衛星互聯網智能化技術應用研究與探索

衛星互聯網作為航天和網絡深度融合的新型信息基礎設施，正逐步發展成為世界各國爭奪“制網權”“制天權”，搶奪空間資源、賦能行業應用、引領未來網絡發展的戰略前沿和競爭焦點。我國衛星互聯網發展正處于戰略窗口期，正在加速推進以低軌衛星為主的衛星互聯網系統建設，目前正處于大規模組網建設階段，還未形成商業化落地。衛星互聯網作為未來網絡產業的重要方向，正由專業領域向大眾領域快速普及延伸，具有萬億級市場潛力。

人工智能（AI）技術近年來發展迅速，其在各個產業場景下的應用探索也正在積極鋪開，衛星互聯網正逐步邁向智能化。在衛星互聯網場景下，人工智能技術正憑借其數據建模能力、實時決策優勢及自適應學習特性，加速衛星互聯網產業的商業化進程。近年來，天基計算技術的發展使衛星具備了在軌數據處理能力。隨著大規模星座建設推進，衛星所獲取的數據規模呈指數級增長，數據類型愈發多樣復雜。在此背景下，星載人工智能技術應運而生，它以強大的學習、適應與復雜分析能力賦予衛星在軌智能處理能力，實現從被動遵循預設指令到主動智能分析決策的跨越，已成為衛星智能化發展的核心，為航天事業發展注入新的活力。

本文系統描述了以人工智能為代表的智能化技術發展脈絡，梳理了國內外人工智能在衛星互聯網產業的應用現狀，對其應用效能和特點進行分析，并給出對策建議，以促進人工智能技術在衛星互聯網領域的深度發展。

一、人工智能發展階段

人工智能的核心目標是通過算法和模型模擬人類的認知過程，實現對復雜信息的處理、學習和決策，其本質是對人的意識、思維信息過程的模擬。人工智能技術發展大致經歷五個階段。

一是基于專家知識和規則的推理決策階段，讓機器基于邏輯理解人類。主要通過計算機自動化等手段，將人類專家的知識和經驗轉化為計算機能夠明確理解和執行的規則。這需要建立一套符號表達式，再通過符號規則去操作，如故障分析溯源、早期自動駕駛等應用。

二是基于特征和統計的機器學習階段，讓人像機器一樣探索世界。主要利用數理統計等數學方法，通過無監督的學習從數據中提取一般性規律如數據潛在結構和變化規律，構建機器學習模型，從數據中初步理解規律并按規律執行任務如用戶流量分析、異常行為檢測等應用。

三是依賴網絡結構設計的深度學習階段，讓機器像人一樣觀察世界。主要通過有監督的深度學習，模擬生物神經元的“輸入—處理—輸出”過程，構建多層神經網絡模擬人腦的信息處理機制，針對確定的任務領域，充分理解其中的規律如圖像分析理解、語音識別應用。

四是大模型階段，讓機器像人一樣具備邏輯思考能力。主要通過Transformer模型結構的創新，提升模型應用場景的泛化能力，通過數據、層數、參數與算力的疊加實現智能的“涌現”，顯著提升模型的通用性、智能化水平和邏輯推理能力，實現自主思考的生成內容邏輯性。

五是通用智能體階段，讓機器像人一樣與外部世界交互。核心目標是構建能夠自主完成復雜任務的智能體系統，不僅具備感知和推理能力，而且能夠完成任務的自主決策和執行，通過真實的物理交互與反饋，在動態環境中進行實時學習和自適應優化，實現與外部環境的智能交互。

當前，人工智能技術發展正處于大模型階段。面向未來，大模型向通用智能體的演化正在飛速進行，將進一步借助具身智能等技術，使得人工智能與現實物理世界發生深度交互，并向真正的通用人工智能邁進。

二、人工智能在國外衛星互聯網中的應用研究現狀

國外正在加快推動人工智能在衛星互聯網產業中的技術布局和發展，在網絡設計、建設和運營全流程中大量利用智能技術，并已開始相關技術試驗和演示驗證。人工智能在國外衛星互聯網中的應用主要集中在四個方向，包括端側數據處理、網絡運營管理、網絡安全智能和星上云網融合，賦能衛星互聯網設計建設運營全過程。

