중국은 궤도에서 직접 복잡한 AI 모델을 구동할 수 있는 위성 네트워크 테스트에 성공하며, Three-Body Computing Constellation을 향한 중요한 도약을 이뤄냈다. **Zhejiang Lab**이 국제 파트너들과 협력하여 개발한 이 실험적 군집 위성은 우주에서 방대한 양의 데이터를 처리하는 궤도 엣지 컴퓨팅(orbital edge computing)의 잠재력을 입증했으며, 기존 지상 기지국 중계의 병목 현상을 우회했다. 2026년 2월 16일, 연구진은 네트워크가 10개의 인공지능 모델을 성공적으로 배포했음을 확인하고, 분산형 우주 기반 처리를 위한 새로운 아키텍처를 검증했다.
**Three-Body Computing Constellation**은 단순한 데이터 수집에서 능동적인 궤도 내 지능화로의 전략적 전환을 상징한다. 전통적으로 위성은 원시 데이터를 캡처하여 분석을 위해 지구로 쏘아 올리는 "거울" 역할을 해왔으며, 이는 상당한 지연 시간을 초래하고 통신 대역폭에 부담을 주었다. **Zhejiang Lab**은 고성능 컴퓨팅 하드웨어를 위성에 직접 통합함으로써, 데이터를 실시간으로 해석하고 지상 사용자나 심우주 탐사선에 즉각적인 통찰력을 제공할 수 있는 "하늘 위의 컴퓨터"를 구축하는 것을 목표로 한다.
중국의 궤도 위성에서는 어떤 AI 모델이 구동되고 있는가?
중국의 Three-Body Computing Constellation은 현재 궤도에서 10개의 인공지능 모델을 운영하고 있으며, 여기에는 원격 탐사 및 천문 분석을 위한 두 개의 거대한 80억 매개변수(8-billion-parameter) 시스템이 포함된다. 이러한 모델을 통해 자율적인 특징 식별과 우주 사건의 실시간 분류가 가능해지며, 처리를 위해 지상 기지국으로 다시 전송해야 하는 데이터의 양을 획기적으로 줄일 수 있다.
이 모델들의 기술적 정교함은 궤도 하드웨어로서는 전례가 없는 수준이다. 특히, 80억 매개변수 원격 탐사 모델은 이미 2025년 11월 임무 중 그 효능을 입증했다. 이 모델은 중국 북서부 189제곱킬로미터 지역에 대한 인프라 조사를 수행하여, 폭설에도 불구하고 교량과 경기장을 성공적으로 식별해냈다. 동시에, 천문 시변 모델(astronomical time-domain model)은 우주 현상을 분석하는 데 사용되고 있다. 현재 AI 배포의 주요 하이라이트는 다음과 같다.
- 실시간 감마선 폭발 분류에서 99%의 정확도 달성.
- 악천후 조건에서도 지형 공간 특징(geospatial features)의 자율 탐지.
- 전송 전 무관한 이미지를 필터링하여 실시간 데이터 압축 수행.
- 복잡한 작업을 여러 위성 노드에 분산하는 궤도 내 분산 컴퓨팅(distributed computing).
Three-Body Computing Constellation의 위성 간 네트워킹은 어떻게 작동하는가?
군집 내 위성 간 네트워킹은 여러 우주선이 데이터와 처리 작업을 동시에 공유할 수 있는 분산형 크로스링크 시스템을 통해 작동한다. 고속 통신 링크를 활용함으로써, 이 군집은 공유된 궤도 자원을 통해 계산 부하를 최적화하기 위해 장치 간 정보를 라우팅하고 기존 지상 중계 지연을 우회하는 기능적인 궤도 컴퓨팅 네트워크를 형성한다.
지난 9개월 동안 진행된 테스트를 통해 군집 내 6대의 우주선이 안정적인 위성 간 링크(inter-satellite links)를 유지하며 단일 처리 단위로 기능할 수 있음이 확인되었다. 이러한 "군집 지능(swarm intelligence)"을 통해 위성들은 데이터 패킷을 원활하게 인계할 수 있으며, 한 위성의 부하가 과부하되거나 범위를 벗어나더라도 다른 위성이 계산 부하를 이어받을 수 있도록 보장한다. **Zhejiang Lab**의 임무 통제관들은 이러한 크로스링크를 활용하여 단일 대형 AI 작업을 분할하고 여러 위성이 협력하여 해결하는 분산 컴퓨팅을 시연했다. 이 기능은 현대적인 초분광 및 X선 센서에 의해 생성되는 방대한 데이터 세트를 관리하는 데 필수적이다.
