Kina driftsätter AI-modell i omloppsbana

Vid ett seminarium i Guangzhou den 27 januari 2026 meddelade chefer från det Chengdu-baserade företaget GuoXing Aerospace Technology att en generell storskalig språkmodell – Alibabas Qwen3 – har länkats upp till och körts ombord på företagets inledande satelliter för rymdbaserade beräkningar. Företagsledningen uppgav att modellen hanterade änd-till-änd-resonemang i omloppsbana: frågor som skickades från markstationer bearbetades ombord och svaren returnerades till jorden på ungefär två minuter. Detta var en del av ett live-test som företaget beskrev som det första i sitt slag för en generell, storskalig AI-modell som opererar i en satellitkonstellation.

GuoXing-testet med Qwen3

GuoXing presenterade demonstrationen som en teknisk milstolpe. Startup-bolaget uppgav att man överfört Qwen3 till en av sina tidigare uppskjutningar och genomfört flera experiment där nyttolasten utförde inferens och returnerade resultaten direkt till marken. Företagsledningen betonade vinsterna i latens och autonomi genom att bearbeta data i rymden istället för att skicka rå fjärranalysdata till jordbaserade datacenter för analys. Företaget rapporterade bearbetningstider tur-och-retur på bara några minuter och presenterade testet som ett bevis för de många användningsområden som föreslagits för AI i omloppsbana – från snabbare katastrofbedömningar till analys i nära realtid för maritim övervakning och jordbruk.

Ambitiösa planer för satellitkonstellationen

GuoXing är inte ensamma om att sätta upp höga mål. Företaget presenterade en färdplan som skalar upp från deras ursprungliga kluster med 12 satelliter, som sköts upp i maj 2025, till ett planerat nätverk med 2 800 specialiserade satelliter år 2035. Denna arkitektur ska enligt beskrivningen bestå av ungefär 2 400 inferenssatelliter och 400 tyngre plattformar för träning i solsynkrona banor, gryning-skymning-banor och banor med låg inklination på mellan 500 och 1 000 kilometers höjd. GuoXings offentliga siffror inkluderar extremt höga mål för den sammanlagda beräkningskapaciteten – med målsättningar på omkring 100 000 petaflops för inferens och upp till 1 miljon petaflops för träning över den färdiga konstellationen – samt ett schema för stegvis driftsättning som siktar på en kapacitet med 1 000 satelliter till år 2030.

Andra kinesiska projekt och tidiga tjänster

Flera andra kinesiska team och startup-bolag har rört sig snabbt inom detta område. ADA Space, som sköt upp den första delen för ”rymdbaserade beräkningar” i mitten av 2025, har offentliggjort ett uppföljande kluster med 12 satelliter kallat Liangxi. Företaget uppger att deras tjänst Star Compute har levererat inferens i omloppsbana för Aerospace Information Research Institute (AIRI) vid den kinesiska vetenskapsakademin. Forskningslaboratorier och mindre kommersiella aktörer har också demonstrerat experimentella system: Zhejiang Laboratory har skickat upp en minikonstellation med 12 satelliter som bär en modell med åtta miljarder parametrar för domänspecifika uppgifter, medan företag som Zhongke Tiansuan rapporterar långvarig drift i omloppsbana med tidigare rymddatorer och testar egenutvecklade högpresterande GPU:er för framtida satelliter.

Arkitektoniska och ingenjörstekniska utmaningar

Att flytta ut AI i rymden är inte bara en övning i systemintegration utan också en ingenjörsteknisk utmaning på flera fronter. Satelliter måste överleva en miljö med hög strålning och stora temperaturväxlingar samtidigt som de driver strömkrävande acceleratorer. Kinesiska team beskriver skyddsåtgärder som inkluderar redundant elektronisk arkitektur, feldetektering och återställningsprotokoll för att hantera strålningsinducerade fel, samt nya metoder för termisk hantering som värmetransport via vätskeslingor för att flytta spillvärme till radiatorer där den kan strålas bort. Högkapacitetsanslutningar mellan satelliter är en parallell flaskhals: företag utvecklar laserbaserade länkar för att skicka stora datavolymer mellan satelliter och koncentrera beräkningskraften där den behövs, där företagspresentationer nämner länkar på flera hundra gigabit för nätverksliknande konstellationer.

