科创AI+| 当AI走向星辰，重塑太空数字生产力

建设社会主义现代化强国，关键在科技自立自强。以科技金融支持创新创造，因地制宜发展新质生产力，加快建设现代化产业体系，是我国在“十五五”时期推动高质量发展、实现中国式现代化的核心战略部署。发展智能经济新形态，需要打通科技成果转化堵点、强化产业体系支撑、畅通金融赋能渠道，构建科技、产业、金融良性循环。在此背景下，《清华金融评论》推出《科创AI+》主题专栏，旨在深入阐释国家战略部署、汇聚权威观点、服务高质量发展大局，为政策完善与行业实践提供智力支持。

太空AI正把数字生产力延伸至轨道。本报告以“约束层—应用层—能力层—底座层”四层框架进行拆解：空间环境与物理限制、监管与频谱轨道规则构成前提性约束，空间感知是近中期变现主战场，星载计算栈是通用能力，大规模轨道算力底座仍处远期探索。太空AI仍处产业早期，多数前沿成果尚处于从技术验证走向业务验证的早期阶段，当前更适合建立一个符合早期特征的洞察周期，以在轨进展为观察锚点，把商业化进展与在轨验证共同作为衡量指标。评估赛道与企业时，可重点参考在轨实测数据、真实业务合同、核心环节自主可控能力，同时兼顾不同企业路径的差异与早期探索的多样性。

目录

·一、产业定位：太空AI的定义、边界与战略意义化

·二、太空环境多模态感知与认知应用 ——从目标探测到态势理解

三、太空智能计算栈——AI原生的星载软硬件范式

·四、天基算力基础设施——星座系统构建与组织路径

·五、从产业及金融视角看太空AI

·信息来源索引及核心术语缩略表

·重要阅读提示

·关键附注

一、产业定位：太空AI的定义、边界与战略意义

1.1 底层约束系统：太空AI研判的前置前提

开展太空AI研判前，明确核心前提：太空AI的所有能力均受制于三重底层约束，即空间物理工程约束、频轨监管规则约束、成本运维约束。本报告统一遵循先约束、后技术、再商业的递进研判逻辑。

（1）空间物理与工程硬约束

太空具备独立的物理环境体系，并非地面场景的简单延伸，是太空AI差异化设计的核心根源。空间辐照会引发多类器件失效问题：单粒子翻转造成数据异常、单粒子闭锁易烧毁硬件、单粒子功能中断导致设备故障、总剂量效应引发长期性能衰减。商用现货器件上星虽可兼顾算力与成本优势，但单纯软件容错无法覆盖硬件损毁风险，必须配套器件筛选、抗辐照加固、降频运行及系统级容错设计，形成多重防护体系。同时，近地轨道冷热交替会形成瞬时温度冲击，地影期直接限制卫星能源供给，真空环境仅能依靠辐射散热，工况条件极端严苛。在轨不可维护性是最核心的工程约束：地面设备可快速更换维修，而多数卫星在轨维修难度大、成本极高，单点失效基本依赖冗余设计兜底，失效代价接近整星更换。因此，太空AI无法直接平移地面AI技术方案，所有技术选型均是极端空间环境下的工程最优取舍。

（2）频轨资源与监管权责约束

太空频率、轨道资源实行分层管控，不同轨道高度、频段及业务类型，对应差异化的申报、协调与履约要求。向国际电信联盟提交频轨申请仅为基础流程，资源获取的核心考核标准是规定履约周期内的实际部署落地能力。当前产业监管体系滞后于技术与星座部署进度：AI自主轨道机动、卫星自主避碰决策等新兴场景，存在监管规则空白，相关事故责任认定、风险保险、权责划分机制尚未完善，成为行业规模化发展的制度瓶颈之一。

（3）商业与成本边界约束

技术可行性不自动传导至工程、商业可行性，物理、工程、商业三层可行性需独立验证、逐层落地，不存在天然递进关系。四大核心边界：物理可行≠工程可行≠商业可行；试验演示≠技术验证≠业务闭环≠商业化落地；企业战略愿景≠在建工程≠落地产能≠可兑现业务；模型上载部署≠常态化稳定运营。后续赛道分析、主体研判与数据推演，均以上述约束与边界为底层依据。

1.2 太空 AI定义

本文所讨论的太空 AI，指人工智能作为生产力要素被系统性嵌入太空活动后形成的技术与产业体系，包含两个层面。

一是存量升级：传统太空任务的智能化改造。空间态势感知（SSA）、遥感解译、通信调度、测控运维等领域，AI把“地面人工判读+指令上传”的工作流，改写成“在轨自主决策+服务输出”。太空活动本身早已存在，AI改变的是它的效率曲线与响应方式。

二是增量创造：因AI而新生的太空业态。星载智能计算、太空算力、算力星座、天基分布式操作系统、天地一体化调度——这些不是原有业务的效率改良，而是以AI为原生逻辑长出来的新生产力形态。其出现与AI能力演进高度相关。

两个层面最终收敛于同一系统形态：天地一体化的空间智能基础设施。因此，太空AI并不等于“把AI装进卫星”。判断一项业务是否属于太空 AI，不看它有没有用智能算法，而看AI是否实质改变了系统的成本结构、响应时效或服务形态——这是本报告划分赛道边界的主要判断标准之一。

支撑这套体系的是三项能力：泛化感知，即在轨道动力学约束下完成多源异构数据融合与实时目标识别；自主决策，即在通信窗口受限、地面干预不可达时完成星上推理与任务规划；协同调度，即对星座级算力资源做统一编排、任务分配与服务质量保障。在此基础上预埋一条贯穿全篇的主线：当前太空AI产业的算力落地路径，可分为“天数天算”（数据在太空采集后直接在太空处理，仅回传重要结果）、“地数天算”（地面生成的数据上传至太空处理）与“天地协同计算”（天地算力中心协同工作）三大范式。

1.3 中国战略地位、全球竞争机遇与挑战

轨道正在变挤。据Slingshot Aerospace 的 Seradata数据库，截至2026年8月在轨活跃航天器已超过1.66万个，其中九成以上在2020年之后入轨；欧洲空间局编目空间物体约4.56万个，在轨工作有效载荷约1.58万个（据ESA《2026年太空环境年度报告》）；LeoLabs 预计2030年低轨工作卫星可能达到7万颗（据其2026年公开预测）。规模之外更有规则压力：据科技日报、人民网等公开报道，2025年12月25日至31日，我国向国际电信联盟集中提交新增约20.3万颗卫星的频率与轨道资源申请，覆盖14个星座（申报口径，具体数量与星座数以国际电信联盟及主管部门公开信息为准），为我国迄今规模最大的一次集中申报；据美国联邦通信委员会公开申请文件，2026年1月至3月，SpaceX、蓝色起源、Starcloud先后提交数据中心卫星星座申请，合计申报规模约114万颗（均属申报、尚待监管审批；申报不等于获批、不等于发射、不等于在轨）。频轨申报与协调具有先发优势，但需履约与协调：国际电信联盟对首星入轨时间与分期部署比例设有硬性时限，未能按期履约的，频轨权利将按实际发射规模缩减。这一规则把太空AI从技术议题直接推成了战略议题：申报数字必须靠真实发射去兑现，而运力、成本与在轨智能运维能力，决定了兑现率。

中国在这轮竞争中的位置，要看三条线。政策线上，“十五五”规划纲要提出培育商业航天新产业新赛道、加快低轨卫星互联网组网。产业线上，截至2025年底商业航天企业数量突破600家，2025年全产业链市场规模约2.83万亿元（据赛迪智库统计：2.83万亿元为含发射服务、卫星制造、地面设备、下游应用等关联产业的全产业链口径，1.01万亿元为核心产业口径）、同比增长21.7%，全年92次宇航发射中商业发射占50次（据公开统计）。技术线上，中国在星座系统集成、工程化落地与成本控制上有组合优势。据公开信息，在部分先进制程商用器件的在轨验证方面进展较快；抗辐照高端芯片、星间激光通信规模化、深空监测网络覆盖等部分环节仍存在差距。需要留意的是，2025年我国低轨商业卫星实际部署量不足500颗（据公开统计），申报规模与当前实际部署能力之间仍有明显差距——这既是压力，也是未来五年发射与制造环节较具确定性的需求来源之一。机遇在于各细分方向全球都处在产业化早期；约束在于核心元器件自主可控、在轨长期可靠性验证与安全认证体系，短期内仍是需要面对的约束。

综合产业实践来看，海外商业航天企业积累时间更长，在空间态势感知历史观测数据集、商业化订阅服务模式、底层抗辐照芯片架构设计方面具备先发优势；国内则在星座系统工程集成、制造成本控制、大模型算法落地迭代上形成自身特色。但我们也要客观看到，高端抗辐照核心元器件、星间激光通信大规模工程化、在轨器件长期可靠性验证领域，国内仍存在追赶空间。全球各家均处在太空AI产业化早期，行业整体起跑线差距小于地面大模型赛道，为国内产业留出竞争窗口。国内太空AI关键环节的现状概览，归纳如表1-1。

1.4 学科交叉与新旧产业融合

太空AI是多学科在工程界面上的深度交汇：轨道动力学给出物理约束，人工智能提供感知与决策算法，微电子与封装工艺解决抗辐照算力硬件，软件工程解决天基分布式操作系统与在轨模型部署，能源与热控解决供电与散热瓶颈。产业融合同样是双向的：一边，它改造传统航天的测运控、载荷研制与地面系统；另一边，它承接地面AI产业链外溢的芯片、框架、大模型与云服务能力。传统航天企业向AI要时效，AI企业向太空要覆盖与能源，两条需求在感知、计算、构建三个层面重新划定了产业分工（见表1-2）。

1.5 市场规模与增长预测

谈太空AI的市场规模，得先谈口径。这个产业尚未收敛，各机构的统计边界差异极大，任何单一数字都不宜当作标准答案：空间态势感知市场，是否计入政府主权能力建设，会让测算结果差出数倍；太空算力市场，场景边界一变，预测值就从百亿美元级跳到万亿美元级。主要机构口径汇总见表1-3。

就统计口径作一点解读：太空AI产业统计口径尚未形成行业统一标准，是否纳入政府主权建设项目，会造成市场测算结果数倍差距。开展横向对比与投资测算前，必须对齐统计边界——窄口径一般只统计商业交易，宽口径会把政府能力建设一并计入，二者不具备直接可比性。对太空AI的投资与产业测算，本报告建议优先采用窄口径商业交易口径，政府主权建设项目单独剥离计算，以避免市场空间被系统性高估。

