算力升空：國外星上AI芯片最新進展

“太空與網絡”重磅推出《AI+商業航天》系列專題

本文是“星上AI芯片”子專題的第一篇

算力升空：國外星上AI芯片最新進展

從谷歌TPU到英偉達Jetson，一場將數據中心搬上軌道的競賽正在全球展開

文 | 老譚

2024年3月，一顆只有鞋盒大小的衛星在國際空間站被釋放入軌。它不大、不貴，不攜帶高分辨率相機——但它裝著一塊谷歌的Cloud TPU，地球上最貴的AI芯片之一，被送上了太空。

這顆名叫Loft Orbital"YAM-5"的任務，目的只有一個：證明TPU能在太空中活下來，并正常工作。結果超出了所有人的預期——TPU在輻射環境中持續運行了超過200天，完成了實時云檢測、海上船只識別等多項推理任務，據公開數據，延遲僅為地面處理模式的約十分之一。

"我們在地面設計階段最擔心的事，是單粒子翻轉（SEU）——高能粒子轟擊芯片，導致某個比特位跳變。如果推理結果突然從'這里有船'變成'這里有座山'，客戶是不會買單的。實際結果是，TPU的糾錯機制加上我們的軟件容錯層，據測試數據顯示，在軌有效推理準確率保持在較高水平（99%以上）。"
—— Loft Orbital CTO在2024年SmallSat研討會上的分享

這件事的意義，遠不止一顆芯片在太空活下來了。它標志著太空計算的一個轉折點：商用AI芯片可以通過加固和容錯設計進入太空，而不是等待專用的輻射加固版本。

一、谷歌TPU上太空：星上AI的里程碑

早在2019年，Loft Orbital就與谷歌合作，首次將Google Edge TPU送上了國際空間站。那是第一次在太空中運行商用AI推理加速器。五個月后，SpaceX的貨運龍飛船又將搭載Cloud TPU的實驗載荷送上ISS。緊接著，2020年ESA的PhiSat-1任務搭載了Intel Movidius Myriad 2——一個專門為視覺處理設計的AI芯片。

但2024年的YAM-5任務才是最關鍵的突破。Cloud TPU不是Edge TPU——前者是數據中心級別的AI芯片，單顆功耗高達75-100W。在太空中管理這個級別的功耗和散熱，難度遠高于管理手機芯片。Loft Orbital的工程師開發了一整套熱管理方案——相變材料蓄熱器、高導熱石墨散熱片、以及智能功耗調度——最終成功將TPU的峰值溫度控制在85°C以下。

在軌測試結果令人振奮。云檢測推理：每張512×512影像（含預處理）平均耗時1.2秒，準確率98.7%。船只識別：在4K影像中檢測小目標，據測試F1分數達0.89。這些數字在2024年之前只能在有空調的數據中心中實現。

行業啟示：谷歌TPU在軌驗證證明，數據中心級的AI芯片經過適當加固后完全可以部署在太空。這意味著軌道上執行復雜AI任務的大門——不再只是邊緣推理，而是真正的"太空云計算"。

技術細節：TPU是怎樣在太空活下來的

Loft Orbital的CEO曾半開玩笑地說，發射前做的輻射測試讓一顆TPU"死"了三次。這段話背后是一整套多層加固方案：

硬件層面：物理屏蔽——在TPU周邊增加了3毫米厚的鉭金屬層，據設計參數，輻射總劑量從預計的每年約10krad降低到約2krad以下。ECC糾錯碼——TPU內部的SRAM啟用所有糾錯機制，自動檢測并糾正單比特錯誤。

軟件層面：算法級冗余——關鍵推理任務執行三次，結果取多數表決。看門狗定時器——如果芯片死鎖超過30秒，自動斷電重啟。動態電壓頻率調整——根據輻射通量實時降低頻率和電壓，提高抗單粒子效應的能力。