Varför operatörer vill ha beräkningskraft i omloppsbana

Argumenten för AI i omloppsbana vilar på flera praktiska fördelar. Satellitkonstellationer i låg jordbana befinner sig där mycket av rådatan genereras – från kamerasensorer för jordobservation, maritima spårare och andra sensorer – så bearbetning ombord kan komprimera strömmar på petabytenivå till kompakta, användbara utdata innan de skickas ner. Detta minskar behovet av kostsam markinfrastruktur med hög bandbredd och kan korta latenstiden för tidskritiska beslut. Operatörer pekar också på riklig solenergi och en kall bakgrund för radiativ kylning som miljömässiga fördelar jämfört med landbaserade datacenter. Dessa fördelar är dock avhängiga av att de ingenjörstekniska hindren som nämns ovan löses, samt på ekonomin kring uppskjutning, utbyte och underhåll.

Strategiskt sammanhang: en global kapplöpning

Tillkännagivandena från de kinesiska företagen har blivit en del av en bredare internationell diskussion: privata och statliga aktörer i USA och Europa arbetar med liknande idéer, och chefer i Silicon Valley har offentligt skisserat planer som inkluderar förstärkning av rymdbaserad beräkningskraft. Säkerhetsanalytiker och rymdpolitiska observatörer påpekar att samma hårdvara och optiska nätverk som möjliggör kommersiella AI-tjänster i rymden även kan ha dubbla användningsområden, vilket väcker frågor om motståndskraft, nationell säkerhet och exportkontrollregimer. Kommentatorer i flera länder betraktar redan AI i rymden som en strategisk frontlinje – både på grund av dess kommersiella potential och för att ett distribuerat, rymdbaserat beräkningslager skulle förändra var och hur kritisk nationell infrastruktur och industriella AI-arbetslaster hanteras.

Tidsplan på kort sikt och vad man bör hålla koll på

GuoXing uppgav att det andra och tredje klustret i deras konstellation kommer att rullas ut under året, och talespersoner för företaget fortsätter att publicera offensiva fleråriga tidsplaner. Fristående startup-bolag och forskningslaboratorier över hela Kina har liknande snabba färdplaner: andra generationens nyttolaster, experimentella lasertester mellan satelliter och tidiga kunddriftsättningar har redan meddelats eller demonstrerats. Internationella observatörer kommer att hålla noga uppsikt över några konkreta indikatorer – omfattningen och takten på uppskjutningar, framgångsrik långtidsdrift av GPU-acceleratorer i omloppsbana, tillförlitligheten hos korslänkar via laser och huruvida storskalig träning i omloppsbana blir tekniskt och ekonomiskt genomförbar. Lika viktiga blir regeringars politiska svar gällande frekvensspektrum, exportkontroller och normer för ansvarsfullt beteende i rymden när kommersiella AI-plattformar och nationella säkerhetsintressen sammanflätas.

Rymdbaserad AI rör sig från koncept till demonstrator till operativ tjänst på månader snarare än år. Denna komprimerade tidsplan medför bekanta avvägningar: hastighet och skala kontra tillförlitlighet och öppenhet. För tillfället är rubriken tydlig – företag i Kina uppger att de har kört en generell storskalig språkmodell i omloppsbana, och de backar upp den demonstrationen med planer på tusentals beräkningsoptimerade satelliter. Huruvida dessa planer blir ett transformativt nytt lager för globala beräkningar kommer att bero på det ingenjörstekniska genomförandet, uppskjutningsekonomin och de politiska val nationer gör när kommersiella ambitioner möter känsliga nationella intressen.

Källor

• Chinese Academy of Sciences (Aerospace Information Research Institute)
• Institute of Computing Technology, Chinese Academy of Sciences
• Zhejiang Laboratory
• Beijing Astro‑future Institute of Space Technology (BAIST)
• China National Space Administration