今日头条
官方微信
官方抖音
资讯频道2026年7月1日，中国科学引文数据库（CSCD）期刊《中国科学：信息科学》（英文版）发表了一篇题为"Satellite edge artificial intelligence with large models"的综述论文，系统梳理了将大语言模型和视觉基础模型部署到卫星边缘的技术架构和未来方向。同期，Elsevier期刊《Chinese Journal of Aeronautics》发表的轨道边缘计算综述也被广泛关注。这两篇论文标志着学术界对"星上大模型"这一方向的系统性关注达到新高度。
技术内核
两篇综述论文的核心贡献在于提出了完整的卫星边缘AI技术栈：
（1）模型轻量化——将千亿级参数的地面大模型通过知识蒸馏、量化压缩（INT8/INT4）、剪枝和低秩分解等手段压缩至百亿甚至十亿参数级别，使其能在星载AI芯片的有限算力和内存约束下运行。关键技术包括面向卫星场景的结构化剪枝（保留对遥感解译关键的注意力头）和混合精度量化（推理用低精度、关键层保留高精度）。
（2）卫星联邦微调架构——提出将大模型的不同模块拆分部署到天基（卫星边缘）和地基（地面云中心），卫星端执行轻量级适配器微调和本地推理，地面端负责全模型训练和全局参数聚合。这种"天-地协同"架构既利用了卫星的本地数据优势（避免大量原始数据传输），又借助地面算力完成重训练任务。
（3）任务导向通信——针对星地链路带宽受限的特点，设计了语义通信方案：卫星仅传输推理结果、模型梯度或特征向量而非原始图像，将通信数据量降低2-3个数量级。
（4）能效优化——提出面向太阳能间歇供给的动态计算调度策略，根据卫星轨道位置和太阳照射角度动态调整AI工作负载，在阴影期进入低功耗待机模式。
产业趋势
"星上大模型"正在从学术概念走向工程实践，其对太空算力产业的影响是多维的。
第一，它重新定义了卫星的"智商"——传统卫星只是"带相机的转发器"，而搭载大模型的卫星可以在轨理解所看到的内容，自主判断什么信息值得下传。这将从根本上改变遥感、侦察、环境监测等领域的产业形态。
第二，它驱动了星载AI芯片需求的结构性升级——从支持简单分类模型的几TOPS算力，到运行大模型所需的数百TOPS，芯片产业链面临代际跃迁。
第三，天地协同架构为"通算一体"卫星星座提供了技术蓝图——未来的卫星既是通信节点也是计算节点，星座本身就是一个分布式AI推理网络。第四，这一方向正在吸引非传统航天玩家入场——AI公司（如OpenAI、Anthropic）和云计算公司（如Google Suncatcher项目）开始关注太空计算，可能重塑行业竞争格局。
来源：方油
北京市公安局海淀分局备案号：11010802023656号