两个市场的价值逻辑并不相同。空间态势感知市场规模有限，但增长可见度相对较高，价值来自数据入口与安全刚需；太空算力基数极小、远期弹性极大，价值来自基础设施卡位。二者共同嵌在万亿级商业航天大盘里，而AI含量可能影响价值迁移的方向与速度。

1.6 政策环境：从鼓励探索转向规范引导

政策环境的重心正在从鼓励探索转向规范引导。国家层面，2026年政府工作报告（2026年3月发布）将航空航天列为新兴支柱产业，提出大力发展卫星互联网；国家航天局《推进商业航天高质量安全发展行动计划（2025—2027年）》（2025年印发）把商业航天纳入国家航天发展总体布局；工信部相关指导意见（2025年发布）提出到2030年卫星通信用户超千万。地方层面，全国约半数省份已布局商业航天，北京强化“南箭北星”格局，广东提出2026年商业航天及关联产业规模突破3000亿元。标准层面，星载智能单机、星间组网、数据接口的规则讨论已在行业展开，相关监管传闻的辨析统一见1.7节风险提示。海外同期动作更快：美国 TraCSS 太空交通协调系统已接入68家运营方与9国政府，欧盟 EU SST 扩容至19个成员国（据两系统官方公开信息，2026年）。标准与认证体系的话语权，可能成为下一阶段的竞争重点。

1.7 风险提示

产业整体仍处于从技术验证向规模化应用过渡的早期阶段，四类风险需要前置说明。技术上，抗辐照算力的迭代节奏、在轨模型可靠性以及散热与能源约束的突破时点都存在不确定性，星座级协同推理至今缺少可复现的大规模成功案例。商业上，安全服务与算力运营的付费意愿尚未验证，重资产、长周期的投入结构与现金流错配，随时可能引发估值回调。政策与地缘上，频轨分配、出口管制、数据主权与安全认证的国际协调变数不小。此外还有一个容易被忽略的口径风险：市场规模预测分歧极大，“概念先行、在轨资产滞后”的现象值得警惕，部分已披露的星座规划数量，可能高于当前工程与商业承载能力的可见范围。需要特别提醒，向国际电信联盟、美国联邦通信委员会提交卫星频率轨道申请仅属于申报动作，不等于项目落地。受资金、发射运力、监管审批、履约时限约束，申报规划卫星不等于已经入轨部署，不能将申报规模直接等同于未来实际在轨资产规模。业内流传关于低轨卫星搭载星上智能处理的监管设想，该说法仅为行业口头探讨，没有公开官方政策文件作为依据，不可作为产业推演、投资测算的既定前提。本报告仅供研究参考，不构成投资建议。

二、重点赛道一：太空环境多模态感知与认知应用——从目标探测到态势理解

本章回答“发生了什么”。一并讨论太空AI如何完成多源信号的融合、空间态势的实时理解与安全服务的产品化输出。感知与认知应用是整条链的入口：数据不可信，后面的计算与组织都无从谈起。因此本章的重点不是空间态势感知产业本身，而是感知范式的位移。传感器从单模态走向多模态，处理位置从地面走向在轨，输出物从“探测、识别、跟踪”的被动链条，变成“感知、理解、预测”的主动链条。

2.1 从传统感知到AI驱动的态势认知

传统感知体系主要由三类设施构成：光学望远镜负责观测，地面雷达负责测轨，无线电设备负责监听信号。单模态采集、地面集中处理、人工判读定夺，是它的基本形态。这套体系为编目而生，预警周期以天计，对低轨海量小目标的覆盖能力有限。

AI改写的是三个环节。数据环节，多源观测被统一到同一时空基准，误差不再被隐含处理，而是显式传播到下游；分析环节，轨道动力学约束下的快速推理把碰撞预警的周期从数天压到数分钟；输出环节，交付物从一串轨道根数，变成“风险等级+处置建议”。推动这一转变的是治理赤字：在轨目标激增、碎片风险上升、频谱争夺加剧，监管方和运营商对实时、可信、可解释态势信息的需求，已经明显超过传统体系的供给能力。

换句话说，这一层更核心的交付物，可能不是原始数据本身，而是数据的可信度与响应速度，这也是感知层企业估值的锚点所在。

行业内部通常用三个缩写区分能力层级：空间态势感知（SSA）回答“有什么、在哪”，SDA（太空域感知）进一步回答“是谁、在干什么”，STM（太空交通管理）则要解决“谁来协调、按什么规则让路”。三者不是替代关系，而是数据—判断—规则的价值递进。目前全球的商业化收入集中在空间态势感知与太空域感知两层，太空交通管理仍由政府主导；谁能把前两层的服务能力做成可订阅的产品，谁就有机会在第三层的规则制定中占住位置。

2.2 多模态感知与认知应用的核心命题

多源融合。光学、雷达、无线电监测的数据对齐、坐标系统一与不确定性传播，是所有后续能力的前提。融合不是简单叠加，而是误差模型的系统工程。

实时认知。轨道动力学约束下的碰撞概率计算与风险分级。难点不在算法有多先进，而在有限算力下能否长期稳定跑通。

意图推断。从“那颗卫星在动”，到“它在做什么、可能要做什么”。机动检测、行为模式学习与异常归因，是把态势感知从物理层推到认知层的那道门槛。

服务化封装。从项目制交付转向订阅式安全服务。据公开信息，海外市场已出现相关验证，单纯出售原始观测数据的价值在持续下降，客户愿意付费的是融合后的判断，以及不间断的运营支持。

2.3 感知与认知应用能力分级框架

沿数据源、响应时效、决策自主性与认知深度四个维度，本文把感知与认知应用能力划为四级阶梯。数据源看单源、多源还是融合；时效看数天、数小时、分钟级还是秒级；自主性看人工确认、AI辅助还是AI自主；认知深度则看走到探测、识别、理解、预测的哪一步。

2.4 第一级：单源探测与人工判读——传统模式

P1即传统模式，技术基础是地面雷达与光学望远镜构成的编目体系，成熟度最高，数据需求中等，商业场景集中在政府空间目标编目与发射窗口安全评估。它的局限有三条：预警周期长，支撑不了实时规避决策；低轨海量小目标覆盖不足；人工判读成本随目标数量线性上升。不过这一层的存量数据仍有价值——既是AI算法的训练底料，也是传统厂商转型时最容易被低估的资产。

2.5 第二级：多源融合与AI辅助认知——当前商业化落地焦点

P2是当前商业化落地的焦点。技术上要啃的是多源异构数据的时空对齐、轨道计算精度与风险分级算法；数据侧既要多源监测数据，也要成规模的标注样本。商业场景已经清晰：碰撞预警、发射规避建议、星座运营安全。对应的产品形态是天地一体化监测体系+AI 辅助轨道计算，以订阅方式交付。

国内样本是星图测控于2025年11月发布的“星眼”太空感知星座：规划156颗卫星，核心定位是构建“监测-预警-服务”完整生态链，为在轨卫星提供轨道确定与碰撞预警服务。原计划2026年上半年发射2颗试验星，但截至2026年9月尚未执行；公司最新口径为“综合考虑星、箭衔接、发射窗口等客观因素，择机发射”，项目具体时间存在不确定性。海外对标的则是SpaceX，2026年1月宣发、8月向外部运营商开放免费平台的Stargaze平台，要求运营商提交星历数据后允许调用在轨星敏感器提供免费态势服务。

多源融合与AI辅助认知，是感知能力从政府专供走向商业服务的重要节点。这一层的竞争可能主要落在数据可信度与虚警率控制上。虚警一次，运营方就要为一次无谓的机动付出燃料与寿命。

2.6 第三级：在轨实时认知与自主预警——技术攻坚焦点

P3处在技术攻坚阶段。要解决的问题是星上实时推理、通信窗口约束下的自主决策，以及在轨模型的更新机制；数据需求极高，既要在轨运行数据，也要失败样本。商业场景指向巨型星座的自主碰撞规避与在轨服务安全护航。这里真正的卡点是星间激光通信的带宽与时延。观测在天上，判断也得在天上，链路跟不上，实时认知就无从谈起。

卫星的自主管理正在从“辅助驾驶”逼近“自动驾驶”：星载AI硬件上跑在轨智能体，卫星可自主完成态势感知、轨道规避与故障处置，再用激光通信把单星连成天基网络。之江实验室的具身智能卫星模型已在试验星上跑通任务执行、数据处理与指令下发的全链路智能管控，为从单星智能走向多星协同智能提供了一个工程样本。

在轨实时认知能不能做出来，可能影响感知能力最终是卖地面服务，还是成为天基基础设施的一部分。

2.7 第四级：预测性态势理解与主动服务——远期可能形态

P4是这一层的远期可能形态。技术上要解决轨道演化预测、碎片生成预判与主动规避策略生成，数据需求极高。长期轨道数据与行为模式学习缺一不可。商业场景指向空间交通管理、轨道资源分配与碎片治理，客户从运营商变成监管方。

这一层的国际竞争最活跃。Slingshot Aerospace的AI原生平台Portal于2026年4月上线，把感知、情报与行动收进同一个界面，支持近实时轨道活动监测、异常检测与机动评估。上线四个月用户增长超过400%，覆盖19国330余家机构（据公司官网新闻稿），年内计划补齐预测性分析与场景规划；LeoLabs同期推出AI驱动的Delta平台，主攻高级威胁检测与目标特征化。海外路径的共同点是：先做到“看得见”，再做到“说得清”，交付物从预警升级为决策支持。

到P4这一层，技术之外，国际治理、责任边界与数据主权可能成为更突出约束。谁先在预测性能力上形成可信闭环，可能更有助于在规则讨论中占据先机。

2.8 态势感知数据的获取困境与破局路径

空间态势感知数据的获取难度通常高于遥感：轨道参数、监测能力与安全边界都直接关联国家安全，跨主体共享天然受限，高质量标注样本的获取成本因此远高于遥感领域。

技术上的应对是多源互补：光学擅长高轨目标的识别和定轨，雷达提供全天候全天时覆盖并能对微小低轨目标实现精密定轨，无线电监测补上空间目标的信号维度，三者叠加是较完整的天地一体化监测体系之一。

