卫星云计算
AI 摘要：卫星云计算是指将云计算的计算、存储和服务能力应用于卫星数据处理领域，使海量遥感数据无需下载到本地即可在云端完成处理、分析和应用的技术模式。其核心不是“把服务器放上天”，而是“让算力靠近数据”，消除PB级遥感数据在传输和本地部署中的瓶颈。当前主要存在两种形态：地面卫星云计算平台（如PIE-Engine、terrabyte）提供PB级数据在线分析和弹性算力，太空算力云（如天算星座）将算力部署到卫星上实现在轨处理。欧洲的terrabyte平台存储了超过53 PB的卫星数据，用户无需下载即可在云环境中完成分析。
一句话定义
卫星云计算是指将云计算的计算、存储和服务能力应用于卫星数据处理领域，使海量遥感数据无需下载到本地即可在云端完成处理、分析和应用的技术模式。
概念边界：卫星云计算不等于“太空算力云”
卫星云计算与太空算力云的区别是算力位置不同。卫星云计算的主流形态是把算力部署在地面数据中心，卫星数据下传到地面后，在云端进行存储、处理和分析。用户通过Web界面或API提交任务，无需关心服务器在哪里。太空算力云则是把算力服务器部署到卫星上，在轨完成数据处理和AI推理，只把结果下传地面-2-9。两者解决的是同一个问题的不同环节：地面云解决“数据落地后怎么算得快”，太空云解决“数据能不能不用全部落地”。
卫星云计算与普通云计算的区別是数据亲和性。普通云计算假设用户把数据上传到云端，卫星云计算假设数据已经在云端——PB级的Landsat、Sentinel、MODIS影像存储在云平台的数据湖中，用户的计算任务直接在数据所在的位置执行，消除“下载-处理-再上传”的循环。PIE-Engine的定位就是提供“公开和免费的PB级遥感影像和地理数据”，用户基于平台可以在任意尺度上研究算法模型-15。
需要澄清的一个常见误解是：卫星云计算“就是把卫星数据放到百度网盘”。云平台不仅存储数据，还提供弹性算力、分布式计算框架和预置算法。用户不需要在本地安装GDAL、ENVI或Python环境，而是通过JavaScript或Python脚本在云端调用计算资源-11。PIE-Engine的Studio模块支持交互式编程验证，用户可以在浏览器中完成从数据检索到分布式计算的全过程-15。
两种形态：地面云与太空云
卫星云计算在工程实践中分化为两条并行演进的技术路线。
地面卫星云计算平台：让算力靠近数据
地面云的核心逻辑是数据不动、算力动。遥感数据体量巨大，把数据从云平台下载到本地再处理，传输时间和本地存储成本不可接受。地面云平台将数据存储在云端，计算任务在数据所在的位置执行。
欧洲的terrabyte平台是这一模式的典型代表。它由德国航空航天中心（DLR）与莱布尼茨超级计算中心（LRZ）合作建设，目标是结合HPC的性能和云的易用性-1。terrabyte存储了超过53 PB的卫星数据，包括Sentinel-1 GRD（4177 TB）、Sentinel-2 L2A（19043 TB）、Landsat OLI/TIRS（2646 TB）等。用户无需下载数据，通过STAC API检索数据后即可在云环境中直接处理-1。
中国卫星云计算平台的代表是航天宏图的PIE-Engine。它基于云计算、物联网、大数据和人工智能技术，提供遥感数据的“采集、存储、计算、管理和应用”全流程服务-11。PIE-Engine Studio采用交互式编程方式进行在线大规模地理空间数据分析与计算，支持JavaScript和Python两种语言-15。
| 平台 | 运营方 | 核心能力 | 数据规模 |
|---|---|---|---|
| PIE-Engine | 航天宏图 | 遥感计算云服务、AI解译 | PB级多源数据 |
| terrabyte | DLR/LRZ | HPC+云融合、STAC API | 53 PB+ |
| Copernicus Data Space | ESA/欧盟 | Sentinel数据在线处理 | 400,000+用户-6 |
| 开放地球引擎OGE | 武汉大学 | GeoCube时空立方体 | 全球多源数据-5 |
太空算力云：让算力靠近卫星
