极地等区域，而低轨卫星星座可实现全球100%无缝覆盖-2。这一特性使空间云计算能够为远洋航运、极地科考、偏远地区提供算力服务。
战略价值来自轨道资源的稀缺性。低轨道的优质轨位和无线电频率资源按国际规则“先到先得”，太空算力作为未来数字基础设施的核心组成部分，率先完成布局意味着在下一代空间信息竞争中掌握主动权-2。
系统架构：太空算力云如何运作
空间云计算系统的核心架构由三部分组成：在轨算力平台、地面站网络和运营服务平台。
在轨算力平台是空间云计算的计算核心。以北京邮电大学牵头建设的太空算力云为例，该平台基于2021年发射的“天算星座”，已部署16颗低轨卫星和7个地面站-5-13。卫星搭载太空服务器，通过“太空操作系统”实现算力调度和任务编排。平台已形成三项核心技术能力：构建自主可控的“太空操作系统”生态，将一次性在轨试验转化为可复用、可迭代的平台化服务；形成面向太空环境的云原生软件运行底座，支撑在轨软件灵活部署和长期可靠运行；实现卫星载荷协同调度，为太空数据的在轨即时处理和卫星自主决策提供基础-1-3。
地面站网络承担天基算力与地面用户的连接。运营服务平台通过打通卫星平台、太空服务器、地面站与地面数据中心之间的任务编排、算力调度、数据计算和服务供应环节，实现复杂操作的端到端自动化，为用户提供覆盖任务申请、部署、运行、监测和结果回传的全生命周期算力服务-1-3。
性能数据验证了系统能力。自投入在轨服务以来，该太空算力云运行稳定，已支撑在轨大数据计算、6G通信、分布式存储等重点场景的在轨试验任务，累计完成数百次太空算力调用，服务用户超过百家。基于国产原生软硬件生态，大模型推理能效比达到10词元/焦耳（Tokens/J），太空算力服务覆盖率超过10%-1-8。
应用场景：从遥感处理到6G通信
空间云计算的应用场景正在从技术验证向业务化服务扩展。
遥感数据在轨处理是空间云计算最直接的应用场景。传统遥感数据处理依赖地面数据中心，卫星拍摄的原始影像需要全部回传后再进行处理。空间云计算通过星上边缘计算实现目标检测和变化识别，仅将分析结果或筛选后的有效数据传回地面，大幅降低对下行带宽的需求-4。在森林火灾监测中，星上处理可在数秒内识别火点位置并直接告警，避免数小时的传输延迟导致火情蔓延-2。
6G通信与卫星互联网是空间云计算的重要应用方向。国际电信联盟已确定6G的未来应用场景包括“AI与通信的融合”和“无处不在的连接”-9。研究人员正在探索将卫星转变为边缘计算节点，使AI模型和数据能够在卫星与地面站之间持续流动。香港大学和西安电子科技大学提出的“空地流体人工智能”框架，通过流体学习、流体推理和流体模型下载三项技术，在卫星移动性和间歇性连接的限制下维持AI服务的连续运行-9。
应急通信与低时延决策是空间云计算的独特价值场景。太空算力云已在实时数据处理、低时延智能决策和卫星网络能力迭代等方面形成持续服务能力，为卫星互联网、6G、商业航天和应急通信培育新的产业增长点-1-3。在灾害场景中，星上算力可在通信中断的情况下独立完成灾情分析和决策，不依赖地面基础设施。
常见问题 FAQ
空间云计算和边缘计算是什么关系？
空间云计算是边缘计算在太空环境的延伸。边缘计算的核心思想是将计算能力从中心化的云端下沉到靠近数据源的边缘节点，以减少延迟和带宽消耗。空间云计算将这一思路应用到轨道平台：卫星本身成为边缘节点，在数据采集现场完成计算，避免将原始数据全部传回地面。中国科学院微小卫星创新研究院的综述研究将这一范式称为“轨道边缘计算”（Orbital Edge Computing, OEC），并指出其关键挑战包括卫星的能源约束、辐射环境和热控限制-4。
太空算力云的算力有多大？
太空算力云的算力规模尚处于早期阶段，但已具备实用能力。基于天算星座的太空算力云已服务超过100家用户，大模型推理能效比达到10词元/焦耳（Tokens/J），即每消耗1焦耳能量可生成或处理约10个词元-13。作为参照，地面数据中心的AI推理能效通常在数词元/焦耳量级，太空环境的能效优势来自太阳能供电和辐射散热的物理特性。但太空算力的绝对规模远小于地面超算中心，其定位是“地面算力的补充和延伸”，重点服务于在轨数据的即时处理和天基网络的自主决策-13。
空间云计算能处理什么样的任务？
空间云计算主要处理对时效性要求高、数据量大且不宜全部回传的任务。典型任务包括：遥感影像的在轨目标检测和变化识别，仅将检测结果或有效区域传回地面；卫星互联网的星上路由和流量管理，减少对地面网关的依赖；6G通信的星上AI推理和模型更新；分布式存储的星间数据管理-1-4。不适合空间云计算的场景包括大规模AI训练、工业仿真和需要海量算力聚合的复杂计算，这些任务仍依赖地面数据中心。
空间云计算的散热问题怎么解决？
空间云计算的散热是核心技术挑战之一。地面数据中心依靠空气对流（风冷）或液体循环（水冷）散热，而太空为真空环境，没有空气对流，热量只能通过传导到卫星表面再以辐射方式排散-2-4。辐射散热的效率远低于对流散热，这意味着星上计算单元的功耗必须受到严格控制。高性能计算硬件在太空中更容易受到辐射影响，且功耗和发热量更大。为保护敏感组件，卫星需要额外的辐射屏蔽、冷却系统和更大的储能，每一项都增加体积和重量，直接推高发射成本-4。