一句话看懂：小行星采矿创业公司 AstroForge 自研了一套基于 Transformer 的航天器自主控制栈“Solo”，计划在 2027 年让它独立操纵飞船，甚至不打算装对地通信无线电。这背后是初创公司养不起 NASA 式地面团队的现实压力。
事件核心：发生了什么
AstroForge 成立于 2022 年，累计融资 5600 万美元，目标是开采小行星资源。它已发射的两艘原型飞船均出现故障，其中 2025 年进入深空的 Odin 因地面天线资源有限、通信窗口狭窄而未能取得控制权。
这件事促使公司转向“把智能放到船上”。其飞行软件负责人 Armand Awad 表示，团队借鉴前沿实验室的 Transformer 进展，搭建了分层控制栈：底层是传统控制算法，中层是针对供电、导航等子系统训练的专用模型，顶层是一个基于飞船上约 2500 个传感器数据训练的智能层。CEO Matthew Gialich 把它定位为“低传感器输入下的受限自主”，而非通用自主智能。
按计划，Solo 会先在第三艘飞船 DeepSpace-2 上以“影子模式”运行，该任务预计 2026 年底随 Intuitive Machines 的第三次登月任务升空；2027 年，Solo 将搭载 Stoke Space 首枚火箭执行 Autonomy-1 任务，由 NASA 支持，并采集太阳相关科学数据。Gialich 表示目前不打算在该任务上安装可接收地面指令的无线电。
为什么重要
航天器自主控制长期以传统控制算法为主，原因是对神经网络可靠性的担忧——用神经网络控制卫星在轨定位的首次尝试直到去年才出现。AstroForge 试图证明：在算力和传感器受限的星载环境下，Transformer 类模型也能承担异常处理等关键任务。
更现实的驱动力是成本结构。OSIRIS-REx 这类任务每个八小时班次配备约 100 名操作人员，而自建全球地面站网络约需 2 亿美元。对初创公司来说，把智能放进飞船，是绕开人力和基础设施瓶颈的另一条路径。如果这条路走通，未来深空任务的运营模式可能从“地面主导”转向“船上自治”。
对用户/开发者/创作者的影响
对开发者而言，这是一个“边缘推理”的极端案例：模型要在算力、功耗、通信都受限的硬件上完成实时决策，训练数据来自传感器而非互联网文本。它提示 AI 工程能力正在向机器人、航天等强约束场景外溢。
对企业采购和投资判断来说，短期内不宜把“AI 开飞船”等同于成熟能力。目前公开信息显示，Solo 尚未经历实际飞行验证，AstroForge 此前两次任务也未达成主要目标。其价值更像是验证一条降本路线，而非可直接复用的商业产品。
值得关注的后续
第一，DeepSpace-2 影子模式下的表现：模型能否在真实环境中稳定运行而不干扰主控系统。第二，Autonomy-1 是否真的取消对地无线电，以及团队内部是否如 CEO 所说会被说服保留通信手段。第三，若自主控制被验证，其他航天初创公司和地面站服务商是否会跟进类似技术路线。
