中美太空智能算力与在轨大模型深度对比：从 Suncatcher 的第一首俳句，到三体计算星座的二十五个模型

里程碑（来源1）：2026 年 10 月下旬，Google Project Suncatcher 原型星上的 Gemma 4 模型在轨生成了第一首俳句，Google 称这是“数据中心级 TPU 在轨道上给出的第一次 AI 回答”。

中国进度（来源5、来源8）：之江实验室主导的三体计算星座首发 12 颗计算卫星，在轨算力 5POPS、单星最高 744TOPS；到 2026 年 9 月已有 16 颗计算卫星组网、完成 25 个 AI 模型部署与验证。

美国路线（来源3、来源4、来源11）：美国押注“数据中心级芯片＋巨型星座＋可复用重型火箭”，SpaceX 已向 FCC 申请最多 100 万颗卫星的轨道数据中心系统，但规模化取决于发射价格降到约 200 美元/千克。

本文判断：中国领先在“组网与应用”，美国领先在“单芯片算力与产业资本”；两国真正要跨越的是同一组物理与经济约束，太空算力的近期主战场是在轨推理，而不是在轨训练前沿大模型。

写作说明：标注“来源N”的为公开报道或官方发布；“本文分析”为作者推论。不同项目的算力口径（TOPS、OPS、浮点或整数）、统计口径（模型数量含不含应用）并不统一，文中均按原报道表述引用，不做直接换算。

一、切口：一颗冰箱大小的卫星，写了一首诗

Suncatcher 的“Hello World”

• 2026 年 10 月 1 日，Google 与 Planet 合作研制的 Suncatcher 原型星搭乘 SpaceX Transporter-18 拼车任务入轨，当天确认联络、运行符合预期（来源2）；
• 经过数周调试，团队完成主机与 TPU 托盘上电，运行了早期机器学习测试（来源1）；
• 地面站过境时上传提示词，星上的 Gemma 4 开放模型生成了一首关于太空的俳句，在卫星经过挪威斯瓦尔巴群岛时下传（来源1）；
• 随后又测试了太空主题打油诗和报告载荷技术状态的遥测提示（来源1）。

原诗如下（来源1）：

Blue marble below

Data streams in silent grace

Starlight feeds my core.

光鲜之下的约束

TechCrunch 报道揭示了更多工程细节（来源3）：

• 卫星搭载 4 颗 TPU，最多发电约 1 千瓦；
• 受功率限制，一次只能开启 1 颗 TPU，每次约 20 分钟；
• 下一步将测试 TPU 在热应力和空间辐射下的表现；地面加速器测试显示辐射对推理影响很小，对训练影响更大；
• 若验证通过，2027 年将发射两颗互联卫星，验证更高功率与星间光链路（来源1、来源3）。

本文分析：一颗四芯片卫星一次只能用一颗芯片，恰好浓缩了太空算力的核心矛盾：算力可以送上去，能量和热量却很难同时跟上。

二、美国：数据中心级芯片＋巨型星座

1. Google Suncatcher：最重视“集群”的路线

• 长期设想是 81 颗卫星近距编队飞行、并行处理的轨道数据中心（来源4）；
• Google 团队认为 TPU 之间的带宽和延迟对多机架工作负载至关重要（来源4）；
• 同步发表于《Joule》的同行评议论文估计：按 SpaceX 历史约 20% 的学习曲线，2035 年发射价格可接近 200 美元/千克，但这需要星舰在未来 10 年发射约 1800 次、每年约 180 次，且每次载荷 200 吨（来源4）；
• 辐射复测显示逻辑电路错误略多于预期，但 Google 仍有信心在卫星 5 年寿命内承担大规模推理；项目负责人称典型推理错误率约“百万分之一”，但对数千芯片连续数月的大规模训练已构成问题（来源4）。

2. Starcloud：先把 H100 送上去

• 2025 年 11 月发射 60 千克的 Starcloud-1，搭载英伟达 H100（来源10）；
• 在轨用莎士比亚全集训练了 Karpathy 的 NanoGPT，并运行 Google 的 Gemma 模型，被称为首个在太空训练的 AI 模型（来源10）。