标注环节的破局点在自动化：用AI辅助标注与弱监督学习替代人工编目，并把轨道动力学先验直接写进标注流程，可大幅压低单位样本成本。

理论上，这一层可以形成这样一个业务飞轮：监测网络产出数据，数据训练算法，算法提升预警精度，精度赢得客户，客户带来更多监测需求与数据。但需要说明，截至2026年9月，全球尚无商业主体完整跑通该闭环，实现飞轮转动仍需要在轨资产与客户付费样本的双重积累。闭环一旦转起来，后来者的追赶成本可能随时间上升，这是这一赛道重要的壁垒来源之一，先发积累可能构成重要变量。

2.9 国内外代表性企业格局

参与这一层的主体可分四类。传统空间态势感知与航天测控厂商沿地面编目能力向AI辅助判读延伸，强在监测网络与客户资源，弱在算法深度；AI 原生的空间态势感知专精企业以多源融合、实时推理和订阅式安全服务切入，壁垒是“监测网络+算法迭代+客户信任”三者的乘数；平台型航天企业自研感知能力自用，强在真实数据闭环，弱在开放性不足。中外对比看，海外在监测网络覆盖与历史数据积累上具有相对优势，中国在算法与工程化落地上有独特优势，天基感知星座的部署速度是主要追赶抓手。近半年值得记录的企业动态如下。

SpaceX（Stargaze 平台）。按公开在轨规模计，处于全球前列的商业航天运营商。2026年春季开放基于星链星敏感器的态势感知平台Stargaze，据其官方发布信息，调用约1万台在轨光学传感器，日均完成约3000万次过境观测，以“免费+星历共享”的方式向运营商开放。免费策略背后是数据话语权：当多数运营商的日常避碰决策都引用同一份星历时，这套数据可能形成事实上的重要数据基础。【信息来源：SpaceX 官方发布、SpaceNews，2026年2月至4月】

Slingshot Aerospace。2017年成立于美国科罗拉多州，在五大洲21处站点运营204台传感器，业务横跨感知、模拟训练与太空运行决策软件。2026年4月发布AI原生平台 Portal，四个月内用户增长超过400%，覆盖19国330余家机构；TALOS 推理引擎已用于美国太空军任务训练，年内将上线AI避碰决策支持。值得注意的是它的收入结构：政府合同提供现金流，商业订阅提供增长曲线.政府合同与商业订阅并重，是海外空间态势感知企业的常见模式。【信息来源：Slingshot Aerospace 官网新闻稿，2026年4月、8月】

LeoLabs。2016年成立于美国加州，自建并运营全球分布的相控阵雷达网络，编目跟踪低轨目标超过2.6万个，是少数掌握自有雷达体系的商业空间态势感知企业。2026年4月推出AI驱动的Delta威胁检测平台，6月在印太部署可运输的Scout-S三维搜索雷达，8月获2070万美元移动雷达合同（据公开合同公告）。重资产、自建传感网络、政府订单为主——LeoLabs 走的是与轻资产软件路线相反的一条路。【信息来源：LeoLabs 官网新闻稿及公开合同公告，2026年4月至8月】

Kayhan Space。2019年成立于美国科罗拉多州，以Satcat平台把态势感知与太空交通协调打包成服务，已服务22家卫星运营商、覆盖500余颗卫星；其Pathfinder产品提供机器对机器的避碰协调协议，代表“协调即服务”这条纯软件路线。【信息来源：Kayhan Space 官网、SpaceNews，2026年】

Digantara。印度商业太空态势感知企业，规划建设SCOT与ALBATROSS天基监测星座，其AIRA平台可跟踪厘米级碎片，推动行业从“被动避碰”走向“预测性交通管理”，并与ispace合作布局地月空间态势感知，是新兴市场中的差异化力量。【信息来源：Digantara官方发布及行业媒体报道，2025年至2026年】

清博空天。清华大学航天动力学与控制实验室孵化的创业公司，创始团队曾深度参与态势感知体系建设重点项目，解决重点卫星核心太空安全问题。团队专注于融合多源、多模态异构数据进行空间目标匹配识别和编目定轨，构建了实现大规模碰撞预警等核心功能的空间态势数据分析应用体系平台。据企业公开信息，公司已与国内多个重要星座用户开展实质性态势感知项目合作，并规划地基监测网络与天基试验星建设。【信息来源：企业官方发布及公开报道，2026年4月至8月】

星图测控。中科院空天信息创新研究院产业生态成员，主营航天测运控与太空管理服务，自研“洞察者”空间信息分析平台与“太空云”管理服务平台。2025年11月发布“星眼”太空感知星座计划：整体为规划方案，规划156颗卫星构建覆盖全球的近地轨道监测网络，一期12颗骨干星、二期144颗增强星。对国内产业而言，其意义在于把“天基监测”从论证推到了工程排产。【信息来源：星图测控官方发布、光明网、中国证券网，2025年11月】

遨天科技。北京商业航天企业，深耕天基空间态势感知方向。“甘德一号01星”于2026年7月24日发射，由遨天科技与梁溪空天科技集团合作开发，是由120颗卫星组成的空间碎片监测星座中的首发星，配备高分辨率精确测量相机。据公开报道，展示了国内商业天基系统在地月空间的感知与跟踪能力，为地月空间态势感知的工程化提供了先例。【信息来源：澎湃新闻、参考消息网（转引南华早报）、俄罗斯卫星通讯社，2026年8月】

（本名单仅为观察梳理的部分企业，行业内仍有诸多主体未逐一列示，不代表行业全部；代表性企业目录旨在呈现行业多元生态，而非对任一企业的背书或推荐。另外，本报告聚焦太空AI，包括不限于感知、星载计算、天基算力赛道，传统大卫星制造与发射服务企业未全部纳入）

三、重点赛道二：太空智能计算栈——AI原生的星载软硬件范式

本章回答“用什么算”。这里的关键命题是：太空智能计算栈并非地面AI芯片的简单上星平移，而是针对太空的物理约束，从芯片、操作系统到模型部署重新设计一整套范式。赛迪顾问把抗辐照星载AI处理器定位为“算力上天”的硬件根基、整个太空算力产业的底座，并判断星间分布式共识与星座协同是位次跃升最快的技术方向，正从组件验证迈向系统级在轨演示。本章的重点因此不在芯片型号，而在范式本身的变化：硬件从“抗辐照达标”转向“在轨可重构”，软件从“功能固化”转向“分布式可迭代”，模型部署从“地面更新”转向“在轨增量学习”。

3.1 从传统航天电子到AI原生计算栈

传统航天电子的优先级排序是：抗辐照达标、可靠性第一、算力靠后。部分宇航级处理器可以在轨服役十余年，算力相对有限。AI原生计算栈的诉求恰好相反——算力要能持续增长，模型要能持续迭代，架构要能重构。两者冲突的根源是太空环境的硬约束：高能粒子造成单粒子翻转与累积剂量损伤，极端温差压缩设计裕度，能源预算紧张，真空环境里散热只能靠辐射，而在轨不可维护，意味着任何一个单点故障都可能终结整星任务。

约束之下，太空智能计算栈更可能是另一套设计范式，而非地面AI的“太空版”：用系统级容错换商用器件的上天资格，用可重构架构换长寿命周期内的能力增长，用分布式协同去突破单星算力的物理上限。

3.2 计算栈范式的核心命题

硬件层的重构。从抗辐照专用芯片走向在轨可重构架构，载荷功能不再在出厂那一刻被锁死。

软件层的重构。天基分布式操作系统与容器化运行环境上台，软件从功能固化的固件，变成可被模型驱动的应用层。

迭代方式的重构。模型更新从地面整包上注，走向在轨增量学习与持续进化，卫星的能力边界不再由发射时刻决定。

全栈耦合。芯片、载荷、操作系统与模型部署必须协同设计。单点的性能优势很难直接换算成系统能力。

在进入能力分级之前，还需先厘清本章乃至全报告的算力范式坐标：太空AI的算力演进存在三大演进范式，其成熟度、落地节奏与商业价值存在明显差异，本章所有案例与研判均以此为坐标。

① 天数天算｜2025—2027年率先落地的应用目标。范式定义：数据在太空采集后直接在太空进行处理，仅将处理结果传回地面。产业定性：当前技术验证与商业化起步阶段的首要范式，依托星载AI芯片与轻量化模型，在轨完成遥感影像解析、目标识别等任务，将响应时效从数小时压缩至分钟级。之江实验室三体计算星座（AI推理算力超744 TOPS）、星测未来扶摇星座（AI推理算力超1000 TOPS）属于此范式的工程实践。

② 地数天算｜2028—2030年规模化推进目标。范式定义：利用太空算力的低成本与高效能优势，将地面生成的数据上传至太空进行处理。产业定性：需突破在轨组装建造等关键技术以降低建设与运营成本，是太空算力从“处理太空数据”向“服务地面算力需求”跨越的关键阶段。

③ 天地协同计算（天基主算）｜2031—2035年远期目标。范式定义：太空算力中心与地面算力中心协同工作，形成覆盖全球的分布式算力网络，二者互为补充。产业定性：卫星大规模批量生产并组网发射，在轨对接建成大规模太空数据中心，形成“天基边缘计算+地基中心训练”的分层架构。以“星算计划”为例，远期目标是算力卫星组网，构建覆盖全球的天地一体化算力网络。

3.3 计算栈能力分级框架

口径说明：本报告出现的所有TOPS、POPS均为整数峰值算力，TFLOPS为浮点峰值算力；星上真实稳态可用算力，会受辐照、降频与功耗约束，显著低于芯片纸面峰值。文中凡引用厂商对外公布的算力数字，均为厂商公开峰值指标，在轨受功耗、辐照降频影响，实际可利用算力会下降。

按算力规模（GOPS至POPS级）、可重构性（固定、在轨可重构、在轨增量学习）、部署位置（地面、星上、星座级）与软件架构（固化、容器化、分布式）四个维度，计算栈能力可分为四级（见表3-2）。

需要补充说明的是，C1与C2在工程实践中常被合并讨论为“星载算力底座”：二者共同指向“让地面成熟或自研芯片在天上稳定可用”的算力系统，差异主要不在算力规模，而在芯片来源、加固方式与软件可重构能力。当前可见两条实现路线：一是自研/定制ASIC或NPU路线，如中科天算（中科院计算所背景团队）、航宇微等，流片后做成板卡或计算机，构成星上算力盒子；二是采用地面成熟工业级AI芯片（如英伟达、天数智芯等）直接做成算力盒子，再配合抗辐照加固与系统容错，如星测未来等。两条路线最终都落在星上算力系统/算力盒子上。中科天算与星测未来在“星载算力底座”定位上相近，但芯片自主路径不同。

