Podczas seminarium w Kantonie 27 stycznia 2026 r., kadra kierownicza firmy GuoXing Aerospace Technology z siedzibą w Chengdu ogłosiła, że ogólnego przeznaczenia duży model językowy — Qwen3 firmy Alibaba — został przesłany na pokład i uruchomiony na ich inauguracyjnych satelitach obliczeniowych. Liderzy firmy przekazali, że model przeprowadził wnioskowanie typu end-to-end na orbicie: zapytania wysyłane ze stacji naziemnych były przetwarzane na pokładzie, a odpowiedzi wracały na Ziemię w ciągu około dwóch minut. Było to częścią próby na żywo, którą firma opisała jako pierwszy przypadek działania ogólnego przeznaczenia, wielkoskalowego modelu AI w konstelacji orbitalnej.
Test Qwen3 przeprowadzony przez GuoXing
Firma GuoXing przedstawiła tę demonstrację jako techniczny kamień milowy: startup poinformował, że przesłał model Qwen3 do jednego ze swoich wcześniej wystrzelonych obiektów i przeprowadził wiele eksperymentów, w których ładunki użyteczne wykonywały wnioskowanie i przesyłały wyniki bezpośrednio na ziemię. Kierownictwo firmy podkreśliło korzyści w zakresie opóźnień i autonomii wynikające z przetwarzania danych w kosmosie, zamiast przesyłania surowych danych teledetekcyjnych do naziemnych centrów danych w celu analizy. Firma odnotowała czasy przetwarzania w obie strony rzędu minut i przedstawiła próbę jako dowód słuszności dla wielu proponowanych zastosowań sztucznej inteligencji na orbicie — od szybszej oceny skutków katastrof po analitykę w czasie niemal rzeczywistym na potrzeby monitoringu morskiego i rolniczego.
Ambitne plany dotyczące konstelacji
GuoXing nie jest osamotnione w wyznaczaniu wielkich celów. Firma nakreśliła mapę drogową, która zakłada przejście od początkowej grupy 12 satelitów wystrzelonych w maju 2025 r. do planowanej sieci 2800 wyspecjalizowanych satelitów do 2035 r. Architektura ta, zgodnie z opisem, składałaby się z około 2400 satelitów wnioskujących i 400 potężniejszych platform szkoleniowych na orbitach heliosynchronicznych, świt–zmierzch oraz o niskiej inklinacji, na wysokościach od około 500 do 1000 kilometrów. Publiczne dane GuoXing obejmują niezwykle wysokie cele w zakresie zagregowanej mocy obliczeniowej — dążąc do rzędów 100 000 petaflopów dla wnioskowania i do 1 miliona petaflopów dla szkolenia w ramach docelowej konstelacji — oraz harmonogram etapowego wdrażania, który zakłada osiągnięcie wydajności 1000 satelitów do 2030 r.
Inne chińskie projekty i wczesne usługi
Kilka innych chińskich zespołów i startupów również szybko wykonuje ruchy w tej przestrzeni. ADA Space, która uruchomiła pierwszą transzę „obliczeń kosmicznych” w połowie 2025 r., ogłosiła powstanie kolejnego 12-satelitarnego klastra o nazwie Liangxi i twierdzi, że jej usługa Star Compute dostarczyła wyniki wnioskowania na orbicie dla Aerospace Information Research Institute (AIRI) Chińskiej Akademii Nauk. Laboratoria badawcze i mniejsi gracze komercyjni również zademonstrowali systemy eksperymentalne: Zhejiang Laboratory wysłało mini-konstelację 12 satelitów z modelem o ośmiu miliardach parametrów do zadań specyficznych dla danej dziedziny, podczas gdy firmy takie jak Zhongke Tiansuan raportują długotrwałe operacje na orbicie z wcześniejszymi komputerami kosmicznymi i testują rodzime, wysokowydajne procesory graficzne (GPU) dla przyszłych satelitów.
Wyzwania architektoniczne i inżynieryjne
Wprowadzenie AI w przestrzeń kosmiczną to nie tylko ćwiczenie z integracji systemów, ale także wyzwanie inżynieryjne na wielu frontach. Satelity muszą przetrwać w środowisku o wysokim promieniowaniu i szerokim zakresie temperatur, obsługując jednocześnie energochłonne akceleratory. Chińskie zespoły opisują środki zaradcze, w tym nadmiarowe architektury elektroniczne, protokoły wykrywania i naprawy błędów w celu radzenia sobie z usterkami wywołanymi promieniowaniem, a także nowatorskie podejścia do zarządzania termicznego, takie jak transport ciepła w pętli cieczowej, aby przenieść ciepło odpadowe do radiatorów, skąd może zostać wypromieniowane. Równoległym wąskim gardłem jest wysokoprzepustowa łączność międzysatelitarna: firmy opracowują łącza laserowe do przesyłania dużych ilości danych między satelitami i koncentrowania mocy obliczeniowej tam, gdzie jest potrzebna, a briefingi firm wspomominają o wielusetgigabitowych łączach dla konstelacji o strukturze siatki (mesh).