（一）賦能端側數據處理，促進衛星自主運行

隨著太空任務的日益復雜，衛星數據呈爆炸式增長，人工智能技術深度融入衛星數據全生命周期處理流程，實現數據分析大模型增強、拓展應用側業務布局和星座任務規劃智能化，顯著提升端側數據的處理效率與價值。

一是采用人工智能大模型增強衛星數據分析能力。衛星通信公司TS2 Space采用人工智能大語言模型增強衛星數據分析能力，將原始衛星數據轉換為便于理解的信息，輔助決策并改善用戶體驗。在信號質量監控方面，大模型可用于監控和分析來自不同衛星的信號質量數據，幫助識別潛在問題并為用戶優化信號強度；在衛星圖像分析方面，分析軍事無人機生成的高分辨率圖像，識別目標對象，例如潛在威脅或環境變化；在預測性維護方面，通過分析歷史衛星數據，幫助衛星設備發現潛在問題，識別問題趨勢和模式，編排運維計劃，確保衛星通信服務的持續性；在用戶支持方面，可以將大模型集成到用戶支持系統中，自動響應用戶詢問并解決常見問題。美國初創公司Starcloud實現太空軌道大模型訓練，在一顆搭載英偉達H100圖形處理單元的衛星上使用莎士比亞全集進行訓練，使得大模型具備莎士比亞式的英語表達能力。

二是利用星上AI提供衛星應用定制化服務。意大利AIKO航天公司開發的“軌道奧利弗”星上人工智能軟件，采用深度學習和專家系統實現衛星自主操作，使衛星自主處理數據、實時做出決策，并根據需要重新規劃任務，目前已完成在軌演示任務，可利用機器學習實時分析復雜的遙測數據、更新任務目標，并根據當前需求自主優化任務計劃。美國帕蘭蒂爾公司（Palantir）研發的“元星座”衛星情報系統，集成了衛星在軌數據處理、星座調度、系統應用以及地面套件，基于自研星上邊緣人工智能平臺及軟件部署平臺（Apollo），可根據用戶需求自動匹配對應算法，將AI模型上注到任務衛星，星上處理過程不到1秒，用戶即可實時收到目標的動態，顛覆了過去情報分發過程的長程煩瑣鏈路，極大提升了對時敏目標的偵察效率。在應用層面，集成了裝有“元星座”系統的電腦、預裝AI算法的無人機以及“星鏈”終端的硬件產品，打通“情報收集—通信—行動指揮”的鏈路，在烏克蘭得到廣泛應用，在地面網絡幾乎全面癱瘓的情況下，仍能保障實時的情報研判。

三是賦能星座自主決策和任務執行能力。美國科學系統公司的“協同任務自主”（Collaborative Mission Autonomy，CMA）是一款星上任務管理軟件，基于人工智能技術開發，可自主處理大量并發任務請求、管理衛星平臺（控制衛星飛行高度）、控制有效載荷、調配衛星資源并規劃任務、運行星上數據處理軟件、傳輸信息，并通過星間網絡在衛星節點間傳遞任務規劃，以滿足不同用戶的“任務分配、搜集、處理、利用和分發”請求。CMA已經在美太空發展局負責建設的國防太空七層架構中初步演示了星載數據自動處理能力，在演示中，CMA在星載計算機處理器上運行，用于光電相機成像數據的收集與分析。美國太空探索技術公司（SpaceX）的“星鏈”項目基于AI驅動的智能管控架構，構建了“感知—決策—執行”閉環的太空信息網絡，實現了大規模低軌衛星群體的智能協同運行，優化上萬顆衛星的碰撞規避策略，任務規劃效率顯著提升。

（二）優化網絡運營管理，輔助衛星星座管理

衛星互聯網運營管理智能化主要集中在網絡狀態管理上，包括實時監控和評估網絡狀態、進行故障診斷與修復、運行智能算法進行流量管理等，實現網絡運營效率提升和輔助衛星星座管理，提高衛星網絡的可靠性與智能化水平。

一是提升網絡運營效率。以色列衛星網絡公司Gilat面向通信服務提供商的人工智能運維（AIOps）平臺SkyCare AI利用人工智能技術支撐數據分析、模式識別、預測建模和自動化決策支持，提高網絡運營效率。具體包括：通過分析大量歷史數據，識別各種關鍵績效指標之間，以及關鍵績效指標與故障之間的相關性，發現特殊的指標關系和異常行為；實時捕獲和分析網絡性能數據，并在偏離預定義的閾值時觸發警報，及時從早期檢測中發現問題，避免過度使用網絡資源或服務質量下降等問題；自動檢測故障實體的主要績效指標，運行一系列診斷測試并提供修復建議，以及自動執行修復措施。