전체 Three-Body Computing Constellation은 어느 정도의 연산 능력을 제공하게 될까?
1,000대 이상의 위성이 완전히 배치되면, Three-Body Computing Constellation은 총합 초당 10해(100 quintillion) 회의 연산 성능을 제공할 것으로 예상된다. 초기 12대의 위성 파일럿 프로그램에서 이처럼 대규모로 확장하는 목표는 전 세계 최종 사용자와 복잡한 심우주 탐사 임무를 위해 거의 즉각적인 데이터 처리가 가능한 분산형 궤도 슈퍼컴퓨터를 구축하는 것이다.
이 컨스텔레이션의 로드맵은 2025년 5월에 발사된 첫 12대 위성의 성공에 이어 급격한 확장을 포함하고 있다. **Zhejiang Lab**의 수석 연구원인 **Li Chao**에 따르면, 궁극적인 목표는 지구 저궤도(LEO)에서 유비쿼터스 컴퓨팅 패브릭을 제공하는 것이다. 세계에서 가장 강력한 지상 슈퍼컴퓨터와 맞먹는 초당 10해 회의 연산 능력을 갖춘 이 네트워크는 스마트 시티 관리, 환경 모니터링 및 다른 우주선의 자율 항법을 지원할 것이다. 이러한 수준의 성능은 우주 기반 데이터가 더 이상 "저장 후 전달"하는 상품이 아니라 글로벌 인프라를 위한 실시간 유틸리티임을 보장한다.
우주 과학 및 통신에 미치는 영향
궤도 엣지 컴퓨팅으로의 전환은 수십 년 동안 위성 활용을 제한해 온 "다운링크 병목 현상"을 효과적으로 타파한다. 소스에서 데이터를 직접 처리함으로써, **Three-Body Computing Constellation**은 지상으로 향하는 고대역폭 무선 주파수 또는 레이저 링크의 필요성을 최소화한다. 이는 특히 천체 물리학에 매우 중요하다. 예를 들어, 우주 X선 편광 탐지기를 장착한 두 대의 위성은 이제 감마선 폭발을 즉시 식별하고 보고할 수 있어, 지상 망원경이 사건이 사라지기 전에 방향을 돌려 관측할 수 있게 해준다. 이러한 실시간 기능은 우주의 고에너지 일시 현상에 대한 이해를 획기적으로 높일 수 있다.
나아가, 이 AI 군집의 분산형 특성은 기존의 단일 위성이 갖지 못한 복원력을 제공한다. 단일 장치가 고장 나거나 우주 쓰레기에 의해 손상되더라도, 네트워킹 프로토콜을 통해 나머지 군집이 데이터를 재라우팅하고 AI 처리 부하를 재분배할 수 있다. 이 아키텍처는 향후 우주 사물인터넷(IoT) 프레임워크의 청사진 역할을 하여 수백만 개의 장치가 고속의 지능형 궤도 백본을 통해 연결될 수 있도록 할 것으로 기대된다.
향후 방향: 궤도 군집의 규모 확장
앞으로 Zhejiang Lab은 향후 몇 년 내에 1,000대 위성 이정표에 도달하기 위해 발사 일정을 가속화할 계획이다. 향후 하드웨어 버전에는 데이터 처리량을 늘리기 위해 더 큰 AI 모델과 더 강력한 위성 간 레이저 통신 시스템이 통합될 가능성이 높다. 현재 80억 매개변수 모델의 성공은 거대언어모델(LLM)과 전문화된 생성형 AI가 결국 궤도에 탑재되어 달이나 화성 탐사를 위한 자율 임무 계획을 지원할 수 있음을 시사한다. **Three-Body Computing Constellation**이 성장함에 따라 지상 데이터 센터와 궤도 자산 간의 관계를 재정의하고, 가장 중요한 계산이 지구 표면 수 마일 위에서 일어나는 시대를 열 것이다.
Comments
No comments yet. Be the first!