当AI走向轨道，地面到太空的通信链路能跟上吗？

AI工作负载正在突破数据中心的边界。训练与推理任务正向分布式地面园区、边缘站点延伸，并即将扩展至近地轨道（LEO）的传感与计算平台。

地球观测星座、宽带网络以及提议中的轨道数据中心，每天都在产生海量数据，这些数据需要快速传回地面，而传统射频链路从未设计用于承载如此庞大的数据量。

光学通信（即激光通信）提供了一条出路。单条自由空间光学馈电链路的数据传输能力远超同等射频链路，系统设计目标是单链路持续容量超过100 Gb/s，并朝着200至300 Gb/s的方向演进。

这样的带宽能力，使轨道计算平台和密集的近地轨道星座成为地面AI基础设施的有效伙伴，而非孤立的信息孤岛。

但问题的关键不在激光，而在于天空。

大气层：真正的瓶颈

地面到近地轨道的传输路径虽长达数百公里，但绝大多数信号损耗发生在对流层最底部。大气湍流、云层遮挡、气溶胶、水蒸气以及不断变化的折射率，共同对光束造成干扰——散射、弯曲，并引发工程师所称的"闪烁"现象，即信号强度的快速波动。

其结果是信号衰减和链路中断，可将原本高容量的链路性能压缩至其潜力的极小部分。

目前，光学地面站通过自适应光学、前向纠错、相干探测和站点分集来应对上述挑战——将地面站分布在不同地理位置，确保当某处被云层覆盖时，其他站点可以接续光束。这些技术虽然有效，但有一个共同的局限：它们本质上是被动响应，只能在链路质量已经下降之后才开始纠正。

然而，随着太空到地面的AI传输需求不断增长，一个熟悉的问题浮出水面：被动响应模式能否支撑规模化扩展？

预测信道，而非追赶信道

一种答案将"预测"本身视为一种网络资源。其核心思路是为每个地面站上方的天空构建一个大气数字孪生体——一个持续更新的天空模型，用于预测的不是天气，而是通信性能：预期吞吐量、信噪比、衰减程度，以及在未来几秒、几分钟乃至数小时内维持可靠链路的概率。

数字孪生体从两类主要来源获取数据：一是来自天空的气象卫星数据、雷达、激光雷达、云图相机和数值天气预报；二是来自网络本身——每条在线链路都被视为一个传感器，实时采集接收光功率、自适应光学校正量、指向误差和误码率，全面描述当前的大气状态。物理信息融合的机器学习算法将这些数据流整合成预测结果，每条预测都附带置信度估计。

这些预测随即驱动网络决策。无需等待云层降低链路质量，网络可在性能下降发生前，将流量切换至信号更清晰的站点，实现预测性切换。系统还能将接收孔径的权重偏向预期性能最佳的传输路径，据此分配波长，并将大带宽传输任务安排在模型预测的晴好窗口期内完成。每次通信会话结束后，系统将实际表现与预测结果进行对比，使数字孪生体随时间不断优化。

预测性光学网络通过预报大气链路质量，在云层影响光束之前将流量重新路由至信号更清晰的地面站，从而提前规避中断风险。

构建预测性光学网络的基础设施

这一架构在很大程度上借鉴了数据中心领域已有的技术积累——数字孪生、软件定义编排、遥测驱动控制，以及物理信息融合的机器学习，均为业界熟知。真正的创新在于：将这些工具指向大气层，把激光馈电链路从脆弱的尽力而为式传输管道，转变为可调度、可预测的网络资源。

其中的权衡取舍是真实存在的。预测结果具有概率性而非确定性，因此置信度必须内嵌于调度逻辑，而非事后附加。分布式架构依赖连接各地面站、云基础设施与数字孪生计算节点之间的快速、可靠的地面光纤网络。此外，与所有在共享空域中运行的激光系统一样，部署过程必须严格遵守适用的激光安全规范。

这一切尚未经过大规模验证，目前的架构方案建议将高保真传播仿真、硬件在环测试和区域级演示作为进入实际运营测试前的必要步骤。

对AI基础设施意味着什么

战略意义一目了然。AI的扩张速度已超过任何单一站点的承载极限，分布式地热能源计算或轨道计算的价值，根本上依赖于地面设施与卫星之间数据的可靠流转。

如果大气层持续扮演不可预测的门卫角色，高容量光学链路将永远停留在实验室的亮眼演示中，而无法在生产环境中稳定运行。

让信道变化变得可预测，将从根本上改变这一局面。它使一场依赖天气的赌博，转变为一种可管理的资源；运营商可以像规划电力供应、用水量和冷却系统那样，将其纳入正常的运营规划中。

随着离网地热计算的扩张与轨道计算时代的到来，竞争优势或许将不再属于拥有最强激光系统的人，而属于那些能够最准确预测天空的人。

Q&A

Q1：光学通信（激光通信）相比传统射频通信有什么优势？

A：光学通信即激光通信，单条自由空间光学链路的传输容量远超传统射频链路，目标持续容量超过100 Gb/s，未来可达200至300 Gb/s。这使得近地轨道计算平台和密集星座能够真正成为地面AI基础设施的有效伙伴，而非孤立的数据孤岛。射频链路则从未设计用于承载如此大规模的数据传输需求。

Q2：大气层对激光通信链路有哪些具体影响？

A：大气层是激光通信的主要瓶颈。信号损耗主要发生在对流层底部，大气湍流、云层遮挡、气溶胶、水蒸气和折射率变化会对光束造成散射、弯曲，并引发信号强度快速波动（即"闪烁"现象），导致链路衰减甚至中断，使高容量链路的实际性能远低于理论上限。

Q3：大气数字孪生体是如何工作的？

A：大气数字孪生体是为每个地面站上方天空建立的持续更新模型，融合气象卫星、雷达、激光雷达、云图相机等外部数据，以及网络中每条在线链路实时采集的光功率、误码率等数据。通过物理信息融合的机器学习算法生成预测，提前预判链路质量，在云层影响前将流量切换至更清晰的站点，实现预测性切换而非被动响应。