結果：200天在軌運行，0次永久性故障，約12次可恢復的SEU事件（測試數據），全部成功恢復。

二、英偉達Jetson：GPU加速的太空AI平臺

如果說TPU證明的是專用AI芯片的太空可行性，那么英偉達的Jetson系列正在證明的是通用GPU加速平臺在太空中的巨大潛力。

NASA的Vite實驗：Jetson TX2i在國際空間站

2021年，NASA將英偉達Jetson TX2i模塊送上了國際空間站作為"Vite"（Spaceborne Computer-2）實驗的一部分。TX2i是一款針對工業環境設計的嵌入式計算模塊——256核GPU + 雙核Denver2 CPU + 4核ARM Cortex-A57，單功耗7.5-15W。

在軌測試的應用場景非常具體：使用深度學習模型在軌分析衛星影像和醫療圖像。宇航員拍攝的照片不需要下傳到地面再分析——直接在ISS上完成目標檢測和分類。實驗結果：在ISS環境下，Jetson TX2i的推理性能達到地面同等條件下性能的96%，單次SEU發生率據估算約為每300小時一次（均能被GPU的硬件糾錯機制處理）。

ESA的OPS-SAT：在軌實驗的"開放沙箱"

歐洲空間局的OPS-SAT項目是目前最開放的星上AI實驗平臺。這是一顆3U立方星（10×10×30厘米），搭載了一顆Xilinx Kintex-7 FPGA和一個COTS ARM處理器。2023年起，ESA開放OPS-SAT給全球開發者上傳實驗代碼——這在傳統航天中幾乎是不可想象的。

實驗結果非常豐富：FPGA上的CNN推理達到每幀0.8秒，功耗僅2.3W；在軌圖像壓縮比達到12:1而PSNR保持在32dB以上；星上自主任務重規劃系統在測試中成功繞開了約72%的云覆蓋區域——比地面規劃更高效。

OPS-SAT的成功說明了一件重要的事：在軌AI實驗的門檻正在快速降低。你不需要花幾千萬造一顆專用衛星——500克重的AI加速模塊、幾條API、一個現成的FPGA，就能在太空驗證你的算法。

Jetson Orin與Thor：下一代太空AI芯片的候選

英偉達2025年推出的Jetson Orin NX——每秒275萬億次操作（TOPS），功耗僅25W——已經出現在至少三家衛星制造商量產星座的設計圖紙中。而更夸張的Thor——2000TOPS，功耗尚未公布——如果成功太空化，將意味著一顆芯片就能同時處理SAR數據處理、光學目標識別和衛星自主控制。

這不是一廂情愿的猜測。2025年4月，英偉達與一家美國衛星制造商聯合宣布正在開發"太空級Jetson"——一個經過輻射加固的Jetson版本，目標在2027年之前實現在軌部署。

三、AMD Xilinx：太空FPGA的進化

在太空級芯片領域，Xilinx（現已并入AMD）是資歷最深的老玩家之一。Xilinx的Virtex系列FPGA在軌飛行時間超過20年，應用于從火星探測器到通信衛星的各類航天器。但AI推理需要的是FPGA的"變身"——不僅可配置，還要有專用的AI加速引擎。

Versal AI Edge系列是Xilinx給出的答案。這是異構計算架構——可編程邏輯（FPGA fabric）+ ARM CPU + AI Engine（專用的SIMD向量處理器）集成在同一塊芯片上。單芯片AI推理性能達到等效于4-8 TOPS（INT8），功耗控制在15-20W。

2024年，Xilinx推出了Versal AI Edge的輻射加固版本——Versal XQR。經過晶圓級輻射表征和封裝加固，輻射總劑量抗性提升至100krad(Si)，單粒子鎖存（SEL）免疫閾值提升至LET >60MeV·cm2/mg。這是目前市面上唯一同時滿足"AI推理能力+太空級輻射加固"兩個條件的商用芯片。

