“太空與網絡”重磅推出《AI+商業航天》系列專題

本文是“產業生態與政策”子專題的第三篇

中國AI航天真正要補的，是生態組織能力

六個子專題文章拆到最后，一個更清楚的結論浮出來：中國AI航天并不是沒有芯片、沒有衛星、沒有算法、沒有場景，而是這些能力之間還沒有形成穩定連接。真正要補的，不是一張更長的零件清單，而是一套能讓數據、平臺、場景、采購和人才持續流動的產業組織方式。

作者 | 老譚

這一篇是整個“AI+商業航天”六個子專題系列的收束。

前面五個子專題，我們分別看了星上AI芯片、遙感智能、管星組網、星上計算平臺和典型應用場景。

第六個子專題，我們看的是更上面的東西：產業生態與政策。

如果把前面每一層單獨拿出來看，中國都不是空白。

芯片有地面AI算力基礎，衛星有長期工程積累，遙感有數據資源和行業應用，星上智能計算也已經有天智一號、天智二號D星等在軌驗證。

真正的問題不是“有沒有”，而是“有沒有連起來”。

芯片能不能進入真實衛星任務？衛星數據能不能變成可訓練、可評測、可復用的數據集？星上計算能不能從技術驗證走向開放平臺？行業用戶能不能持續購買空間智能服務？民營公司能不能在真實場景中反復試錯？

