太空正在成为科技巨头安放算力焦虑的新去处，但真正能飞上天的技术远比科幻叙事收敛得多。
前Google云与SpaceX星链产品经理Rama Afullo创立的太空软件初创公司Satlyt，宣布完成由Non Sibi Ventures领投的800万美元种子轮融资。随着其软件搭乘印度硬件商TakeMe2Space的卫星通过SpaceX火箭升空入轨，这家公司试图扮演太空版Android或VMWare的角色，向NASA、太空态势感知公司Stellerian等客户提供跨卫星的分布式AI软件调度。不过，在官方披露渠道上，Satlyt至今仅登记过Antler与XSLA参与的早期轮次，领投方与创始团队官网对这笔800万美元的正式公报仍存静默，这种信披落差恰恰折射出整个太空算力赛道在宏大叙事与商业落地间的微妙拉扯。
撕下超算外衣：64%压缩率背后的真实账本
大众对轨道算力的第一直觉，往往是地面电力见顶后、将整座数据中心搬上太空的宏大图景。但微观工程实测撕开了这层滤镜。
在Google DeepMind联合Satlyt进行的实测中，运行在轨的AI并非庞然大物，而是通过llama.cpp轻量化部署的开源小模型Gemma 3 1B。两次注入故障的诊断测试里，系统把原本需要完整回传地面的1318字节与1319字节软件遥测日志，就地提炼为464字节与469字节的诊断结论。这意味着回传体积被直接砍掉了64.4%至64.8%。
卫星在轨运行，最昂贵、最受限的资源就是把数据传回地面的下行通信带宽。地面站过境时间短暂，频段授权昂贵，星载传感器积攒的大量原始图像和遥测堆栈日志根本无法全量下传。星载AI眼下最直接的商业变现路径，不是代替地球上的服务器做通用大模型训练，而是充当守门员：在星上完成首轮边缘筛查，把无效数据就地过滤。
地面实测同样指明了太空硬件的极度受限。当Satlyt在嵌入式模块NVIDIA Jetson Orin Nano上测试Gemma 4 E2B时，推理阶段处理器功耗仅11 W（相比空闲仅新增7至8 W），内存占用约4 GB，生成速度维持在19 tokens/s。这套被TakeMe2Space的MOI平台（搭载具备117 TOPS算力的Jetson Orin NX）带上天的软硬件组合，证明了当前太空AI的本质：它不是悬浮在天际的超级算力池，而是一块带着严密电源限制的低功耗边缘网关。
真空的物理刑具：散热阻断与单粒子翻转
太空虽然坐拥取之不尽的太阳光照，却设立了极其残酷的物理禁区：真空里没有空气，也就失去了对流散热的一切通道。
在地面机房，风扇和水冷可以带走成百上千瓦的高密度发热；但在近地轨道，芯片散出的每一焦耳热量都只能依靠金属板向深空进行辐射散热。即便只是增加7至8瓦的算力负载，也会让小型计算模块产生3–5°C的温升。若要把真正的高性能集群送上天，卫星表面必须挂载极其庞大脆弱的辐射散热翼板。
更致命的是宇宙射线的物理撞击。高能粒子穿透机体引发的单粒子翻转，会让毫无抗辐射保护的消费级GPU随时出现内存错码或死机。Starcloud虽然在2025年11月发射的Starcloud-1上成功让单颗NVIDIA H100完成了在轨小模型微调，但代价是沉重的防护结构与不可逆的寿命折损。
太空算力面临的不是摩尔定律失效，而是硬件折旧速度跑赢了航天发射周期。
在地面上，AI芯片两到三年迭代一代，淘汰的算力卡可以通过折旧转入低负载机房；而在轨卫星的制造与审批周期漫长，发射成本沉没于火箭升空的瞬间。把数千颗高功耗GPU射入太空，意味着卫星还未入轨，其算力成本模型就已经落后于地面。
目前，行业分化成了两种完全不同的取向：
以SpaceX、Google及Starcloud为代表的重型建设者，依然在追求宏大版图。FCC已正式受理SpaceX提交的最多100万颗轨道数据中心系统申请，其向欧洲监管机构披露的远景更是每年向轨道输送100 GW电力算力；Google则通过Project Suncatcher验证太空TPU。另一端，则是Satlyt与TakeMe2Space选择的轻资产中间件路线。Satlyt不造卫星硬件，而是拿到NASA小额企业技术转移计划（STTR）的149,529美元前期资助，先后与Rogue Space Systems签署任务部署协议（涵盖OTP-2与OTP-2B），并联手航天公司（The Aerospace Corporation）在NASA的DiskSat架构上探索虚拟计算池。它们只想在别人发射的卫星边缘卡上，充当一个跨平台的轻量调度器。
渐进自治：太空路由器的真正边界
当我们在谈论把模型推向太空时，还必须回答一个工程底线：大模型存在不可消除的幻觉，卫星却经不起一次姿态控制失误。
用一个1B参数的小模型把遥测日志压缩掉64%，固然节省了下行带宽，但一旦模型因语义混淆丢弃了关键传感器异常信号，地面工程师就可能错失挽救整颗航天器的黄金窗口。Satlyt在现阶段采取的MissionOps模式是一种妥协下的渐进自治：模型负责在星上识别异常、压缩归并日志，但最终的修正指令与高风险飞控操作，依然保留给地面人工审批。
- 风险.小模型在轨压缩遥测数据可能丢失微弱但关键的物理故障先兆，纯软件层面的过滤算法目前难以承受飞控容错率为零的工程代价。
退一步看，Satlyt规划在明年推进的两颗卫星跨星算力云测试，依然充满不确定性。星间激光链路带宽、星体相对运动引起的延迟抖动，都让多星算力协同的复杂度呈指数级上升。当大模型热潮向深空蔓延，真正能跑通商业循环的，从来不是靠科幻叙事堆砌的太空机房，而是像当年海底电缆中继器一样，默默在严苛环境中吞吐数据、压缩带宽的基础路由系统。
- 结论.太空算力的第一桶金属于能帮卫星省下通信账单的节流软件，而不是挑战物理极限的自造星超算狂想。