3.4 第一级：抗辐照达标计算——已具备落地条件

C1已具备落地条件。抗辐照达标计算技术已实现工程落地与在轨稳定应用。目前抗辐照处理器、FPGA及专用集成电路可适配太空极端工况，具备规模化部署基础。科研领域，中科院计算所“极光1000”星载智能计算机可提供32 TOPS星载AI算力，在轨稳定运行时长超1000天，验证了工业级AI芯片星上应用的可行性。商业领域，星测未来依托商用器件架构，搭配抗辐照加固与系统容错方案，实现高端算力器件在轨稳定适配，其星溪系列智能载荷已完成多次在轨搭载及常态化业务运行，落地可靠性得到充分验证。

该技术的核心壁垒并非研发难度，而是成熟的在轨工程经验较为稀缺，长期空间环境适配、故障容错与工况稳定性迭代积累，是实现可靠落地的关键。从应用边界来看，当前层级算力资源有限、在轨算法模型固化，仅可支撑目标检测、云判压缩、遥感预处理等轻量化单点智能任务，无法满足复杂模型推理、多任务协同运算等高阶太空AI应用需求。

3.5 第二级：在轨可重构算力——当前技术攻坚焦点

C2是当前的技术攻坚焦点。要啃的硬骨头是在轨可重构芯片架构、模型轻量化部署，以及辐照环境下的计算可靠性；数据需求高，需要真实的在轨运行数据与失败样本。对应的商业场景是星上实时目标识别、在轨图像处理与自主任务规划。

近一年进展密集。之江实验室第二代“智加X2”星载智能计算机在保持32 TOPS算力的同时，功耗与重量下降约30%（据公开信息）；2025年11月，英伟达与Starcloud合作把H100送入轨道（厂商标定算力约2000 TFLOPS，属低精度峰值口径，与前述TOPS不可直接换算；在轨受功耗与辐照降频影响，实际可利用算力会低于该峰值），数周内完成在轨大模型运行与小语言模型训练，据Starcloud官方发布信息，为已知较早验证数据中心级GPU在轨可行性的案例之一。此类在轨训练试验属“天数天算”预研类技术演示，非当前落地业务；2026年7月，航宇微发布基于国产Yulong810A抗辐照芯片的 Alpha-700星载智能单机，其意义不在算力本身，而在于据企业官方发布，它可以直接进入卫星总体的物料清单。这意味着星载AI开始迈出标准化一步。代表性平台对比见表3-3。

但需要特别指出，C1与C2在理论上可合并理解：二者都是算力底座，区别在于是否具备在轨软件重构、模型轻量化部署与增量更新能力。路线分野同样明显：自研/定制ASIC、NPU路线（如中科天算、航宇微）与工业成熟芯片+抗辐照加固路线（如星测未来）并行。中科天算与星测未来定位相近，都是做星载算力系统；前者更偏自研留片，后者更偏工业成熟芯片加固。业内也有项目直接采用英伟达或天数智芯芯片做算力盒子。两条路线的共同目标，都是让星载算力系统在轨稳定使用。

3.6 第三级：星座级协同推理——能力验证的重要节点

C3是能力验证的重要节点。技术上要解决星间分布式推理、任务编排、算力资源调度，以及通信受限条件下的协同收敛；数据需求极高，需要星座级运行数据与协同验证。受第二章所述星间激光通信带宽与时延约束，这一层协同推理可支撑的规模存在现实上限。当前公开信息中，仅见小数量卫星（数颗至十余颗）完成实验室性质的协同推理演示；百颗以上规模的星座级协同推理，全球尚未见公开的业务化可复现案例。这一级的关键增量是“激光互联+云服务能力体系”：加上激光、开始互联，才具备星座级算力与所谓云服务的基础能力体系。

据机构公开披露，之江实验室的“三体计算星座”提供了目前公开信息中较为完整的工程样本之一：首发12颗计算卫星2025年5月入轨，单星最高算力744 TOPS（厂商公开峰值指标），星间激光通信速率最大100 Gbps，12星互联后整体具备5 POPS在轨集群算力与30 TB 存储；2026年2月实现六星建链，完成10个AI模型在轨部署验证，其中包括80亿参数的天基遥感模型，系统最大支持1400亿参数模型在轨部署与推理；截至2026年7月，在轨模型增至20个。同期，国星宇航以一箭12星发射太空计算卫星星座并完成在轨交付（据企业官方发布，为公开报道中较早批次之一）。需要说明，行业交流中有观点认为，部分新发射星座的星间互联实际推进节奏慢于公开宣传，国星宇航案例在公开信息中更多体现为批次发射与在轨交付，其星座级互联与协同推理的业务化程度需再跟踪观测。对业内而言，互联深度与可复现性才是关键。上述多星协同与在轨模型部署成果，现阶段属“天数天算”预研类技术演示与工程验证，尚不构成常态化业务。落到商业上，这一层对应的是星座级遥感解译、多星协同观测与天基大模型推理。

协同推理的可靠性一旦被验证，星载智能就从“单星能力”跃升为“系统能力”,而这是C2与C3之间最难迈的一道坎。

3.7 第四级：在轨增量学习与自主进化——远期可能形态

C4是这一层的远期可能形态。技术上要处理在轨增量学习、模型自主进化、知识迁移，以及绕不开的灾难性遗忘问题（即模型学习新任务时覆盖旧知识、导致旧任务性能退化的现象）；数据需求极高，长期在轨数据与自主标注缺一不可。

标志性进展已经出现：2025年11月，国星宇航将阿里千问 Qwen3大模型部署至在轨太空计算中心，完成通用大模型的太空在轨部署（据公司官方发布，公开报道中为已知较早案例）；2024年“东方慧眼01星”通过远程上注部署天基大模型 JigonGPT；2026年8月，东方慧眼高光谱01、02星进一步实现在轨异常探测与地物识别（据公开信息）。模型上注通道一旦打通，卫星的能力边界就与出厂时刻解耦，进入运营期持续生长的状态。需要说明，上述在轨部署成果现阶段均属“天数天算”预研类技术演示，非当前落地业务。商业场景指向自主科学发现、在轨自适应任务与天基智能体。

从架构演进看，C4不只是模型上注，而是涉及模型本身的学习、更新与行业应用。若从底层往上梳理，这是一套逐级基础设施：底层算力建好，通信网联搞好，云服务与大模型能力形成，上层应用才会逐步成熟，存在明确的时间逻辑。同时存在两条并行脉络：第一条是技术栈脉络，从底层算力到中间可重构软件，再到网上云服务与大模型维度；第二条是数据对象脉络，从天数天算（数据对象主要是卫星自身产生的数据），扩展到地数天算（涵盖更多类型的数据），最终走向天地协同计算——随着网联化，哪里的数据都可以混合计算、实时应用。

到C4，技术之外，模型治理、责任边界与在轨安全认证可能成为更突出约束。在安全类任务上，行业当前多坚持人机协同与可解释AI的技术口径，公开信息中尚未见到全自动太空决策的落地场景。

3.8 计算栈数据的获取困境与破局路径

在轨数据的获取难度高于地面，原因很实在：通信窗口受限、数据回传成本高、在轨标注基本不可行。行业里常引用的一种说法是，传统卫星产生的有效数据，最终能传回地面的不到十分之一；该说法为行业经验口径，具体比例有待核实。

可行的做法是闭环设计：星上先做预处理，把云层遮挡等无效帧过滤掉；关键样本回传地面，标注后训练新模型；再经上注通道更新在轨模型。这也对应上述数据脉络：天数天算先解决星上数据预处理与关键样本回传，地数天算再引入多源数据，天地协同计算则依赖网联化后的混合调度与实时应用。

真实数据与仿真数据需要配比使用：仿真环境完成预训练，在轨数据做微调，失败样本强制回流。更深一层的痛点在于“分布漂移”：地面仿真环境与在轨真实数据在噪声特性、失效模式与工况分布上存在系统性偏差，仿真训练得到的模型不能默认在轨可用，必须以真实在轨数据完成分布对齐与再验证，这也是数据必须配比使用的根本原因。

理论上可以形成这样一个飞轮：在轨运行产出环境实测数据与失败样本，地面依此训练新模型，模型上注反哺在轨运行；但截至2026年9月，全球尚无商业主体完整跑通该闭环，飞轮转动仍需要在轨资产与客户付费样本的双重积累。星测未来依托天格计划积累的在轨辐照实测数据（据公司官方发布信息），建立起芯片筛选与容错设计体系，据公开信息，是这套飞轮在国内较少见的实证之一。

3.9 国内外代表性企业格局

这一层的参与者同样可分四类。抗辐照芯片与元器件厂商沿传统航天电子能力向AI芯片延伸，强在可靠性积淀，弱在算力迭代速度；星载智能计算栈专精企业以可重构芯片、星载操作系统与在轨模型部署为切口，壁垒在“芯片—载荷—操作系统—模型”的全栈耦合；产学研机构持续输出源头技术，之江实验室、中科院计算所是其中的主要供给方。中外对比看，海外在抗辐照芯片设计与基础架构上具备相对优势，中国在工程化落地与成本控制上有独特优势。近半年值得记录的企业动态如下。

英伟达（NVIDIA）。全球主要AI芯片厂商之一。2025年11月与Starcloud合作将H100 GPU送入轨道，完成在轨大模型运行与训练验证（属“天数天算”预研类技术演示）；2026年8月与Starcloud深化合作；据公开报道，其正研制面向太空环境的Vera Rubin Space-1处理器，从芯片设计源头适配辐照、能源与热约束。这一步的意义在于，行业路线正从“把地面芯片改造成能上天”，转向“按太空条件重新设计芯片”。【信息来源：NVIDIA 官方、TechCrunch，2025年11月至2026年8月】

Ramon.Space。以色列太空计算基础设施企业，以软件定义的抗辐照运算平台为核心，提供运算、存储与连接一体化能力。2026年3月与鸿佰科技达成战略合作，据合作双方公告，拟建设业界较早的大规模太空运算产品生产线，把消费电子级的制造经验引入星载计算硬件，有望降低制造成本。这是星载算力从“航天级定制”走向“工业化量产”的关键一步。【信息来源：企业公告及行业媒体报道，2026年3月】

KP Labs。波兰星载智能计算企业，以FPGA架构AI加速器见长，产品线覆盖轻量级Antelope与主力Leopard数据处理单元，支持在轨硬件级重构以平衡算力与功耗。2026年6月与NaviGate合作验证星上自主导航软件在Leopard平台的运行，代表欧洲“边缘计算+自主运行”技术路线。【信息来源：SpaceWatch.global，2026年6月】