這些問題加在一起，才是中國AI航天下一階段真正要面對的主線。

一、六層不是六個問題，而是一條鏈

這組文章原本按六個子專題展開，看起來像六個不同專題。

但寫到最后會發現，它們其實是同一條鏈上的不同環節。

星上AI芯片解決的是算力從哪里來。

遙感智能解決的是數據怎樣變成判斷。

管星組網解決的是大規模星座怎樣運行。

星上計算平臺解決的是AI能力怎樣在軌道上部署。

典型應用場景解決的是結果怎樣進入地面業務。

產業生態與政策解決的是這些能力怎樣持續被采購、投資、迭代和擴散。

如果只做其中一層，最多形成一個技術樣板。

如果六層之間接不起來，就會出現一種很熟悉的狀態：每一塊單獨看都有成果，但合在一起很難變成產品。

這不是中國航天獨有的問題，也是很多硬科技產業都會遇到的問題。

技術驗證可以由項目推動，生態形成卻必須依靠連接。

二、芯片層：不是沒有芯片，而是缺少航天任務牽引

中國并不缺AI芯片設計能力。

龍芯、寒武紀、華為昇騰等，都說明中國在通用計算和AI加速方向已經有較強積累。

但星上AI芯片的問題，不只是算力指標。

它還要面對功耗、溫度、可靠性、抗輻照、軟件生態、任務驗證和長期在軌運行。

對航天任務來說，“能跑”還不夠，還要“敢用”。

一顆衛星的任務周期很長，發射之后無法像地面服務器一樣隨時換卡、換板、換散熱。航天單位采用新芯片時，真正顧慮的不只是性能，而是任務失敗風險由誰承擔。

所以，中國要補的不是單純再造一顆更強的AI芯片，而是建立從地面測試、輻照評估、星載驗證到任務采用的完整鏈條。

沒有這條鏈，芯片企業不知道航天任務真正需要什么；航天單位也不敢輕易把關鍵任務交給新硬件。

三、數據層：不是沒有遙感數據，而是缺少訓練數據工程

中國已經擁有豐富的遙感衛星和行業應用基礎。

但“有數據”和“有AI可用的數據”，是兩回事。

AI需要的不只是影像本身，還需要標注樣本、質量控制、統一格式、評測基準和長期更新機制。

如果每個部門、每個地區、每個項目都各自整理一套數據，模型就很難跨場景復用。

這就是為什么很多遙感AI項目能做演示，卻難以變成穩定產品。

對農業、應急、生態環境、基礎設施巡檢這些場景來說，真正需要建設的不是簡單的數據開放，而是一套面向AI訓練和驗證的數據工程體系。

這套體系可以分級開放。

敏感數據不必全部公開，但可以通過脫敏樣本、低分辨率樣本、標準評測集和受控訪問機制，讓高校、企業和行業單位有機會在共同基準上訓練和比較模型。

數據只有從“項目資料”變成“產業基礎設施”，AI航天應用才可能持續進步。

四、平臺層：已有技術樣板，但還缺開放生態

中國在星上智能計算和軟件定義衛星方向并不是空白。

天智一號已經驗證了軟件定義衛星和星上云計算平臺的思路。公開資料顯示，它可以在軌開展數據處理和星載應用程序運行。

天智二號D星進一步把軟件定義衛星推向更高算力和更強智能調度能力。公開報道提到，它具備較高星載算力，并嘗試把多個分系統統一到微云計算平臺上。

這些案例非常重要。

它們說明中國已經有技術樣板，不應再把問題寫成“國內沒人做”。

但技術樣板和產業平臺之間還有距離。

真正的平臺，要讓更多團隊能上來試算法、試應用、試任務流程；要有標準接口、應用管理、算力調度、安全隔離和長期運營機制。

歐洲的 OPS-SAT 給了一個值得參考的方向。它不是為了完成某個單一業務任務，而是作為在軌實驗室，允許研究團隊上傳軟件、執行實驗、下載結果。

中國下一步更需要的，不是再證明一次“星上能計算”，而是把在軌驗證能力做成更開放、更標準、更可持續的實驗平臺。

五、場景層：不是沒有需求，而是缺少產品化翻譯

中國AI航天的應用場景非常多。

應急減災需要更快判斷受災范圍；農業管理需要更穩定地識別作物和災損；電網、鐵路、管線和水利設施需要更高頻巡檢；生態環境和自然資源管理需要長期監測。

問題是，這些場景的語言和航天技術的語言并不一樣。

航天單位常說分辨率、重訪周期、載荷能力、星座規模。

用戶部門更關心的是：能不能減少一次現場巡查？能不能更快出報告？能不能直接生成工單？結果錯了誰負責？下次還能不能繼續用？

中間缺的，就是產品化翻譯。

把衛星能力翻譯成客戶能購買、能驗收、能持續使用的服務。

這件事不能只靠科研項目完成，也不能只靠一次招標解決。它需要行業知識、軟件工程、客戶成功、數據治理和長期運營。

誰能把這些環節串起來，誰才有可能把AI航天從“項目交付”變成“持續服務”。

六、生態層：真正缺的是持續循環

美國AI航天生態值得研究，不是因為它每個技術點都領先，而是因為它的循環跑得比較順。

資本能找到公司，國防采購能提供需求，政策能給商業公司進入真實場景的通道，人才可以在科技公司、國防科技公司和創業公司之間流動。

中國有自己的優勢。

我們的工程組織能力強，場景集中度高，重大任務牽引明確，央國企和政府部門可以形成大規模應用場景。

但生態循環仍然需要補。

如果采購還是一次性項目，企業就很難做長期產品。

如果數據接口不統一，模型就很難跨場景復用。

如果在軌實驗機會太少，星上AI就很難快速迭代。

如果民營公司只能做邊緣配套，就很難長出平臺型能力。

所以，中國AI航天的關鍵不只是“加大投入”，而是讓投入能形成循環。

有場景，有數據，有平臺，有采購，有反饋，有下一輪產品升級。

這條鏈跑起來，生態才會變厚。

七、近期最值得做的四件事

第一，建設開放式在軌實驗平臺。

可以借鑒 OPS-SAT 的思路，也可以結合天智系列已有基礎，形成面向高校、企業和科研機構的在軌軟件與AI驗證平臺。

重點不是衛星本身有多大，而是讓更多團隊真正經歷一次“地面開發、上注軟件、在軌運行、結果回傳、復盤優化”的閉環。

第二，建設AI航天訓練數據集和評測基準。

不必一開始追求全面開放高分數據。