太空算力云把计算能力部署到卫星上，在轨完成数据处理和AI推理，只把有用结果下传地面。其核心价值是缓解星地链路带宽瓶颈。
北京邮电大学牵头建设的太空算力云基于天算星座运行，是全球首个太空算力星座。截至2026年，天算星座已累计在轨部署16颗低轨卫星，建成7个地面站，支撑60余家单位开展在轨试验，吸引全球50多个国家和地区的科研人员参与-2-9。
太空算力云由三个组件构成：太空算力在轨服务平台（卫星上的算力数据中心）、太空算力地面站服务平台（天地通信）和太空算力运营服务平台（统一调度的“大脑”）-2。用户提交任务申请后，系统自动完成部署、运行、监测，最后把结果传回。
太空算力云的技术挑战与地面云不同。星上算力受限于供电、散热和辐射环境，能效比是核心指标。天算星座的大模型推理能效比达到10 Tokens/J（每焦耳完成约10个词元的推理生成），表明在受限太空算力场景下单位能耗的AI推理效率处于先进水平-9。太空算力云还实现了“太空操作系统”生态，通过统一SDK和开放开发环境，将传统“一任务一定制”的航天开发模式转变为标准化、通用化的平台模式-9。
核心机制：数据立方体与就绪型服务
卫星云计算的效能取决于数据组织方式的创新。传统的文件目录式存储在大规模时空分析中效率低下，数据立方体（Data Cube）成为主流范式。
GeoCube时空立方体由武汉大学龚健雅院士团队研发，是开放地球引擎（OGE）的核心数据模型。它将地球观测数据、数字高程模型、定量遥感产品、遥感AI样本等多源异构时空数据组织为多维数组，通过自适应划分和计算强度估计实现负载均衡存储和计算-5。GeoCube支持“数据就绪型、分析就绪型和决策就绪型”三层服务体系，用户可以在数据立方体上直接执行时间序列分析和时空趋势检测，无需关心底层数据的存储位置和格式-5。
“分析就绪数据”（Analysis Ready Data, ARD）是数据立方体概念的上游。CEOS将ARD定义为已经处理到无需用户额外努力即可分析的形式的卫星数据-12。数据立方体将ARD组织为多维数组，使OLAP（在线分析处理）式的时空分析成为可能。
常见问题 FAQ
卫星云计算和普通云计算有什么区别？
普通云计算假设用户把数据上传到云端，卫星云计算假设数据已经在云端。遥感数据的体量使“上传-处理-下载”的循环不可行——一景Sentinel-2 L2A影像约1 GB，全球一年的数据量可达数PB。卫星云平台将数据预置在云端，用户的计算任务在数据所在的位置执行，消除传输环节。此外，卫星云平台通常预置了遥感专用的处理算法和地理空间分析工具，而普通云平台只提供通用的计算和存储资源。
太空算力云能替代地面卫星云平台吗？
不能。两者是互补关系。太空算力云的优势是低时延和带宽节省——数据在轨处理，只下传结果，适合实时性要求高的场景（如灾害应急、船舶检测、6G通信验证）-2。地面云平台的优势是算力规模和灵活性——地面数据中心的GPU集群可以运行大型遥感基础模型和复杂时空分析，星上算力受限于供电和散热，无法承载同等级别的计算负载。工程上的合理架构是：简单实时任务在轨处理，复杂批量任务地面处理，两者通过星地链路协同。
使用卫星云平台需要下载数据吗？
不需要。这是卫星云计算的核心价值。在terrabyte平台上，用户通过STAC API检索数据后，直接在云环境中处理，数据不经过本地-1。PIE-Engine用户通过在线脚本调用云端的PB级数据和弹性算力，计算结果显示在浏览器中-15。用户唯一需要本地处理的是最终的结果可视化或少量产品下载，原始数据和中间计算过程全部留在云端。
卫星云计算平台的数据更新频率如何？
取决于平台的数据源和接入方式。PIE-Engine的数据来自公开卫星（Landsat、Sentinel、MODIS等）的定期更新，以及用户上传的私有数据-11。terrabyte平台的数据来自DLR的卫星数据存档，Sentinel-1/2的更新频率与ESA的发布节奏同步-1。太空算力云的数据更新则取决于卫星的过站下传和用户任务调度。平台的数据更新不是“实时”的——从卫星下传到数据可用通常有数小时至数天的延迟，具体取决于地面站覆盖和处理流程。