二是輔助衛星星座管理。美國太空發展局（SDA）主導建設的軍用低軌星座“擴散型作戰人員太空架構”（PWSA）在每顆衛星上搭載“作戰管理層”任務分析處理軟硬件，支持基于人工智能的分布式管理、指揮、控制和通信等功能，實現多星自主運行、自適應資源規劃和協調。美國國防部高級研究計劃局發起的低軌衛星星座項目“黑杰克”，致力于搭建軍用全球低軌衛星網絡，驗證其防御高超聲速導彈的可能性，其技術演示衛星上的Pit Boss 智能控制單元搭載高速處理器，可實現在軌數據處理、加密、傳輸，同時可以支持星座自主運行。

（三）探索星上云網融合，形成天基云算能力

隨著人工智能的發展，在單星智能快速發展的同時，國內外相關機構和公司積極探索基于大型星座的星上云網融合應用，減少對地面站的依賴，形成獨立天基云計算能力，提高數據處理的實時性和效率，縮短用戶從數據收集到決策的閉環周期，滿足時敏應用需求。

一是拓展在軌邊緣計算業務。美國衛星制造公司Sidus Space研制的LizzieSat系列衛星配備了先進的AI邊緣計算能力，提供近乎實時的人工智能驅動數據解決方案。目前，LizzieSat-3已完成在軌測試，能夠進行空間態勢感知（SSA）、海事監測和災難響應等關鍵應用的在軌數據處理。LizzieSat-3與前期發射的LizzieSat-1和LizzieSat-2一起，形成了一個不斷擴大的多任務星座。谷歌Suncatcher計劃構建81顆衛星組成的AI集群，目標是為偏遠地區提供低延遲算力服務，同時承接美國航空航天局（NASA）的深空探測數據處理。美國太空探索技術公司（SpaceX）的星鏈項目計劃擴展 V3衛星的在軌計算能力，構建太空數據中心，利用低軌衛星組網形成去中心化算力網絡，以應對AI時代算力資源不足的問題。

二是融入軍用網信體系，提供星上云服務。美國的“黑杰克”星座已經具備了太空云的基本特征。意大利啟動了“軍事太空云架構”研究項目，計劃構建一個具備高效數據處理和共享能力的云服務星座，每顆衛星集成人工智能、機器學習等數據分析算法，可與軍政通信、遙感、導航衛星進行自主連接和數據交換，為用戶提供在軌高性能計算和數據存儲服務。美國的軍用低軌星座“擴散型作戰人員太空架構”（PWSA）計劃基于云網融合架構建設天基指控平臺，自主管理傳輸層、跟蹤層、監管層、導航層、支持層等其他功能層的運行服務，實現對未來整個天基信息支援裝備體系“頂層視角”的掌控。

（四）推動網絡安全智能，增強應對挑戰能力

目前，為了解決衛星通信網絡安全問題，國外相關機構積極推動基于人工智能的網絡安全技術研發，為衛星互聯網安全提供高效、精準和自動化的解決方案。NASA依托邁阿密大學弗羅斯特數據科學與計算研究所（IDSC）實施有關項目，專注于將納米衛星與傳統的大型衛星集成，融合人工智能、區塊鏈技術，研究零信任技術架構對小型衛星網絡的有效性。美國國防承包商正在研發名為“在軌網絡彈性”（Cyber Resilience On-Orbit，CROO）的人工智能工具，旨在通過直接監測在軌衛星系統的行為和遙測輸出，來檢測針對衛星的網絡攻擊。該工具利用機器學習和人工智能技術來識別軌道上的異常行為，其AI模型正在使用高保真合成衛星遙測數據和其他數據進行訓練。

三、人工智能在我國衛星互聯網中的應用研究現狀

目前，針對天基智能計算，我國研究的重點在于地面相關云技術直接移植于星上的可行性，提供類似于地面云平臺的擴展性服務，積極布局在軌人工智能大模型技術，探索開發分布式、網絡化的天基數據基礎設施，實踐網絡攻擊檢測與防御的應用。