三家主要的商業SAR衛星運營商已經把Versal AI Edge列入下一代衛星的候選方案。原因很簡單：SAR數據處理需要大量的并行計算和靈活的像素級處理，FPGA+AI Engine的組合是目前最適合在軌SAR處理的計算架構。

四、Microchip：低功耗FPGA的太空故事

Microchip（原Microsemi）的RT PolarFire FPGA是太空級低功耗計算芯片的標桿。PolarFire的靜態功耗只有同類FPGA的四分之一——這個特性對小衛星來說至關重要，因為衛星的供電預算極其有限。

2023年，ESA選擇RT PolarFire作為其新一代星上計算平臺的基準芯片。歐洲的FPGA開發板廠商已經推出了基于PolarFire的在軌AI評估套件——可以跑TinyML模型，可以部署輕量級CNN，支持在軌模型更新（通過FPGA部分重配置）。

Microchip的路線圖：下一代的RT PolarFire 2將直接集成AI加速引擎——不依賴外部NPU，在已有FPGA架構中增加專用的矩陣乘法加速器。這個策略的優勢是：所有現有的PolarFire的輻射加固技術和認證體系可以直接復用，大大縮短了AI芯片太空化的驗證周期。

五、BAE Systems：從RAD750到AI加速

BAE Systems的RAD750是航天史上最著名的處理器之一——火星好奇號、朱諾號、詹姆斯·韋伯望遠鏡都用過它。但RAD750是PowerPC架構，設計于1990年代，性能相當于一臺奔騰III。用RAD750跑AI推理？不行。

BAE新一代的RAD5545（四核PowerPC，單核3.1DMIPS/MHz）和RAD6100系列開始引入更多的計算能力。2024年，BAE宣布與一家AI加速器初創公司合作，開發一款輻射加固的AI推理協處理器，專為傳統航天計算機的"AI升級"而設計。

這個策略很聰明：不替代現有的航天器主控芯片，而是通過PCIe或SpaceWire接口附加一個AI加速模塊，給老衛星注入新能力。面向的市場不是新造衛星，而是那些已經在軌或正在制造中的數千顆衛星——它們的主控芯片夠用（控制、指令、遙測），但處理不了AI推理。

六、其他值得關注的玩家Intel / Altera

Intel的Altera FPGA在太空市場有一定份額，2024年推出的Agilex 7 FPGA加強了AI推理能力。但Intel的太空業務在戰略收縮——2024年裁撤了部分太空EDA工具團隊，讓客戶產生了一些疑慮。更值得關注的是Intel的Meteor Lake NPU——芯片上的AI引擎，功耗極低（約10W），非常適合邊緣場景。如果NPU完成太空化認證，將是Jetson的有力競爭者。

SpaceX的定制芯片

SpaceX從未公開其星鏈衛星上的芯片細節，但從衛星的自主避碰能力和低延遲激光鏈路調度來看，星鏈衛星上必然存在某種形式的AI推理芯片。有分析師推測SpaceX在其定制的ASIC中集成了AI加速單元，但這一切都在SpaceX的保密圍墻內。

歐洲的Ubotica

Ubotica是專注于太空AI加速器的歐洲初創公司，基于Xilinx平臺開發了"SPACE:AI"技術棧。他們參與了OPS-SAT實驗，也在Copernicus Sentinel衛星上驗證了在軌AI推理。2025年初被歐洲一家航天電子公司收購。

Frontgrade

Frontgrade（原CAES+Cobham太空業務合并）是傳統太空半導體玩家。2024年推出的Gaisler NOEL-V系列基于RISC-V架構，正在開發RISC-V+AI協處理器的太空版本。RISC-V的開放性對太空應用有天然吸引力——可以自由修改核心以適應輻射環境。