之江实验室。浙江省新型研发机构，主导建设三体计算星座：目前已有12颗计算卫星完成在轨部署，累计完成多轮模型在轨验证；规划远期达到千星规模、总算力1000 POPS，2027年目标完成百星布局。首发批次单星算力744 TOPS，2026年2月完成六星建链与10个AI模型在轨部署，7月双星再入轨后在轨模型达20个。其公开路线为“算力上天、卫星互联、模型上天”；机构坚持非营利定位，以共商共建模式向产业开放，是国内计算导向型路径的技术策源地（作为基础设施样本的分析见4.10节）。【信息来源：之江实验室官网、中国青年报，2026年7月至8月】

中国科学院计算技术研究所。国内星载智能计算机的技术源头之一，“极光1000”系列实现32 TOPS星载AI算力并稳定在轨超1000天，验证工业级AI芯片上天的可行性；衍生平台“极光1000·慧眼”搭载东方慧眼01星部署天基大模型JigonGPT，打通模型远程上注通道，相关成果正通过产业合作持续转化。【信息来源：中科院计算所公开资料，2024年至2026年】

星测未来。成立于2020年，核心团队源自清华大学天格计划。截至2026年9月，已实现37张先进制程GPU在轨部署、39颗载荷稳定在轨运行（其中部分载荷未搭载先进制程GPU）。据公司官方发布，实现国内12nm、全球7nm先进制程GPU在轨应用，单设备在轨稳定运行超四年，在轨及待发射算力平台近百套。公司依托其官方披露的在轨辐照实测数据，基于商用现货器件结合多层级容错设计攻克先进制程芯片在轨可靠运行难题；为能源行业客户提供的在轨火点识别载荷单景检测耗时小于100毫秒。【信息来源：星测未来官方发布，2026年9月】

航宇微。深耕宇航电子二十余年，建有国内宇航级SIP立体封装数字化生产线。2026年7月发布 Alpha-700星载智能单机，以国产Yulong810A抗辐照AI芯片为核心，支持在轨软件重构与异构算力调度，据公司发布信息可直接进入卫星总体物料清单，是星载AI走向标准化的代表性厂商之一。【信息来源：航宇微官网，2026年7月】

智算星空。2026年1月成立于无锡的星载计算企业，核心产品“太空算力盒子”为空天智算单元，采用FPGA与GPU异构架构，边长约16厘米、重量2公斤以内、功耗低于90瓦、算力248 TOPS，计划2027年上半年随卫星在轨验证（规划口径，尚未完成在轨验证）。把算力做成可插拔的标准化模块，可能有助于降低这一层的成本。【信息来源：公开媒体报道，2026年9月】

中科天算。推进“天算计划”太空超算，发布太空超算原型系统，实现10POPS级AI算力，完成算力与能源系统全流程联调验证。同步推进“天算一号”太空超算节点研制，计划2026年下半年发射实验节点，远期建设万卡级太空超算中心。重点布局星上智能处理、天基云边端协同计算。【信息来源：科技日报、上证报，2026年】

中科密位。形成“模组—板卡—整机—OS”产品体系，推出“洪塃”全国产异构智能计算系统和“玹黃OS”，提出“星—岛”协同计算架构。据披露，相关系统已支撑4颗卫星在轨稳定运行近5年，在研产品25颗以上，具备低、中、高轨全国产太空计算产品交付能力。【信息来源：科创板日报等，2026年】

一苇宇航。自研RROS双内核强实时操作系统及全国产高可靠太空通算一体机，核心组件包括飞腾D2000 CPU和天数智芯GPU，整机约2.5千克。产品具备太空粒子干扰自动检测、加固、恢复能力，已发布贯通全链路的太空算力服务平台，面向卫星运营商和总体单位提供算力解决方案。【信息来源：企业公开信息，2026年】

龙擎空天。已启动“算力上天”战略，布局星载SoC主控芯片、智能载荷主控芯片等新一代抗辐照核心芯片研发，并推进低轨卫星相控阵天线、卫星通信终端等关键技术。公司致力于构建“端—边—星—云”一体S化全栈空天地智能能力，面向中长期迭代推进星上智能算力体系建设。【信息来源：证券时报、中国日报，2026年7月】

雷科空天。建有天基智算系统北京市重点实验室，为天基算力网络联盟理事单位。自研12nm抗辐照芯片和星载GPU，产品已搭载多颗在轨卫星并配套国家重大航天工程。星上智算产品融合轻量化AI算法与异构计算架构，可实现在轨实时数据解译，将数据响应时效从小时级压缩至分钟级乃至秒级。【信息来源：上海证券报等，2026年】

宇算星河。2026年9月首发天基世界模型并发布琶洲智算星座，支持在轨7×24小时稳定运行，首组算力卫星已完成出厂验收，计划下月发射。公司此前实现自研大模型在轨运行，基于大模型在轨推理完成城市道路分割、车船检测、区域变化检测等任务，应用于高精度矢量路网、城市交通感知与城市治理，并降低带宽需求。【信息来源：广州日报、36氪，2026年9月】

沐曦股份。2026年7月力箭一号遥十五以“一箭5星”发射“云尖沐曦号”（吉天星A-04星）。该星由之江实验室联合云尖信息、沐曦股份、巡天千河、浙大城市学院等研制，搭载基于沐曦GPU的智算载荷、星载路由器和激光通信机，完成国产GPU在轨可靠性验证，是三体计算星座在“算力上天、卫星互联、模型上天”方向的探索。【信息来源：央广网、企业官方发布，2026年7月】

（本名单仅为观察梳理的部分企业，行业内仍有诸多主体未逐一列示，不代表行业全部；代表性企业目录旨在呈现行业多元生态，而非对任一企业的背书或推荐。另外，本报告聚焦太空AI，包括不限于感知、星载计算、天基算力赛道，传统大卫星制造与发射服务企业未全部纳入）

四、重点赛道三：天基算力基础设施——星座系统构建与组织路径

本章回答“怎么组织”，与前两章共同构成“感知—计算—构建”的闭环。天基算力基础设施是太空AI的系统集成层，也是系统集成与长期竞争的重要环节。这一层的组织方式并不唯一：至少存在两条路径，一条从算力能力出发（计算导向型），一条从应用需求出发（应用导向型），两者的起点、风险与收敛方向完全不同。赛迪顾问把“太空数据中心”列为太空算力五类场景之一，给出综合判断：“在轨遥感智能处理、通信星座星上计算、深空探测与科学自决策、安全与态势感知、太空数据中心五类场景将依循数据就绪度与容错度的差异阶梯式规模化落地”。

4.1 从单星算力到天基算力基础设施

单星算力的天花板很明显：算力有限、覆盖受限，撑不起大规模协同任务。算力星座要做的，是把分散的星载算力组织成一张统一的天基算力网。需求侧的拉力是真实的，地面AI算力的扩张速度，正面临电力、水资源与土地等约束，而轨道在部分条件下具备较高的日照占比，并以深空为热沉进行辐射散热，理论上提供了一条绕开地面瓶颈的路径。物理账可以这样算：Starcloud在其《轨道数据中心技术白皮书》中测算，5吉瓦级轨道数据中心需要约4公里见方的太阳能阵列；散热侧按斯特凡—玻尔兹曼定律，辐射器工作温度20摄氏度、表面发射率0.92时，单位面积散热功率约385瓦（理想稳态、简化模型口径），5吉瓦热负荷对应的辐射器面积与太阳能阵列处于同一量级。方案在物理上成立，工程量级显著。用一句通俗的话概括：地面数据中心的供电靠电网、散热靠风冷液冷；轨道数据中心则要自带一块巨大的太阳能阵列“发电”，散热只能靠向深空辐射红外线“排热”，且散热面积必须随功率线性放大——轨道数据中心的主要工程与成本难题，均由此派生。

更值得注意的，是这套物理账对技术路线的反作用。由于辐射散热功率随温度的四次方增长，把芯片工作温度往上抬，辐射器面积与质量就能快速下降——这解释了为什么星载算力芯片的设计目标正在从“耐辐照”扩展到“耐高温运行”，英伟达为太空环境研制的Vera Rubin Space-1处理器即沿此思路。另一个约束来自任务类型：综合海外行业媒体推演，轨道数据中心近中期负载更偏向推理；有行业观点认为，大规模在轨训练仍需较长产业周期，该判断属推演、存在不确定性。这与国内部分关于“天数天算”的讨论并不矛盾。先在轨解决“算得动”，训练仍是远期选项。把两类设施的约束条件摊开对比，可以更清楚地看出轨道方案的优势与代价。

所以算力星座不是把卫星堆在一起，而是天基分布式算力基础设施。构建路径选得对不对，可能影响太空AI停留在单星智能，还是走向系统智能。

4.2 两条组织路径的分野

计算导向型。从已有的算力能力出发，先把底座建起来，再往上加载应用：先解决“算得动、算得快、算得稳”，再回答“算来做什么”。它适合已有星载算力技术积累、需要把技术优势转化为系统能力的主体，商业模式以“算力Token运营”为核心，把太空算力封装成可调度、可计费的服务单元。

应用导向型。从真实应用与商业闭环出发，先定义星座的功能组合与系统架构，再向下分解到单星能力与产业链组织。它适合具备产业链组织能力、能定义系统总体的主体，核心竞争力是“系统定义能力”。不必自己造所有东西，但要决定造什么、按什么接口造、由谁来造。

两条路径并不互斥。产业走向成熟的过程中，它们会彼此靠拢：计算导向型迟早要找到应用出口，应用导向型迟早要自建或整合可控的算力底座。以现实主体为例，SpaceX以通信星座为本业、属应用导向阵营，同时持续自研星载算力与星间激光通信底座，是典型的混合模式；国内多家商业航天企业也普遍在两条路线上同时布局。

4.3 星座系统构建能力分级框架

按系统构建深度（单星算力管理、小星座协同、大规模星座系统、天地一体化系统）、产业链组织方式（自研、联合研发、生态共建）与服务封装程度（带宽、算力、Token、场景解决方案）三个维度，星座系统构建能力可分为四级（见表4-3）。