（一）融合云服務能力，實現持續可擴展服務

北京郵電大學聯合華為等單位以開源開放的理念聯合推出“天算星座”計劃，通過對衛星進行智能化、服務化、開放化設計，構建了一個空天計算實驗平臺。天算星座基于KubeEdge系統構建云原生星上邊緣計算平臺，使用敏捷開發和DevOps讓用戶快速開發程序，自動化部署應用，并持續更新星載應用，滿足需求變化。天算星座衛星搭載了開源的云原生環境，支持衛星與地面站協同推理，將邊緣計算與衛星計算平臺融合，可同時調用邊緣和中心云的資源并具備AI能力和多任務處理能力，計算精度提升了50%以上，衛星回傳數據量可減少90%。

（二）積極布局在軌人工智能大模型技術群

我國發射了全球首顆搭載人工智能大模型的科學衛星，已經完成了衛星在軌運行人工智能大模型技術驗證，對大模型在軌運行的空間適應性、算力衛星平臺可靠性以及高性能算力載荷在軌有效算力進行了驗證，在軌試驗覆蓋了不同溫度工況及多種推理問答類型。我國研制的天基大模型JigonGPT成功部署于“東方慧眼高分01星”，在軌穩定運行時間遠超同期國外技術演示周期。JigonGPT模型通過輕量化技術壓縮參數量，在保障性能的同時適應星載計算資源限制，實現了遙感數據的在軌實時處理與智能分析。

（三）推動形成天地一體算力網絡服務能力

我國國星宇航公司發布了“星算”計劃，擬部署2 800顆“三體計算星座”算力衛星，打造千星規模的天基智能計算基礎設施，并與地面算力中心互聯互通，構建未來天地一體化算力網絡。首發01組星座12顆衛星通過激光星間鏈實現5POPS集群算力，實現天基遙感模型在軌運行，可面向災害監測、天文觀測等場景進行多模態數據處理，將任務響應時間從“天級”縮短至“秒級”，目前已經打通了商業場景的應用路徑，實現了星上模型部署、服務調度與鏈路閉環。02組星座已經發布，標志著“星算”計劃從“首發技術驗證”轉向“規模化部署”階段。北京市發布了太空數據中心建設規劃方案，提出在700～800公里晨昏軌道布設算力星群，建設運營超過千兆瓦（GW）功率的集中式大型數據中心系統，具備在太空開展超大人工智能模型訓練和推理的能力。目前，已經完成第一代試驗星“辰光一號”產品研制，正在開展總裝試驗。

（四）實踐人工智能與網絡安全的深度融合

我國研制的“衛星互聯網防火墻”安全載荷，聚焦物理層與網絡層協同安全防護的多維一體化，集成多維規則引擎、AI異常行為感知、星上主動巡檢、大模型自主決策與智能誘捕等核心技術。該載荷提供星上算力與實時防御策略編排環境，為星地通信與星間路由構建在軌防火墻屏障。載荷具備10 Gbps高并發流量檢測能力，面對突發高并發流量時能穩定識別風險，為關鍵業務通信提供保障，集成7萬+條高質量威脅檢測規則，滿足了衛星互聯網在網絡安全威脅監測、風險評估、主動防御等方面的迫切需求。

四、產業發展對策建議

未來衛星互聯網產業發展要圍繞一條主線“傳統衛星產業的智能化躍升、未來智能技術的產業化落地”，遵循人工智能技術的演進發展規律，貫穿衛星互聯網設計、建設和運營全過程，從局部建設走向體系化協同。

（一）強化技術創新能力建設

聚焦通用人工智能和衛星互聯網的融合創新，推動大模型與衛星互聯網設計、建設和運營等環節的深度融合。衛星設計方面，鼓勵大模型星上云化部署，開展“一星多卡”的天基超算架構研究，實現單星算力的跨越式提升，為大模型的星上應用提供算力基礎，助力構建“算力支撐、知識主導、智能引擎”的星載軟件體系。系統建設方面，在地面構建高保真的空間數字孿生系統，生成逼真的空間環境模擬數據，用于在軌算法的虛擬測試、驗證和在軌學習策略的預訓練，持續積累樣本數據資源，有效降低試錯成本。系統運營方面，基于海量的用戶數據，模擬不同投資組合（如衛星發射規模、地面站布局、終端補貼力度）下的商業回報周期，輔助企業優化資本投入方向，避免“重建設、輕運營”的短視行為，為產業鏈優化提供科學的決策依據。

