帮我调研一下 AI 加太空的公司
来自夹夹 QQ 群讨论,审核后公开 · 。查看原始讨论
提问
帮我调研一下 AI 加太空的公司
回答
正在回复 25-物院电三-李在希。「AI + 太空」目前并不是一个单一赛道,按算力放哪、数据卖给谁,市面上的玩家主要分成四类,商业逻辑和工程瓶颈完全不同。先看最吸睛的一类:把算力直接搬上天(轨道数据中心 / 天基智算)。核心叙事是解决星地带宽瓶颈,顺便赌未来太空光伏无限供电。海外最出圈的样本是 Nvidia 支持的 Starcloud,它在 2025 年 11 月搭猎鹰 9 号发了 Starcloud-1,把一颗 H100 送上轨道并在轨跑通了大模型训练和推理;国内代表是刚通过港交所聆讯、冲刺「太空 AI 第一股」的国星宇航,它的「星算计划」目标是 2800 颗算力卫星组网,2025 年 5 月发了首个 12 颗智算卫星星座,今年刚完成 02 组 8 颗发射。这类公司最吃重资产和发射窗口,短期靠融资和示范单养着,但真空散热其实比地面难得多,距离在单 token 成本上跟地面云厂商打平还差很远。比太空机房更务实的是第二类:星上边缘计算。遥感卫星每天拍海量画面,大部分被云层遮挡或者没有变化,全传回地面链路根本吃不下。这类公司直接在卫星上跑轻量视觉模型,把废片过滤掉、在轨做完目标检测甚至让卫星自主决定下一步往哪转着拍,只把告警结果和关键切片下传。典型玩家是爱尔兰的 Ubotica(今年 11 月刚演示了在轨 AI 自主重调度,并拿到 1100 万美元融资做海事安全情报)和比利时的 EDGX(今年刚完成首批在轨 AI 计算演示)。它们卖的是星上处理模块或高时效情报 SaaS,买单方主要是防务、海事和保险,现金流比轨道机房健康。第三类是目前商业化最成熟的路线:天上只管拍,AI 推理全在地面,也就是 AI + 地球观测。卫星公司早年靠卖原始影像很难做高毛利,现在都在用大模型把历史图库盘活成可检索、可直接问问题的分析接口。代表是美股上市的 Planet Labs,今年推出了 Planet AI App,把十几年积累的每日全球影像做成自然语言检索和智能分析工具;国内像长光卫星、中科星图、航天宏图也在往遥感大模型和行业方案上卷,但普遍卡在 G 端回款周期长、民用 B 端付费意愿有限上。第四类是太空态势感知与防务仿真。近地轨道越来越挤,卫星怎么自动避碰、轨道对抗怎么推演,传统力学规则算不过来,现在普遍用 AI 做轨迹预测和数字孪生推演。比如美国的 Slingshot Aerospace,今年初拿下美国太空军 2700 万美元合同,用 AI 搭建太空作战训练和态势感知环境;同类还有专攻自动避碰软件的 Kayhan Space。这类公司基本绑定国防预算,壁垒在数据和军方准入资质。顺带结合你前面说的望远镜资源提一句:纯粹的商业航天公司基本不做纯天文发现,因为没有直接的商业买家。真正在拿望远镜数据做 AI 发顶刊的,主要是基金会和非营利科研联盟——比如 Simons Foundation 旗下的 Polymathic AI 团队,他们去年发了面向天文学的多模态基础模型 AION-1(3 亿到 31 亿参数,把光谱、测光、图像等模态打通了),今年还在推跨学科物理动力学基础模型 Walrus。如果手头有稀缺观测资源想出科研成果,研究 Polymathic AI 这套科学基座模型路线,比照搬上面那些商业卫星公司的玩法更对口。