4.4 第一级：单星算力管理——已具备落地条件

D1已具备落地条件。单星算力资源管理、任务队列与简单调度都能稳定工作，数据需求低，单星运行数据即可支撑；商业场景是单星任务规划与载荷数据预处理。局限也很清楚：算力有限、支撑不了协同任务、服务质量无法承诺。公开信息中，多数在轨AI载荷仍处于这一层或相近阶段。

4.5 第二级：小星座协同构建——计算导向型路径的当前实践

D2的技术特征是从已有算力能力出发，用小规模星座验证系统可行性，商业模式以“算力 Token 运营”为核心。这条路的风险是能否尽快找到可验证的商业闭环，可能影响它能跑多远。

4.6 第三级：大规模星座系统构建——应用导向型路径的当前实践

D3的技术特征是从系统总体设计出发，定义星座的功能组合与产业链组织方式。这条路的镜像风险是“有系统无算力底座”：若核心算力长期依赖外部供给，服务质量可能受制于外部供给，因此必须在组网过程中逐步建立自主可控的算力节点。

4.7 第四级：天地一体化智能系统构建——远期可能形态

D4是这一层的远期可能形态。技术上要解决天地算力资源的统一调度、任务迁移、服务质量保障与主权治理；数据需求极高，依赖天地一体化运行数据与调度反馈；商业场景是全球算力服务、天基智能体与自主科学发现。

从公开信息看，行业讨论方向包括：天基计算体系正从“天数天算”（在轨处理太空采集的数据）向“地数天算”（处理地面上传的数据）拓展，再向“天地协同”演进。赛迪顾问把这一变化概括为产业价值从突破带宽约束，转向“天地同算”的新范式。海外的卡位同样激烈：SpaceX、蓝色起源、Starcloud 已先后向美国联邦通信委员会申请合计约114万颗数据中心卫星（均为申报规模，属企业中长期公开战略愿景，尚待监管审批）；其中Starcloud规划8.8万颗卫星、单星功率约200千瓦，并公开预计整个星座的资本开支约1000亿美元。这些数字未必都会被兑现，但它们提供了观察这一层竞争的一个坐标系。技术之外，基础设施治理、调度权归属与国际协调可能成为更突出约束。

4.8 两条路径的收敛条件与产业含义

转换的触发条件其实很具体。计算导向型要转向应用导向，通常发生在算力供给超过当前应用需求、必须自己下场定义场景来消化算力的时候；应用导向型要转向计算导向，则发生在系统规模扩大、外部算力供给已无法满足服务质量要求、必须自建核心节点的时候。

若两条路径收敛，竞争重点可能转向谁能同时定义系统需求与算力底座，而非单纯比较技术强弱或星座规模。这对投资判断有直接含义：只看星座规划数量，可能高估规划类主体、相对低估工程类主体；在轨资产规模、累计在轨运行时长与真实服务收入，可能比规划数字更具参考价值。

据此，阶段性研判为：近中期商业价值=感知业务+“天数天算”推理；远期技术价值=“地数天算”算力底座预研探索。两大范式为梯度并行演进关系，短期内较难相互替代。

4.9 星座构建数据的获取困境与破局路径

星座级数据的获取难度高于单星，因为变量从一维变成了多维：多星协同的时序关系、通信约束下的信息不完整，以及服务质量的分级，都要在同一份数据里被体现出来。

闭环的搭建方式是：关键调度数据优先回传，地面完成仿真与策略优化，再把调度策略上注回星座。配比思路里更依赖任务编排的历史样本，而非单载荷的观测样本。

理论上，星座层可以形成由“星座运行—地面优化—策略上注”三段构成的飞轮，与单星飞轮的差别在于协同维度：多星任务分配的最优解无法在单星层面验证，只能在真实星座环境里试错。同样需要说明，截至2026年9月，全球尚无商业主体完整跑通该闭环，飞轮转动仍需要在轨资产与客户付费样本的双重积累。这意味着早期组网窗口积累的数据具有一定独占性——谁先完成一个完整业务周期，可能形成阶段性的数据优势。

4.10 国内外代表性企业格局

这一层的核心参与者可分为三个阵营。计算导向型从星载算力技术出发向星座系统集成延伸，强在算力积累；应用导向型从系统总体与产业链组织出发构建通、遥、算一体化星座，多依托通信或遥感已有星座资产迭代升级，强在系统定义与行业场景落地；云服务商阵营从地面云向天基云延伸，侧重太空资源调度、托管运营与客户生态，强在调度算法与客户资源。中国在系统集成、批量卫星工程化落地、遥感场景闭环上有独特优势，国内玩家更多基于已有通信/遥感星座资产叠加在轨算力，海外新项目更偏向直接以轨道数据中心为目标新建星座。近半年值得记录的企业动态如下：

SpaceX。按公开在轨规模计，处于全球前列的商业航天运营商，2026年1月向美国联邦通信委员会申请部署最多100万颗数据中心卫星（属企业中长期公开战略愿景，尚待监管审批，不代表在建工程与落地产能），称轨道数据中心是满足AI算力加速需求的最有效方式；其星链体系已具备星间激光通信骨干，并以Stargaze平台向行业输出态势感知服务，是从通信星座向算力基础设施延伸的标杆。【信息来源：SpaceX向FCC提交的申请文件、SpaceNews，2026年1月】

蓝色起源（Blue Origin）。美国商业航天企业，2026年3月向美国联邦通信委员会提交“Project Sunrise”计划，申请5.16万颗数据中心卫星（属企业中长期公开战略愿景与远期申报规划，尚待监管审批，不代表在建工程、落地产能与可兑现业务），部署于500至1800公里太阳同步轨道，采用激光链路组网，并与此前规划的5408颗 TeraWave 通信卫星协同，远期规划吉瓦级轨道算力设施。【信息来源：FCC 申请文件及行业媒体报道，2026年3月】

Starcloud。2024年成立的美国轨道数据中心企业，项目当前仅完成单颗验证卫星的在轨试验：2025年11月将搭载英伟达H100的Starcloud-1送入轨道，据公司官方发布与公开媒体报道，为已知较早完成数据中心级 GPU 在轨运行与模型训练验证的案例之一。在此基础上，公司远期向美国联邦通信委员会申请8.8万颗卫星星座（属企业中长期公开战略愿景，尚待监管审批，不代表在建工程与落地产能），规划5吉瓦级轨道算力设施，计划2027年发射首批千瓦级商用计算卫星。公司自我定位是“轨道基础设施与能源公司”而非卫星公司——这个定位差异值得留意：其业务定位以算力与电力服务为主，而非卫星制造。【信息来源：Starcloud 官方、TechCrunch，2025年11月至2026年8月】

Kepler Communications。加拿大商业卫星运营商，运营33颗卫星的光学数据中继星座，正在部署由英伟达算力驱动的太空云基础设施，定位轨道数据中心的通信底座，代表云服务商阵营“先通后算”的路径。【信息来源：Kepler 官方及行业媒体报道，2026年】

D-Orbit。意大利太空基础设施服务商，归类云服务商阵营，主打太空在轨服务+太空云调度。不自主大规模制造算力卫星，依托在轨卫星托管、卫星在轨部署、星上资源调度软件能力，为第三方算力卫星提供轨道部署、资源编排、星地协同调度平台；核心优势为成熟太空任务调度软件与欧洲航天客户资源，不以大规模算力卫星制造为核心，高性能星载算力硬件自研能力有限。【信息来源：D-Orbit官网、ESA 行业简报，2026年】

之江实验室（三体计算星座）。企业概况与技术细节同见3.9节。作为基础设施样本，它的价值在于验证了三个关键环节：星间组网、跨轨道接入与多星协同，整轨12星互联后形成5 POPS协同算力，累计在轨部署20个AI模型，规划千星规模、总算力1000 POPS，2027年目标完成百星布局（远期规划口径，属中长期公开战略愿景）。其多星协同与在轨模型部署成果，现阶段属“天数天算”预研类工程验证。它以共商共建共享模式向全球伙伴开放，据公开信息，是国内较少见的非营利性技术策源地。【信息来源：之江实验室官网、科技日报，2025年至2026年】

国星宇航。成立于2018年的商业航天企业。据公司官方发布信息，自2018年研制发射全球首颗AI卫星起，已完成14次太空任务，自主开发6个AI有效载荷与18颗AI智算卫星；“星算”计划为远期规划，提出2800颗计算卫星、十万 P 级推理算力的建设目标（属企业中长期公开战略愿景，不代表可兑现产能）；据公司官方发布，已完成通用大模型太空在轨部署（公开报道中为已知较早案例），02组卫星于2026年9月启程发射，台州算力卫星基地与无锡产业配套同步推进。【信息来源：川观新闻、企业官方发布，2026年5月至9月】

银河航天。国内低轨通信星座头部商业航天企业，以通信星座为底座延伸在轨计算能力，属于应用导向型路线。公司低轨宽带星座已实现多星在轨组网、星间激光通信验证，依托现有卫星平台与地面站体系，逐步在卫星载荷中集成轻量化在轨AI处理单元，探索遥感数据在轨实时解译、边缘推理业务；远期规划在现有宽带星座基础上叠加在轨算力节点，构建通遥算融合低轨基础设施，优先服务对地遥感、物联网在轨实时处理场景。当前算力载荷尚处于在轨试验阶段，星座算力节点规模化部署为中长期规划愿景。【信息来源：银河航天公开发布会、36 氪行业报道，2026 年】

长光卫星。据公开信息为国内商业遥感龙头，典型应用导向型，从遥感业务场景出发推进卫星在轨智能处理。现有“吉林一号”星座已上百颗卫星在轨，原生具备海量对地观测数据获取能力，近年持续迭代星上AI处理载荷，实现图像在轨识别、目标提取，减少下传带宽压力；后续规划在新增卫星中升级高性能星载计算模块，构建“感算一体”遥感星座。核心优势为海量在轨遥感资产与成熟遥感行业客户，短板在于通用大模型在轨训练等高算力底座自主研发。【信息来源：长光卫星官网、证券时报公开报道，2025–2026 年】

星测未来。企业概况与技术细节同见3.9节。2026年9月公司在中国算力大会太空算力创新发展专题论坛上系统披露“扶摇计划”，该计划当前整体处于规划与技术验证准备阶段，规模化部署需按里程碑逐年推进：采用“自建核心+生态共建”模式，规划303颗自研核心算力卫星，联动约3000颗生态共建卫星，自建部分为3颗1000P级旗舰中心算力星、60颗10P级增强节点算力星与240颗P级基础边缘感算星。预计2028年将建成百星规模、百P级太空算力集群，实现全球覆盖、分钟级响应。生态侧已联合谱星航天共建共享1024颗智能光谱遥感星座。【信息来源：星测未来官方发布、中国算力大会论坛资料，2026年9月】