3. SpaceX：百万颗卫星的申请

• 2026 年 1 月 30 日，SpaceX 向 FCC 申请发射和运营最多 100 万颗卫星的“轨道数据中心系统”，FCC 空间局于 2 月 4 日受理并征求意见（来源11）；
• TechCrunch 指出，SpaceX 的数据中心卫星预计也用激光链路，但卫星间距过大，难以有效共享处理；Starcloud 等则以单星推理为主（来源3）。

本文分析：美国路线的特征是“单点极强、资本密集、高度依赖星舰”。芯片是全球最先进的，但真正在轨组网运行的计算星座，目前仍以演示星为主。

三、中国：组网先行，应用驱动

1. 三体计算星座（之江实验室主导）

典型应用（来源6）：

• 2025 年 11 月，星载“地表异常检测模型”发现西北某地火情，并自动识别火点和烟雾范围；
• 2026 年 7 月入列的西光贰号 03 星搭载 3 个 AI 气象模型，把传统气象卫星约 90 分钟的观测预警流程压缩到分钟级。

国产芯片上天：2026 年 7 月 24 日发射的“云尖沐曦号”搭载基于沐曦国产 GPU 的智算载荷和具身智能卫星模型，是国产商用级 GPU 首次接受真实太空环境检验（来源13）。

2. 国星宇航“星算”计划

• 2026 年 10 月 14 日，02 组 8 颗卫星入轨，将验证万瓦级液冷流体回路、超大尺寸展开式辐冷翼、全域激光通信网络、基础大模型在轨训练等关键技术（来源7）；
• 规划 2800 颗计算卫星，其中 2400 颗推理、400 颗训练，2030 年前千星组网商用，2035 年前全部组网（来源7）；
• 2025 年 11 月，阿里通义千问 Qwen3 被上传到星算 01 组卫星，地面提问到结果回传不到 2 分钟（来源12）。

3. 其他力量

• 灵境星座：航天科技集团与浙江省共同布局，规划总投资约 300 亿元、1000 颗卫星，2027 年上半年发射首批 9 颗，搭载“天玄·千河”太空 AI 基础模型（来源8）；
• 天算星座（北邮）：把云原生体系带上卫星，验证星载容器动态更新、模型增量更新（来源9）；
• 激光通信：中科院空天院 AIRSAT-02 通过在轨软件重构，把星地激光通信速率从 60Gbps 提到 120Gbps（来源9）。

本文分析：中国路线的特征是“国家实验室牵头、商业航天制造、多星组网、场景先行”。单星算力不如数据中心级 GPU，但组网、在轨更新和业务闭环走得更早。

四、中美对比

本文判断：

1. 中国在“系统可用性”上领先：组网、调度、在轨模型更新和业务闭环先跑通了；
2. 美国在“单点性能与资本”上领先：数据中心级芯片、千瓦级供电和巨型资本计划；
3. 两国目标不完全相同：中国首先解决“天上数据怎么用”，美国首先探索“地面算力能不能外迁”；
4. 两者最终会在“在轨推理服务”交汇。

五、八大约束条件

1. 能源：发得出电，才算得动

太阳能是太空算力的核心理由，但原型星 1 千瓦只能支撑 1 颗 TPU 约 20 分钟（来源3）。高功率需要大面积帆板、储能和晨昏轨道设计。

2. 散热：真空里只能靠辐射

没有空气对流，热量只能辐射出去。Suncatcher 的 20 分钟运行窗口本身就是热约束的体现（来源3）；星算 02 组专门验证万瓦级液冷回路和超大辐冷翼（来源7）。本文判断：散热是比算力更早触顶的瓶颈。

3. 辐射：推理能扛，训练难扛

辐射可能导致比特翻转并在常规监控下悄悄污染数据（来源3）。Google 判断推理错误率约百万分之一，但长期大规模训练会出问题（来源4）。

4. 星间链路：集群的生命线

分布式推理和训练需要极高带宽、极低延迟。Google 坚持近距编队（来源4），中国已实现多星建链与分布式业务（来源5）。本文分析：激光链路的捕获跟踪、带宽和稳定性，决定太空算力是“一群单机”还是“一台计算机”。

5. 发射成本：一切经济性的起点

Google 估计需要约 200 美元/千克，并对应星舰约 1800 次发射（来源4）。在此之前，太空算力很难与地面数据中心比单价。

6. 芯片与硬件迭代

• 美国有最先进芯片，但需要验证太空耐受性（来源1）；
• 中国国产 GPU 刚完成首次真实太空检验（来源13）；
• 本文分析：卫星寿命约 5 年，而 AI 芯片迭代更快，在轨硬件存在“发射即落后”的风险。

