随着6G研究将卫星转变为边缘计算节点，人工智能迈向太空轨道

研究人员提出流体AI新范式，让卫星与地面网络协同处理AI任务，为6G提供无缝智能服务。

在全球竞逐第六代移动通信技术之际，真正的战场或许不在地面，而在太空轨道。随着6G预计在2030年前后商用，研究人员已开始重新思考人工智能如何实现全球规模运营。国际电信联盟将"人工智能与通信融合""泛在连接"列为未来6G应用场景，标志着网络将超越传统数据传输功能。

当前主要障碍在于如何为幅员辽阔、偏远及网络覆盖薄弱地区提供无缝AI服务。仅靠地面网络可能难以满足需求，尤其当AI工作负载日益加重且对时延更敏感时。香港大学与西安电子科技大学的研究团队提出突破性方案——将边缘AI与空-地一体化网络融合，使卫星兼具通信枢纽与计算服务器的双重功能。

这种被称为"空-地流体AI"的新范式，旨在攻克卫星高速移动与空-地链路容量有限两大长期制约轨道AI应用的难题。

AI如流水般灵动

受水跨越边界自由流动的启发，该框架使AI模型与数据能在卫星和地面站间持续传输。研究人员将其描述为传统二维边缘AI架构向太空的延伸。框架基于三大核心技术：流体学习、流体推理和流体模型下载，每种技术都针对卫星移动性与间歇连接的制约而设计。

流体学习通过无基础设施的联邦学习方案解决长时训练问题。系统利用卫星自身运动在区域间混合传播模型参数，将卫星移动的劣势转化为优势，实现更快收敛与更高测试精度。流体推理则专注于优化实时AI决策，将神经网络拆解为分布在不同节点的级联子模型，使推理任务能根据可用计算资源动态调整，通过提前退出策略平衡时延与精度。

卫星变身AI服务器

流体模型下载技术着力提升AI模型向地面终端的分发效率。卫星仅缓存精选参数块而非完整模型，这些参数块可通过星间链路迁移，提高缓存命中率并减少下载延迟。通过组播可重用模型参数，多个设备可同步接收相同AI组件，显著提升频谱资源利用率。

然而太空AI部署面临独特挑战：卫星在强辐射环境中运行，依赖有限且间歇性的能源供应。研究团队强调必须采用抗辐射硬件、容错计算和能源感知任务调度等技术。未来研究方向将聚焦能效优化型、低时延型和安全型流体AI，在性能、可靠性与安全性间寻找最佳平衡。

据论述，通过利用可预测的卫星轨道与重复周期运动，空-地流体AI有望在6G时代实现真正全球化的边缘智能，成为构建天地一体智能网络的核心支柱。

如果朋友们喜欢，敬请关注“知新了了”！