中国在“三体”卫星集群上运行AI模型

中国已成功测试了一个能够在轨直接运行复杂AI模型的卫星网络，这标志着“三体计算星座”（Three-Body Computing Constellation）取得了重大飞跃。该实验性星群由之江实验室（Zhejiang Lab）与国际合作伙伴共同开发，展示了轨道边缘计算（orbital edge computing）在空间处理海量数据的潜力，绕过了传统地面站中继的瓶颈。2026年2月16日，研究人员确认该网络已成功部署10个人工智能模型，验证了一种去中心化空间处理的新架构。

三体计算星座代表了从简单数据采集到主动在轨智能的战略转变。传统上，卫星充当“镜子”，捕获原始数据并将其传回地球进行分析，这会产生显著的延迟并占用通信带宽。通过将高性能计算硬件集成到卫星本身，之江实验室旨在创建一个“空中计算机”，能够实时解读数据，直接向地面用户或深空探测任务提供可操作的洞察。

中国轨道卫星上运行着哪些AI模型？

中国的三体计算星座目前在轨运行10个人工智能模型，其中包括两个用于遥感和天文分析的大型80亿参数系统。这些模型允许自主特征识别和宇宙事件的实时分类，从而大幅减少了必须传输回地面站处理的数据量。

这些模型在技术上的复杂程度对于轨道硬件来说是史无前例的。具体而言，该80亿参数遥感模型已在2025年11月的一次任务中证明了其效力。它对中国西北部189平方公里的区域进行了基础设施调查，在厚雪覆盖的情况下成功识别了桥梁和体育场。同时，一个天文时域模型正被用于分析宇宙现象。当前AI部署的关键亮点包括：

• 实时分类伽马射线暴的准确率达99%。
• 在恶劣天气条件下自主检测地理空间特征。
• 通过在传输前过滤掉无关图像实现实时数据压缩。
• 在轨分布式计算，将复杂任务拆分到多个卫星节点上。

三体计算星座的星间组网是如何工作的？

该星座内的星间组网通过分布式星间链路系统运行，允许多个航天器同时共享数据和处理任务。通过利用高速通信链路，该星群创建了一个功能性的轨道计算网络，在各单元之间路由信息，以优化计算工作负载，并通过共享的在轨资源绕过传统的地面中继延迟。

过去九个月的测试验证了该机群中的六个航天器可以保持稳定的星间链路（inter-satellite links），作为一个单一的处理单元运行。这种“集群智能”允许卫星无缝传递数据包，确保如果一颗卫星过载或超出范围，另一颗卫星可以接管计算负载。之江实验室的任务控制员利用这些星间链路演示了分布式计算（distributed computing），即一个大型AI任务被划分并由多颗卫星协同解决。这种能力对于管理现代高光谱和X射线传感器产生的大规模数据集至关重要。

完整的三体计算星座将提供多大的算力？

一旦部署完成并拥有1000多颗卫星，三体计算星座的预估总性能将达到每秒百京次（100 quintillion）运算。这一从最初12颗卫星试点项目的巨大扩展，旨在建立一个去中心化的轨道超级计算机，能够为全球终端用户和复杂的深空探测任务提供近乎瞬时的数据处理。

该星座的路线图涉及在2025年5月首批12颗卫星成功发射后的快速扩张。据之江实验室首席研究员李超（Li Chao）介绍，最终目标是在近地轨道（LEO）提供无处不在的计算架构。凭借每秒百京次运算——相当于世界上最强大的陆基超级计算机——该网络将支持智慧城市管理、环境监测以及其他航天器的自主导航。这种性能水平确保了天基数据不再是“存储并转发”的商品，而是全球基础设施的实时公用设施。

对空间科学和通信的影响

轨道边缘计算的转型有效打破了数十年来限制卫星效能的“下行链路瓶颈”。通过在源头处理数据，三体计算星座最大限度地减少了对地面高带宽射频或激光链路的需求。这对天体物理学（astrophysics）尤为重要；例如，两颗配备宇宙X射线偏振探测器的卫星现在可以立即识别并报告伽马射线暴，让地面望远镜能够在这些事件消失前进行转向和观测。这种实时能力可能导致人类对宇宙高能瞬变事件理解的突破。

此外，这种AI星群的去中心化特性提供了一种传统单体卫星所缺乏的复原力。如果单个单元发生故障或被空间碎片损坏，组网协议允许剩余的机群重新路由数据并重新分配AI处理工作负载。这种架构有望成为未来空间物联网（IoT）框架的蓝图，使数百万台设备能够通过高速、智能的轨道骨干网连接。

未来方向：扩展轨道星群

展望未来，之江实验室计划加速发射计划，在未来几年内达到1000颗卫星的里程碑。未来硬件的迭代可能会整合更大规模的AI模型和更强大的星间激光通信系统，以提高数据吞吐量。现有80亿参数模型的成功表明，大语言模型（LLMs）和专用生成式AI最终可能被托管在轨道上，以协助月球或火星探险的自主任务规划。随着三体计算星座的发展，它将重新定义陆地数据中心与轨道资产之间的关系，开启一个最关键的计算发生在地球表面上方数英里处的新时代。