Dlaczego operatorzy chcą obliczeń na orbicie
Argumentacja za AI na orbicie opiera się na kilku praktycznych zaletach. Konstelacje na niskiej orbicie okołoziemskiej znajdują się tam, gdzie powstaje większość surowych danych — z sensorów obrazowania Ziemi, urządzeń do śledzenia ruchu morskiego i innych czujników — więc przetwarzanie na pokładzie może skrócić strumienie petabajtów do kompaktowych, użytecznych wyników jeszcze przed wysłaniem ich na Ziemię. Zmniejsza to zapotrzebowanie na kosztowną naziemną infrastrukturę o wysokiej przepustowości i może zredukować opóźnienia w przypadku decyzji krytycznych czasowo. Operatorzy wskazują również na obfitą energię słoneczną i zimne tło dla chłodzenia radiacyjnego jako korzyści środowiskowe w porównaniu z naziemnymi centrami danych; jednak zalety te zależą od rozwiązania opisanych powyżej problemów inżynieryjnych oraz od ekonomii startów, wymiany i konserwacji.
Kontekst strategiczny: globalny wyścig
Ogłoszenia chińskich firm wpisują się w szerszą debatę międzynarodową: podmioty prywatne i państwowe w Stanach Zjednoczonych i Europie realizują pokrewne pomysły, a dyrektorzy z Doliny Krzemowej publicznie zarysowali plany obejmujące rozszerzenie mocy obliczeniowych o segment kosmiczny. Analitycy bezpieczeństwa i obserwatorzy polityki kosmicznej zauważają, że ten sam sprzęt i sieci optyczne, które umożliwiają komercyjne usługi AI na orbicie, mogą mieć również podwójne zastosowanie, co budzi pytania o odporność, bezpieczeństwo narodowe i reżimy kontroli eksportu. Komentatorzy w wielu krajach już traktują kosmiczną sztuczną inteligencję jako strategiczną granicę — zarówno ze względu na jej potencjał komercyjny, jak i dlatego, że rozproszona, kosmiczna warstwa obliczeniowa zmieniłaby miejsce i sposób hostowania krytycznej infrastruktury państwowej oraz przemysłowych obciążeń AI.
Harmonogram krótkoterminowy i na co zwracać uwagę
GuoXing zapowiedziało, że drugi i trzeci klaster ich konstelacji zostaną wdrożone w tym roku, a rzecznicy firmy nadal publikują ambitne, wieloletnie harmonogramy. Niezależne startupy i laboratoria badawcze w całych Chinach mają podobnie szybkie mapy drogowe: ogłoszono lub zademonstrowano już ładunki drugiej generacji, eksperymentalne testy laserowe między satelitami oraz wczesne wdrożenia u klientów. Międzynarodowi obserwatorzy będą uważnie śledzić kilka konkretnych wskaźników — skalę i częstotliwość startów, pomyślne, długotrwałe działanie akceleratorów klasy GPU na orbicie, niezawodność laserowych połączeń między satelitami oraz to, czy szkolenie modeli na orbicie na dużą skalę stanie się technicznie i ekonomicznie opłacalne. Równie ważne będą reakcje polityczne rządów w kwestiach widma, kontroli eksportu i norm odpowiedzialnego zachowania na orbicie, w miarę jak komercyjne platformy AI i interesy bezpieczeństwa narodowego będą się ze sobą zbiegać.
Sztuczna inteligencja w kosmosie przechodzi z fazy koncepcyjnej do demonstracyjnej i usług operacyjnych w ciągu miesięcy, a nie lat. Ten skompresowany harmonogram rodzi znajome kompromisy: szybkość i skala kontra niezawodność i otwartość. Na razie główny wniosek jest prosty — firmy w Chinach twierdzą, że uruchomiły na orbicie ogólnego przeznaczenia duży model językowy i popierają tę demonstrację planami budowy tysięcy satelitów zoptymalizowanych pod kątem obliczeń. To, czy plany te staną się transformacyjną, nową warstwą globalnego przetwarzania danych, będzie zależeć od realizacji inżynieryjnej, ekonomii startów oraz wyborów politycznych podejmowanych przez narody w obliczu zderzenia komercyjnych ambicji z wrażliwymi interesami narodowymi.
Źródła
- Chińska Akademia Nauk (Aerospace Information Research Institute)
- Instytut Technologii Obliczeniowych Chińskiej Akademii Nauk
- Zhejiang Laboratory
- Beijing Astro‑future Institute of Space Technology (BAIST)
- Chińska Narodowa Agencja Kosmiczna
Comments
No comments yet. Be the first!