深空矩阵。2026年7月公司在世界人工智能大会发布“星环计划”，整体处于规划与早期在轨验证阶段：第一阶段规划约210颗卫星，在450公里轨道构建集遥感、通信、在轨计算于一体的低轨智能网络，实现“会看、会传、会算”；扩容后全球覆盖率约99.8%，区域准重访5至10分钟。经合作伙伴发射任务完成核心能力在轨验证后，再建设由数十颗卫星组成的首个在轨最小业务能力单元，远期可扩展至数千乃至数万颗。产业组织上，公司负责系统总体设计与核心能力建设，在运力、算力、能源、通信、热控等环节组织产业链伙伴联合研发。商业模式坚持“一边服务、一边建设”：星座建成前先整合现有多源遥感数据形成“遥感云”服务能力。【信息来源：新华网、大河财立方，2026年7月至9月】

轨道辰光。2026年7月“辰光一号”技术试验卫星发射入轨，标志我国太空算力基础设施从地面研发迈入在轨实测阶段。卫星搭载国产星上算力服务器，单星算力可达25PFLOPS，并开展空间聚光型太阳能电池、石墨烯柔性辐冷板等在轨试验。后续将依据试验结果迭代优化，分步推进模块化太空算力星座建设。【信息来源：新浪财经、北京市政府官网，2026年】

星际原点。聚焦太空算力与天地一体化算力网络，规划建设太空算力星座及中轨算力接入骨干卫星，打通地面终端、行业平台与天基算力的高速接入通道。旗舰产品“璇玑1号”为500公斤级低轨卫星，功率7千至10千瓦，可搭载9至16台算力载荷，整星方案设计已初步完成，目标构建高低轨协同、分布式调度的空间算力网络。【信息来源：投中网、36氪，2026年】

东方天算。2026年9月，上海“明珠星座计划”正式启动，以建设吉瓦级天基计算星座为长期目标，围绕天地一体化算力网络、空间能源等方向推进技术探索。计划到2030年逐步建成全球覆盖、天地协同、自主可控的太空智能算力基础设施和服务网络，当前更偏平台搭建与体系协同。【信息来源：浦江创新论坛、企业公开信息，2026年9月】

星枢天算。聚焦算力星网与联合平台，提出从验证星簇到百星、千星的分阶段路线。当前处于工程验证与首批节点准备阶段，重点验证星间组网、算力调度与多星协同等关键环节。定位为天基算力基础设施组织者，联合产业链伙伴推进算力卫星系统构建与在轨验证，后续部署需按工程里程碑推进。【信息来源：企业公开信息、行业报道，2026年】

中科星图+中科曙光。联合建设“用户—星上—天基云—地基云”天地一体太空算网，一方提供空天数据与应用能力，一方提供地面智算资源。该路径代表大型产业公司从地面算力网向太空延伸，已有战略合作和体系规划，当前仍以平台建设为主，重点在天地算力调度、数据流通与行业应用对接。【信息来源：企业公开信息，2026年】

上海垣信卫星。提供低轨通信网络、星间链路和未来潜在算力承载网络，是太空算力最终走向规模化服务的重要基础设施变量。当前主线仍为卫星互联网，算力承载属于网络能力延伸方向，需与算力星座、天基云平台协同推进。其网络覆盖、星间链路与运营能力，将影响天基算力的接入效率和服务质量。【信息来源：企业公开信息，2026年】

（本名单仅为观察梳理的部分企业，行业内仍有诸多主体未逐一列示，不代表行业全部；代表性企业目录旨在呈现行业多元生态，而非对任一企业的背书或推荐。另外，本报告聚焦太空AI，包括不限于感知、星载计算、天基算力赛道，传统大卫星制造与发射服务企业未全部纳入）

五、结语：从产业及金融视角看太空 AI

5.1 三层的协同闭环

感知层是入口。多模态感知与认知应用回答“发生了什么”。若其可靠性不足，后续计算与组织可能缺乏依据；其成熟度，可能影响整套系统是停留在技术演示，还是能提供可信赖的服务。

计算栈是底座。没有在轨可重构的算力，感知数据传不回来、处理不了、迭代不动。计算栈的成熟度，可能影响太空AI能否摆脱对地面的依赖。

基础设施是组织形态。没有星座级的系统构建，单星算力再强也是孤岛，感知数据再多也组织不起来。基础设施的成熟度，可能影响太空AI停在单点能力，还是长成系统能力。

5.2 产业化节奏：哪个赛道先跑起来

感知与认知应用赛道专精企业占据的是太空AI的入口层。核心能力是多源数据融合与实时态势理解，核心壁垒是“监测网络 + 算法迭代 + 客户信任”。它的成长逻辑是：随着太空活动规模化，安全服务需求从政府向商业客户扩散，感知层的数据入口价值持续放大。

智能计算栈赛道专精企业占据的是太空AI的物理基础层。核心能力是星载算力的可重构与模型的可迭代，核心壁垒是“芯片、载荷、操作系统、模型”的全栈耦合。它的成长逻辑是：随着芯片成熟和模型迭代，星载算力从“单星能力”升级为“星座级算力网络”的节点。

天基算力基础设施赛道实践样本占据的是太空AI的系统集成层。一类从算力能力出发向上构建系统，一类从应用需求出发定义系统架构。核心能力是系统定义与产业链组织，核心壁垒是“系统设计能力 + 产业链整合能力”。它的成长逻辑是：随着星座规模扩大和算力需求增长，系统集成商成为产业链的组织者。

它们之间是层级互补：感知层提供数据输入，计算栈提供算力节点，基础设施提供组织平台。深耕不同层级的企业，最终靠接口和标准彼此咬合，共同撑起太空AI的产业纵深。

从资本视角看，太空AI三大赛道资本属性差异显著。空间态势感知与安全服务属于中轻资产赛道，有机会较快落地订阅制商业收入，更适配风险投资机构参与；星载智能计算栈属于硬科技研发赛道，研发周期长，迭代验证高度依赖在轨试验，更适合产业资本长期布局；天基算力星座属于超重资产基础设施赛道，建设需要巨额资本开支，单纯市场化社会资本较难独立承担，通常需要国家队、大型产业或行业头部深度参与。

进一步从资本类型与退出路径看：风险投资更适配中轻资产的感知服务赛道，难点在于单体订单规模有限、上市退出窗口受二级市场对商业航天估值周期的影响较大；产业资本适配硬科技计算栈赛道，可通过战略协同与业务绑定获取回报，难点在于技术验证周期长，部分项目的战略价值可能高于财务回报；政府引导基金与国家队资本适配超重资产算力星座赛道，难点在于资本开支巨大、回报周期可能跨越常规基金存续期，通常需要以长期持有、资产证券化或产业整合等方式安排。但该赛道具备航天工程长周期、高验证成本的底层特征，投资无法完全依托通用估值逻辑与常规节奏决策，核心依赖阶段性缺位机会与前置身位优势。投资人需提前卡位技术迭代、业态落地的时间差窗口，依托早期布局的稀缺性与行业认知差，对冲短期业绩不确定性与退出周期波动，以此构筑超额收益的核心支撑。以上为基于赛道属性的资本适配分析框架，具体项目仍需结合自身禀赋个案判断。

在估值判断层面，行业需要避开一个常见误区：不能简单以企业对外公布的星座规划卫星数量作为估值依据。相比纸面规划，更值得看重的硬指标包括卫星累计在轨运行时长、已经落地的商业服务合同、在轨载荷故障记录，以及核心环节自主可控水平。当下行业存在“概念先行、在轨资产滞后”现象，部分企业频轨申报规模很大，但兑现受多重现实条件约束，这是投资研判中必须重点考量的现实。此外，还需注意两组常见的不等式：在轨试验不等于收入，技术演示与工程验证本身并不产生商业现金流；政府型号合同也不等于可复制的商业化订阅收入，当前不少项目的收入来自科研与型号任务，并不等同于商业市场已经打开，两类收入在估值研判中应分别看待。

落实到投资研判，本报告给出两层阶段性研判。一级投资逻辑：在估值分析中，可优先关注“天数天算”落地资产与真实业务合同，以在轨实测数据、已落地的商业服务合同与核心技术自主可控水平作为定价参考。二级储备逻辑：“地数天算”作为长期技术布局的观测方向，可跟踪其技术演示进展。“天数天算”在近中期贡献可评估的商业价值，“地数天算”在远期提供技术期权价值

5.3 政策、产业、社会的三重意义

政策层面：太空AI是数字生产力向空间延伸的战略抓手。建设太空算力基础设施，本质上是“人工智能+”行动在空间维度的展开，直接关联轨道资源分配、频谱使用与空间安全治理。政策环境正从鼓励探索转向规范引导，标准化与安全认证体系会成为下一步重点。

产业层面：太空AI正在改写商业航天的价值分配。传统商业航天的价值集中在发射服务与卫星制造，太空AI把重心推向数据服务、算力运营与安全保障。产业链从“制造、发射、运营”的线性结构，演变为“感知、计算、构建、服务”的网状生态。谁能定义接口标准、掌握调度权、封装场景服务，可能更容易占据价值捕获的有利位置。

社会层面：太空AI处在科技温度与全球竞争的交汇点上。空间态势感知与碰撞预警直接关系在轨资产安全与太空环境可持续性；太空算力的全球覆盖能力，则可能改变偏远地区、海洋、航空等场景的数字服务可及性。它的发展需要在技术创新、商业利益与全球治理之间取得平衡。

5.4 当前技术成熟度的评估

感知与安全服务：多源融合已进入商业落地，在轨实时认知正从技术验证走向工程部署，预测性态势理解仍属早期探索。整体处在“从能用走向好用”的阶段。

智能计算栈：抗辐照达标计算已成熟，在轨可重构算力正在快速迭代，星座级协同推理已在少数星座完成初步验证，在轨增量学习刚刚起步。整体处在“从固定走向可重构”的阶段。

算力基础设施：单星算力管理已成熟，小星座协同构建已有多个验证项目，大规模星座系统构建正在规划推进，天地一体化智能系统尚在概念阶段。整体处在“从小星座验证走向大规模部署”的阶段。

有观点认为，太空算力整体成熟度处在从开发验证向应用成熟跃迁的临界点，本报告认为该判断尚需观察。其中更有参考价值的是如下判断：行业核心门槛可能从“把设备送上天”的物理制造壁垒，转向“在极端环境下持续算得下去”的系统生存壁垒。

5.5 下一步观察指标

判断产业是否进入加速期，可以盯住四类信号（以下为本报告观察框架）。

技术信号：抗辐照AI处理器的算力迭代周期是否缩短到18个月以内；在轨模型更新的频次是否从“季度级”提升到“周级”；星座级协同推理是否出现可复现的成功案例。

商业信号：安全服务是否出现年付费超过千万级的商业客户；太空算力是否出现稳定的“算力出租”收入模式；系统集成商是否开始定义被行业广泛接受的接口标准。

政策信号：空间交通管理的国际规则是否取得实质性进展；主要航天国家的太空算力基础设施是否列入国家战略规划；安全认证和责任边界是否有明确的法规框架。

资本信号：投资重心是否从“发射和制造”转向“数据、算力和服务”；是否出现太空AI领域的并购整合案例；估值逻辑是否从“看技术”转向“看收入”，是否出现从“看规划”向“看在轨资产”切换的案例，工程节奏比叙事热度更值得关注。

信息来源索引及核心术语缩略表

一、企业官方信息与公告

[1] Slingshot Aerospace. Slingshot Aerospace Launches “Portal,” an AI-Driven Platform for Mission-Ready Space Operations[EB/OL]. 2026-04-14.