7. 维护：坏了修不了

在轨无法更换芯片，只能靠冗余和软件更新。三体星座 2 天完成模型更新、天算星座验证容器动态更新（来源5、来源9），说明“软件可维护”是当前最现实的补偿。

8. 频轨、碎片与安全

百万星级申请（来源11）将带来轨道拥挤、碰撞规避、天文观测干扰与再入物质问题；在轨模型还面临指令注入、模型篡改和数据主权等安全问题（本文分析）。

六、解决思路与措施（本文分析）

1. 分层定位：先推理，后训练

2. 能源—散热—算力一体化设计

把帆板、辐射器和计算载荷当作一个系统优化，优先发展液冷回路、可展开辐冷翼和按热预算调度的“算力节拍”。

3. 模型适配太空

• 用蒸馏、量化、稀疏化和小模型集群替代单一大模型；
• 默认输出“结论＋置信度”，原始数据按需下传；
• 星上做异常检测、目标识别，地面做复杂推理。

4. 容错计算

• 关键推理双模冗余或三模表决；
• 存储与通信全链路纠错；
• 训练任务频繁检查点，发现异常可回滚。

5. 星座操作系统与在轨运维

推广天基分布式操作系统、容器化部署、模型灰度更新和远程回滚，把“发射前定功能”变为“在轨可演进”。

6. 国产芯片与开放生态（针对中国）

• 建立星载芯片辐照测试和在轨验证公共平台；
• 统一星载算力接口和模型部署规范，避免各星座各自为政；
• 以开放科研轨道吸引全球开发者，形成应用生态。

7. 发射与规模经济（针对两国）

• 中国加快可复用火箭和高频发射，降低单位质量成本；
• 美国需分散对单一运载器的依赖。

8. 治理与安全

• 星座规模与碎片减缓、离轨计划挂钩；
• 在轨模型上传需签名验签与权限分级；
• 数据跨境与在轨处理结果建立审计链；
• 推动国际频轨与太空交通协调机制。

七、对金融与产业的启示（本文分析）

1. 数据时效溢价：农业、保险、能源、航运等依赖遥感的数据服务，将从“小时级”向“分钟级”演进，金融机构可提前研究卫星数据驱动的风控与定价；
2. 不宜高估短期替代：太空算力近 5 年不会显著替代地面数据中心，投资判断应区分已在轨验证与仅在规划中的项目；
3. 关注产业链节点：激光通信、星载芯片、热控、可复用火箭和星座运营软件，是比“算力总量口号”更可验证的价值节点；
4. 重视口径差异：TOPS、OPS、浮点与整数算力常被混用，评估项目时应要求统一口径和第三方测试。

八、结语

Google 用一首俳句宣告数据中心级 TPU 在轨可用（来源1），三体计算星座用 25 个模型证明了组网后的业务闭环（来源8）。两条路线各有长板，也面对同一组约束：能源、散热、辐射、链路、发射成本和在轨维护。

本文的判断是：未来五年，太空智能算力的胜负手不是谁宣布的卫星更多，而是谁先把每瓦特、每千克、每比特的在轨推理成本降下来，并把它变成真实可用的服务。

事实来源

1. Google 博客（来源1、来源2）：Suncatcher 原型星发射、调试、Gemma 4 俳句与后续计划。
2. TechCrunch（来源3、来源4）：4 颗 TPU、1 千瓦、一次一颗约 20 分钟；81 星集群；200 美元/千克与 1800 次发射；辐射测试结论。
3. 人民网、中新网、新华网、钛媒体、央广网（来源5—9、来源13）：三体计算星座、星算计划、灵境星座、天算星座、AIRSAT-02、云尖沐曦号。
4. CNBC（来源10）：Starcloud-1 与在轨训练。
5. FCC 公告（来源11）：SpaceX 百万星轨道数据中心申请。
6. 36氪（来源12）：Qwen3 在轨部署。

本文推论部分（非来源表述）：中美路线判断与对比结论、约束条件中的分析、解决思路与措施、金融与产业启示、结语。

本文不构成任何投资建议。

（内容由AI生成，仅供参考）