一句话看懂：谷歌的云端 TPU 芯片被送上太空并稳定运行超 200 天，英伟达、AMD 等公司也相继推出可在轨运行 AI 推理的芯片方案。这标志着卫星数据处理正从“地面后处理”转向“太空实时推理”，未来卫星将不再是单纯的通信中继，而是拥有在轨 AI 算力的智能节点。
事件核心：发生了什么
2024 年 3 月，Loft Orbital 的 YAM-5 任务将一颗鞋盒大小的卫星送入轨道，搭载的谷歌 Cloud TPU（单颗功耗 75-100W）在辐射环境中运行超 200 天，完成了实时云检测（准确率 98.7%）和船只识别（F1 分数 0.89）等推理任务，延迟仅为地面处理的十分之一左右。芯片在轨期间经历了约 12 次可恢复的单粒子翻转事件，但未出现永久性故障。
在此之前，NASA 的 Vite 实验（2021 年）已将英伟达 Jetson TX2i 送上国际空间站，其推理性能与地面相当；欧洲空间局的 OPS-SAT 项目则开放了基于 FPGA 的在轨 AI 实验平台。AMD Xilinx 的 Versal AI Edge 已推出辐射加固版本，Microchip 的 RT PolarFire FPGA 被 ESA 选为新一代星上计算基准芯片。BAE Systems 则计划通过附加 AI 协处理器方式为传统卫星升级算力。
为什么重要
这一轮进展表明，商用 AI 芯片（如谷歌 TPU、英伟达 Jetson）经过适当物理屏蔽和软件容错后，已能在太空中承担核心推理任务，不再必须依赖昂贵、性能滞后的专用辐射加固芯片。这种“COTS+加固”路线将显著降低星上 AI 系统的部署成本与迭代周期。同时，推理任务从地面迁移至轨道，可将卫星数据回传带宽需求压缩至十分之一以下，并支持无地面站覆盖区域的实时响应（如灾害监测、海上目标跟踪）。目前，英伟达已宣布开发“太空级 Jetson”，目标 2027 年在轨部署。
对用户/开发者/创作者的影响
对卫星运营商和航天开发者而言，OPS-SAT 等开放平台大幅降低了在轨 AI 实验门槛——你只需基于现成 FPGA 或 Jetson 模块编写算法，上传后即可验证。对模型开发者，太空任务对模型轻量化和辐射容错能力提出新要求，例如在 TinyML、轻量级 CNN 及 BERT 级模型上探索嵌入式部署将变得直接相关。对普通用户，这意味着未来卫星图像服务（如地图更新、农业监测）的更新延迟将从数小时缩短至分钟级，且覆盖区域不再受地面站限制。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，英伟达“太空级 Jetson”能否在 2027 年如期部署，将是通用 GPU 平台在轨大规模应用的关键节点。第二，AMD 将 Versal AI Edge 的辐射加固版本列为独立产品线，其商用 SAR 卫星运营商的采用进度值得跟踪。第三，基于 RISC-V 架构的太空 AI 芯片（如 Frontgrade 的 NOEL-V 系列）正在研发中，其开放性可能催生更灵活的开源太空计算生态。目前公开信息显示，这些方案大多仍处于小批量验证阶段，距离大规模星座部署还需 2-3 年。
来源：Readhub · AI