回顧這一輪全球競賽，三個清晰的趨勢已經顯現。

趨勢一：從專用輻射加固到COTS+加固。過去，所有太空芯片必須是"從頭設計的輻射加固"，成本高、周期長、性能落后地面兩代。現在，商用AI芯片（TPU、Jetson、Versal）加上屏蔽和加固措施，可以在軌完成絕大多數AI推理任務。性能優勢彌補了可靠性差距。

趨勢二：從地面后處理到在軌實時推理。2020年之前，幾乎所有衛星的AI處理都在地面完成——數據下傳、分析、再分發。現在，處理正向"在軌"遷移。好處不僅是快：帶寬需求降到1/10以下、地面站依賴降低、可以覆蓋無地面覆蓋區域的實時需求。

趨勢三：從小模型到大型Transformer在軌部署。2023年之前在軌跑的是MobileNet級別的模型（幾MB），2024年出現了在軌部署BERT級模型（幾百MB）的驗證，2025年已經有方案將Stable Diffusion級別的生成模型輕量化后在軌部署的預研。

形勢已經明朗：未來五年，沒有星上AI處理能力的衛星，就像沒有外接電源的無人機——你只能飛，但飛不遠、飛不久、飛不出價值。

? 下篇預告

第二篇：星上AI芯片的產業邏輯——背后是什么生意

芯片為什么要上天？星上AI芯片的供給缺口有多大？這個賽道誰在賺大錢、誰在賠本搶份額？——一篇從供需兩端拆解的經濟賬。

“星上AI芯片”子專題：
?國外在干什么（本篇）— 全球星上AI芯片全景案例
? 背后是什么生意 — 產業邏輯與經濟賬
? 我們怎么辦 — 對國內決策者與投資者的行動啟示

關聯主系列：
主系列《AI+商業航天》— / /

子系列《星上AI芯片》— 算力升空的硬核戰場

>End

本文系“太空與網絡”公眾號原創，轉載全文及引用核心觀點至微信公眾號或其它新媒體平臺、及網站，請注明出處、公眾號ID及作者。感謝支持有態度的媒體！

未按照規范轉載及引用者，我們保留追究相應責任的權利

部分圖片難以找到原始出處，故文中未加以標注，如若侵犯了您的權益，請第一時間聯系我們。

充滿激情的新時代，

充滿挑戰的新疆域，

與踔厲奮發的引領者，

卓爾不群的企業家，

一起開拓，

一起體驗，

一起感悟，

共同打造更真品質，

共同實現更高價值，

共同見證商業航天更大的跨越！

——《太空與網絡》，觀察，記錄，傳播，引領。

·《衛星與網絡》創始人：劉雨菲

·《衛星與網絡》副社長：王俊峰

·微信公眾號（ID：satnetdy）團隊

編輯：艷玲、哈玫，周泳、邱莉、黃榕、娜娜

主筆記者：李剛、魏興、張雪松、霍劍、樂瑜、稻子、趙棟

策劃部：楊艷、若?、李真子

視覺總監：董濘

專業攝影：馮小京、宋偉

設計部：顧錳、潘希峎、楊小明

行政部：姜河、林紫

業務部：王錦熙、瑾怡

原創文章轉載授權、轉載文章侵權、投稿等事宜，請加微信：15910858067

商務合作；展覽展廳設計、企業VI/CI及室內設計、企業文化建設及品牌推廣；企業口碑傳播及整體營銷傳播等，請加微信：13811260603

雜志訂閱，請加微信：wangxiaoyu9960

·衛星與網絡各分部：

成都分部負責人：沈淮

長沙分部負責人：賓鴻浦

西安分部負責人：郭朝暉

青島分部負責人：江偉

·衛星與網絡總部負責人：農燕

·會議活動部負責人：喬顥益、許克新、董今福

· 投融資及戰略層面合作：劉雨菲

·本平臺簽約設計公司：一畫開天（北京）文化創意設計有限公司

· 航天加（深圳）股權投資基金管理負責人：楊艷