更現實的做法，是先在農業、應急、基礎設施巡檢、生態環境等高頻場景中，建立分級數據集、標注規范和模型評測標準。

這樣企業和科研團隊才知道自己到底是在進步，還是只是在各自的數據集上自我證明。

第三，把智能運營能力前置到巨型星座規劃中。

巨型星座不是衛星數量的簡單累加。

衛星越多，任務調度、碰撞規避、通信資源分配、在軌健康管理和數據下傳安排就越復雜。

如果智能運營能力等到星座建成后再補，會非常被動。

在星座設計階段就考慮星上計算接口、任務編排系統、數據處理鏈路和自動化運控機制，成本遠低于后期補課。

第四，建立空間智能服務的采購品類。

如果采購目錄里只有衛星數據、系統集成、軟件開發，很容易把AI航天服務拆散。

真正的客戶需求往往不是“買一張圖”，而是“買一個判斷”“買一個預警”“買一個巡檢結果”“買一個可追責的業務服務”。

采購品類一旦能容納這類服務，企業才有動力把AI能力做成產品，而不是每次都包裝成項目。

八、三條需要避開的路

第一，不要只追星座數量。

衛星數量當然重要，但不是全部。

下一階段的競爭，不能只看誰發得多，還要看同等星座規模下，誰能更智能地調度任務、更快處理數據、更穩定服務客戶。

第二，不要把生態建設等同于體制內立項。

國家和央國企適合做基礎設施、標準、數據底座和長期場景牽引。

但應用產品、算法迭代、客戶服務和商業模式，仍然需要企業在市場中不斷試錯。

如果所有環節都由項目制包辦，生態會很整齊，但不一定有活力。

第三，不要追求面面俱到的全面趕超。

通用遙感基礎模型、全球商業星座、國防AI工作流、星上計算平臺，每一條都很重要，但不可能同時用同樣強度推進。

更現實的方式，是選擇中國有場景密度和組織優勢的方向先做深。

例如應急減災、農業監測、基礎設施巡檢、巨型星座智能運控、SAR與AI結合等領域，都可能成為更適合中國先突破的方向。

結語：從零件清單到系統設計

整個“AI+商業航天”系列，從芯片講到生態，最后落到一個問題：

中國到底應該補什么？

答案不是簡單地補一顆芯片、一套模型、一顆衛星、一個平臺。

這些都重要，但它們不是終點。

真正要補的是連接方式。

芯片怎樣進入衛星任務，數據怎樣進入模型訓練，模型怎樣進入星上平臺，分析結果怎樣進入行業流程，企業怎樣通過持續采購活下來，人才怎樣在真實任務中成長。

這些連接，才決定AI航天能不能從技術展示走向產業生態。

海外生態正在加速形成事實標準和用戶習慣。Starlink 的自動化運控、Google AlphaEarth 的地球觀測基礎模型、商業星上計算平臺和國防AI工作流，都在把各自領域的門檻繼續抬高。

中國并不需要照搬它們。

但中國需要盡快形成自己的生態組織能力。

AI航天的競爭，最后不是一顆衛星對一顆衛星、一個模型對一個模型，而是一套系統對另一套系統。誰能把芯片、數據、平臺、場景、采購和人才連接成持續循環，誰才真正進入了下一階段。

六個子專題層系列到這里收束。

如果把十八篇文章壓成一句話，就是：

中國AI航天不缺零件，缺的是把零件組織成系統的能力。

主要參考資料

• 國家航天局：“天智一號”升空開啟衛星智能紀元

• 新華網 / 科技日報：“天智二號”D星升空，我國衛星“智能化”加速

• ESA：OPS-SAT 在軌實驗平臺資料

• Google DeepMind：AlphaEarth Foundations 公開資料

• Google Earth Engine：Satellite Embedding 數據集說明

• SpaceX / Starlink 公開星座運行與避碰資料

本專題系列：? 國外在干什么→ ? 產業邏輯 →? 中國啟示（本篇）

關聯系列：

主系列《AI+商業航天》— / /

子系列《星上AI芯片》— / /

子系列《AI看地球》— / /

子系列《AI管星與組網》— / /

子系列《星上計算與數據平臺》— / /

子系列《AI賦能典型場景》— / /

子系列《產業生態與政策》— 國外案例 / 產業邏輯 / 中國啟示

>End

本文系“太空與網絡”公眾號原創，轉載全文及引用核心觀點至微信公眾號或其它新媒體平臺、及網站，請注明出處、公眾號ID及作者。感謝支持有態度的媒體！

未按照規范轉載及引用者，我們保留追究相應責任的權利

部分圖片難以找到原始出處，故文中未加以標注，如若侵犯了您的權益，請第一時間聯系我們。

HISTORY/往期推薦

充滿激情的新時代，

充滿挑戰的新疆域，

與踔厲奮發的引領者，

卓爾不群的企業家，

一起開拓，

一起體驗，

一起感悟，

共同打造更真品質，

共同實現更高價值，

共同見證商業航天更大的跨越！

——《太空與網絡》，觀察，記錄，傳播，引領。

·《衛星與網絡》創始人：劉雨菲

·《衛星與網絡》副社長：王俊峰

·微信公眾號（ID：satnetdy）團隊

編輯：艷玲、哈玫，周泳、邱莉、黃榕、娜娜

主筆記者：李剛、魏興、張雪松、霍劍、樂瑜、稻子、趙棟

策劃部：楊艷、若?、李真子

視覺總監：董濘

專業攝影：馮小京、宋偉

設計部：顧錳、潘希峎、楊小明

行政部：姜河、林紫

業務部：王錦熙、瑾怡

原創文章轉載授權、轉載文章侵權、投稿等事宜，請加微信：15910858067

商務合作；展覽展廳設計、企業VI/CI及室內設計、企業文化建設及品牌推廣；企業口碑傳播及整體營銷傳播等，請加微信：13811260603

雜志訂閱，請加微信：wangxiaoyu9960

·衛星與網絡各分部：

成都分部負責人：沈淮

長沙分部負責人：賓鴻浦

西安分部負責人：郭朝暉

青島分部負責人：江偉

·衛星與網絡總部負責人：農燕

·會議活動部負責人：喬顥益、許克新、董今福

· 投融資及戰略層面合作：劉雨菲

·本平臺簽約設計公司：一畫開天（北京）文化創意設計有限公司

· 航天加（深圳）股權投資基金管理負責人：楊艷