[2] Slingshot Aerospace. Slingshot Portal User Base Grows More Than 400% as Slingshot Expands AI-Powered Space Operations Capabilities[EB/OL]. 2026-08-18.

[3] LeoLabs. LeoLabs Launches Delta: The Most Comprehensive Space Domain Awareness Solution for U.S. and Allied National Security Missions[EB/OL]. 2026-04-08.

[4] LeoLabs. LeoLabs Deploys Scout-S, Establishing A New Class of Transportable 3D Search Radars[EB/OL]. 2026-06-10.

[5] 之江实验室. 三体计算星座双星成功发射，太空AI加速到来[EB/OL]. 2026-07-31.

[6] 珠海航宇微科技股份有限公司. Alpha-700星载智能单机正式发布[EB/OL]. 2026-07-04.

[7] 星测未来. 云端协同太空算力星座“扶摇计划”发布材料[EB/OL]. 2026-09-11.

[8] 深空矩阵. 新一代AI智能卫星星座战略“星环计划”发布材料[EB/OL]. 2026-07-20.

[9] 国星宇航. “星算”计划02组首批8颗卫星启程赴发射场[EB/OL]. 2026-09-12.

二、行业研究机构与咨询报告

[10] 赛迪顾问. 前沿技术预测预见研究（太空算力、商业航天部分）[R]. 北京，2026-09-08.

[11] 赛迪研究院. 2026年未来产业十大赛道[R]. 2026.

[12] 赛迪智库. 中国商业航天市场规模统计[R]. 2026.

[13] MarketsandMarkets. Space Situational Awareness Market[R]. 2025.

[14] Mordor Intelligence. Space Situational Awareness Market[R]. 2026.

[15] Novaspace. Space Situational Awareness Market Forecast[R]. 2024.

[16] New Space Economy. Space Situational Awareness Market Analysis 2026[R]. 2026.

[17] 泰伯智库. 太空算力产业发展研究[R]. 2026.

三、科研机构成果与技术资料

[18] European Space Agency. 2025年太空环境年度报告[R]. 巴黎，2025.

[19] 中国科学院计算技术研究所. “极光1000”系列星载智能计算机公开技术资料[EB/OL]. 2024-2026.

[20] 之江实验室. 三体计算星座技术资料与在轨试验进展[EB/OL]. 2025-2026.

[21] Starcloud. Starcloud-1在轨运行数据及轨道数据中心技术白皮书（Why we should train AI in space）[EB/OL]. 2025-2026.

四、行业标准与政策文件

[22] 国务院. 2026年政府工作报告[R]. 北京，2026-03.

[23] 中华人民共和国国民经济和社会发展第十五个五年规划纲要[R]. 2026.

[24] 国家航天局. 推进商业航天高质量发展安全发展行动计划（2025-2027年）[Z]. 2025.

[25] 工业和信息化部. 关于优化业务准入促进卫星通信产业发展的指导意见[Z]. 2025.

[26] 美国联邦通信委员会（FCC）. SpaceX、蓝色起源、Starcloud 星座运营申请文件[Z]. 2026.

五、财经媒体与产业资讯

[27] 新华网. 深空矩阵“星环计划”发布及星座规划报道[EB/OL]. 2026-09-08.

[28] 财联社. 赛迪顾问：太空算力迈向天地同算，2030年市场有望达160亿美元[EB/OL]. 2026-09-08.

[29] 中国新闻网. 业内展望太空算力等前沿技术发展路径和前景[EB/OL]. 2026-09-08.

[30] 光明网. 近地轨道“拥堵”加剧，谁来守护太空安全？[EB/OL]. 2025-11-27.

[31] 中国证券网. 商业航天大消息！太空“星眼”来了[EB/OL]. 2025-11-26.

[32] 新浪财经. 清博空天空间态势感知技术进展报道[EB/OL]. 2026-04-17.

[33] 中国青年报. 三体计算星座：让算力乘着卫星上天[EB/OL]. 2026-07-31.

[34] 浙江在线. 把AI送入近地轨道，让算力在星辰间流转[EB/OL]. 2026-07-29.

[35] 川观新闻. 国星宇航太空计算星座建设进展报道[EB/OL]. 2026-05-18.

[36] 华商韬略. 星测未来“扶摇计划”专题报道[EB/OL]. 2026-09-11.

[37] 大河财立方. 深空矩阵“星环计划”产业观察[EB/OL]. 2026-09-08.

[38] 东方财富网. 星载计算硬件量产合作进展报道[EB/OL]. 2026-03-26.

[39] 中华网财经. 太空算力，概念炒作还是万亿蓝海？[EB/OL]. 2026-08-04.

[40] 经济日报. 一场盛会见证中国商业航天跃升[EB/OL]. 2026-03-30.

六、海外科技媒体与行业会议

[41] SpaceNews. SpaceX unveils space traffic management system[EB/OL]. 2026-02.

[42] TechCrunch. Starcloud advances orbital data center plans[EB/OL]. 2026-08-21.

[43] Quartz/Yahoo Finance. Startups building orbital data centers before Big Tech[EB/OL]. 2026.

[44] SpaceWatch.global. KP Labs and NaviGate Explore Satellite Autonomy through Navigation and Edge Processing Technologies[EB/OL]. 2026-06-22.

[45] SmallSat News. LeoLabs Awarded $20.7 Million U.S. Space Force Contract for Mobile Scout-S Surveillance Radar[EB/OL]. 2026-08-27.

[46] 2026中国算力大会·太空算力创新发展专题论坛. 会议资料[Z]. 上海，2026-09-11.

[47] 2026世界人工智能大会（WAIC）. 深空矩阵“星环计划”发布资料[Z]. 上海，2026-07-20.

七、其他重要参考来源

[48] AsiaICT. How Far Has the Booming Space Computing Power Come in the Past Six Months?[EB/OL]. 2026.

[49] Nexi Fund. AI-Driven Autonomous Space Traffic Coordination: The Race to Prevent Orbital Collisions[EB/OL]. 2026.

[50] 澎湃新闻、参考消息网等. 遨天科技“甘德一号01星”地月空间跟踪观测报道[EB/OL]. 2026-08.

[51] 科技日报、人民网. 我国新增超20万颗卫星申请[EB/OL]. 2026-01-12.[52] 央广网. 20万颗卫星申报，开启中国商业航天总动员[EB/OL]. 2026-01-14.。

八、核心术语缩略表

重要阅读提示

1. 技术阶段说明：本报告涉及的产业仍处于技术路线未收敛、工艺持续迭代、行业标准尚未建立的早期阶段。文中所有关于技术成熟度、产业化节奏、市场规模、CAGR 增长率等的预测和估算判断，均基于截至2026年9月18日的综合行业机构公开预测信息与合理推演，存在较大不确定性。

2. 预测与结论的局限性：报告中提及的各类市场规模预测来源于第三方研究机构的综合判断，不同机构间可能存在显著差异，不构成对未来的确定性承诺或投资建议。

3. 企业信息与关联关系：所有企业进展均来自公开可查资料（官方公告、年报、权威媒体报道），不代表对任何企业的背书或商业推荐。文中提及的“高校背景”主要指创始团队学术渊源或产学研合作历史，不隐含商业关联。

4. 阅读建议：建议读者结合本提示及报告第一章第1.7节“风险提示”，对本报告内容持审慎、开放、验证的态度。本团队将持续跟踪产业变化，定期迭代更新。

5. 前置约束逻辑：本报告所有产业研判，均建立在“空间物理+监管规则+成本约束”的前置条件之上，遵循先约束、后技术、再商业的专业研判逻辑。

6. 远期尺度：本报告所有远期企业规划、轨道算力推演、太空训练试验成果，均保持审慎写实尺度，不将技术演示、战略愿景等同于业务落地产能。

7. 信息完备性说明：报告中所有企业案例，均只采用公开披露信息，无法核实企业未公开的内部技术指标、订单与研发进度，存在信息不完备风险。

本文摘自清华金融评论&清友创联联合策划“科创AI+科技产业金融”专栏，由清友创联撰写出具的研究报告《当AI走向星辰，重塑太空数字生产力》。详细信息来源索引及核心术语缩略表详见完整研究报告。产业技术迭代快速，若各位行业专家、从业人员发现文中数据疏漏、未收录产业线索、内容需要勘误修正，或是太空AI相关课题研究、活动申请，以及其他产业专访、专栏内容合作事宜，均可来信沟通（联络方式仅供研究交流）。联络邮箱：thfrc@pbcsf.tsinghua.edu.cn

（本文为清华金融评论&清友创联联合策划“科创AI+|科技产业金融”专栏研究报告）

关于《清华金融评论》·《科创AI+》

《清华金融评论》坚守“建言金融政策，引领金融实践”的办刊初心与使命，《科创AI+》栏目聚焦新一轮科技革命与产业变革的时代浪潮。针对当前AI赋能科技创新、产融深度融合、前沿技术落地等热点话题进行深度剖析、案例分享与访谈解读。解码科创企业成长逻辑，洞察AI技术应用边界，探索“科技- 产业-金融”协同发展新路径。

Review of Past Articles -

编辑 | 兰银帆

审核丨秦婷