（二）加快標志性產品研發

針對航空、航天、海洋、低空經濟、大眾消費等行業的個性化需求，開展衛星互聯網領域需求分析和市場研究，深化人工智能與各行業的融合應用，深入研究人工智能賦能各行業應用的業務流程和痛點，形成差異化的人工智能解決方案。推行“需求導向+迭代研發+批量應用”的產品開發模式，加快研發智能運營平臺、天基智算載荷、天基大模型等標志性產品，結合技術成熟度，按照技術原型驗證、地面集成驗證、系統在軌驗證，逐步形成技術產品標準規范體系，牽引技術攻關，推進技術產品驗證。建立產品迭代機制，根據市場反饋和技術進步，不斷優化產品性能和功能。構建高質量產品體系，與行業龍頭企業合作開展試點示范應用，驗證產品的可行性和有效性，以持續滿足核心重點用戶需求為目標，實行產品全生命周期成本控制，提升產品在市場中的競爭力。

（三）打造典型業務場景示范

聚焦系統網絡優化、運行管控、健康管理和運營服務等衛星互聯網設計建設運營中的關鍵問題，加強具有人工智能特色的衛星互聯網應用梳理。以市場需求為導向，鼓勵衛星互聯網行業龍頭企業提煉并共享其在系統設計、建設和運營等關鍵環節深度應用人工智能的應用場景案例。借助聚類分析方法，將無限多的應用場景歸納為若干類典型業務場景，使同類業務具備較高的能力相似度，不同類業務具備較低的能力相似度，進而從另一個維度將近乎無限的應用場景轉變為相對有限的典型業務場景，如移動寬帶、高度連接、導航增強等。此后，按照“突出重點、聚焦有限目標、把握節奏、分期推進”的思路，優先滿足急切需求和共性需求，視情況滿足個性需求，漸進地滿足拓展需求。通過典型業務場景示范，形成可復制、可推廣的經驗，推動人工智能在衛星互聯網領域的廣泛應用。

（四）建設完善產業生態體系

衛星互聯網產業鏈包括上游的衛星制造與發射、中游的地面設備與運營服務，以及下游的多元化應用環節。建立以標準為牽引、以智能為驅動、以價值為導向的產業協同發展模式，構建完善的項目生成、項目實施、成果應用、價值轉化制度體系，推動產業能級躍升。標準牽引方面，建立網絡技術標準、產業鏈標準、應用服務標準，覆蓋星箭制造、天基智算、運營服務等，推動技術發展、成本降低。智能驅動方面，運用數字孿生、大模型、群體智能等人工智能技術，推動航天系統設計建設運行、產品研發制造的智能化變革，提升系統迭代演進速度和質量。價值導向方面，推動場景開放，圍繞整星集成、核心組件、關鍵芯片等方面，引入地面移動網絡產業鏈優勢，創新“持續賽馬”“開放社區”等機制，促進產業鏈相關企業資源匯聚共創共享，實現衛星互聯網能力開放、業務融合與智能應用。

（五）切實筑牢網絡安全底線

人工智能將為衛星互聯網安全提供更為高效、精準和自動化的解決方案。結合區塊鏈、量子通信等技術，構建基于安全通信網絡、安全區域邊界、安全計算環境的網絡安全防護架構，按照總體風險可控、技術見底、數據可信、權責清晰的思路，完善大模型安全、云安全規則、要求和手段，確保各相關領域基礎數據集和模型的安全可控，以及生成式人工智能輸出結果的安全可信。開展智能模型在軌可信驗證，針對星上在軌資源受限的特點，引入持久學習機制，利用領域知識對潛在的異常數據進行模型設計，并利用星上在線數據進行實時更新，使魯棒性分析更適配實際的在軌環境。借助大數據、大模型技術對衛星互聯網內生安全確定性因素進行歸納總結整理更新，形成網絡內生安全知識圖譜，支撐智能化、自主化衛星互聯網安全防護技術體系建設。

本文來源于《科技中國》2026(02)。李航，深空探測實驗室(天都實驗室)。蘆存博，中國星網網絡創新研究院有限公司。金博，中國電子科技集團公司第十五研究所。文章觀點不代表主辦機構立場。

◆ ◆ ◆

編輯郵箱：sciencepie@126.com