AI+商业航天，中国不能错过的三个战略判断

本文来自微信公众号： 太空与网络 ，作者：老谭

为什么要在这个时间点讨论"怎么办"

前两篇呈现了一个清晰的趋势：国外AI+航天的产业演进已经走过了"概念验证"阶段，进入了"规模化部署"阶段。据公开报道，Starlink已完成超过2万次自主避碰、Palantir的分钟级传感器到射手闭环、Loft Orbital的商业化算力出租——这些不是实验室成果，是已经运行了一年以上的在轨生产系统。

国内商业航天在过去五年取得了长足进步。火箭在迭代，卫星在升级，资本在涌入。但一个事实值得正视：大多数国内航天公司做的事情，和五年前相比并没有本质区别——造更好的火箭、更轻的卫星、更高分辨率的相机。AI在这些公司中要么不存在，要么作为"演示功能"而非核心能力存在。

这不是唱衰。这是一个机会窗口的判断。国外的先行者已经画出了路线图，但整个行业仍然处于早期——还没有任何一家公司建立起不可逾越的壁垒。这个窗口不会永远开着。以下三个战略判断，是对所有相关方的一次提醒。

战略判断一：不要单打独斗，要生态结盟

事实基础。Palantir自己不发射一颗卫星，却通过AI平台调度整个商业遥感星座。它不造硬件，但控制了数据流向和决策输出。它证明了一件事：在AI航天的价值链中，平台层可以独立于硬件层存在，并且占据最大的价值份额。

中国的现实。据业内统计，国内真正意义上的商业航天公司超过70家，AI大模型企业也有数十家。但两者之间的合作几乎为零。大模型厂商——百度、科大讯飞、商汤、智谱——不懂航天的工程约束（功耗、辐射、带宽）。航天公司——无论国企还是民企——不懂AI能做什么、应该从哪里切入。中间缺的不是技术，是一个能沟通两个世界的"翻译者"。

行动框架：三步建立AI-航天的生态连结

第一步：盘点家底。你的卫星数据每天产生多少TB？其中有多少在轨处理了？有多少下传后直接被存起来从未被使用？（据调研估算，大部分公司目前不到5%数据在轨处理，超过70%从未被使用。）

第二步：锁定AI伙伴。不是签一个MOU就算合作。要建立联合工程团队，把你的数据流开放给AI公司做训练，把他们的模型部署到你的卫星上做测试。目标：6个月内跑通一个端到端用例。

第三步：设计商业闭环。不要停留在"合作研发"的层面。要明确：联合输出的产品是什么？收入怎么分？谁拥有客户关系？Palantir与BlackSky的合作不是技术合作，是商业合作。

⚠不这么做的风险

国内商业航天的"数据孤岛"问题将固化。每家卫星公司各自卖自己的影像，定价权被买家压榨。而当国外平台公司（Palantir、Loft Orbital）准备进入中国市场时，国内公司将发现自己在生态系统层面没有还手之力——因为你的数据没有和AI能力绑定，是可以被替代的商品。

战略判断二：星上算力是下一个硬件风口

事实基础。Loft Orbital在卫星上装谷歌TPU。英伟达的Jetson Orin芯片正在被多家卫星制造商采用。Capella和ICEYE用深度学习模型在轨实时处理SAR图像。这些不是巧合——它们指向同一个趋势：卫星的竞争力正在从"光学口径多大"转向"星上算力多强"。

为什么是风口。全球目前能批量供应太空级AI芯片的供应商不超过三家。需求侧：据多家行业机构预测，未来十年可能有超过5万颗卫星需要某种形式的星上AI处理能力。供需之间存在巨大缺口。更重要的是，星上AI芯片不仅有芯片本身的市场，它还会带动整个配套生态：星上操作系统、边缘AI框架、在轨模型更新工具链——每一个都是独立的市场。

国内在这个赛道上存在明显的短板。航天芯片长期依赖进口或特供版本，国产替代主要集中在传统控制芯片领域，AI推理芯片的太空化改造几乎还是空白。但这恰恰意味着机会——因为这是一个从零开始的赛道，先发优势尤为重要。

行动框架：星上算力生态的布局优先级

• 最高优先级：抗辐射AI推理芯片。不需要追求最先进制程（28nm以上即可），关键是辐射加固和低功耗。目标应用：SAR图像在轨处理、目标识别、信号分类。

  
  

• 次高优先级：星上轻量化AI框架。地面上的PyTorch/TensorFlow在太空跑不动。需要一个针对太空环境优化的推理引擎，占用存储小于10MB、峰值功耗低于5W。

  
  

• 中长期布局：星上模型远程更新工具链。卫星寿命通常5-10年，而AI模型生命周期通常仅6-18个月。没有远程更新能力，星上AI就是一次性玩具。

  
  

⚠不这么做的风险

如果国内不在未来2-3年内解决星上AI芯片问题，那么当自主可控的卫星发上去之后，上面跑的AI芯片是进口的，AI框架是开源的，工具链是别人的——"自主可控"的卫星，实际上长着一颗外国大脑。

战略判断三：从"卖数据"到"卖决策"

事实基础。马斯克的Starlink正在从卖带宽转向卖网络服务。Palantir不卖卫星影像，卖的是"传感器到射手"的决策闭环。Capella Space不卖SAR图片，卖的是"这片区域在过去24小时的变化报告"。它们都在做同一件事：把原始数据加工成客户愿意为结果付费的产品。

中国商业遥感的困境。目前国内大多数遥感公司的商业模式仍然是"卖数据"——一张高分辨率影像卖几千到几万块。这个模式有几个结构性问题：(1)客户只买一张图，没有复购粘性；(2)定价取决于数据本身，而不是数据带来的价值；(3)同质化竞争严重，价格逐年下降。据市场观察，近年国内光学遥感影像单价呈下降趋势，部分品类较五年前下降约四成。

Palantir模式带来的启示是：客户愿意为"答案"付费的意愿，远远高于为"原材料"付费的意愿。一个港口运营商不会花两万块买一张SAR影像，但他愿意花二十万买一个"每周一报"的锚地船只变化监测服务——因为后者直接服务于他的运营管理决策。

行动框架：从数据供应商向决策供应商转型的四个阶段

第一阶段：产品化。将数据打包为标准化产品（如"每日港口监测报告"、"周度农田墒情指数"），而不是按需定制。标准化是规模化的前提。

第二阶段：自动化。用AI替代人工判读环节，将交付周期从天级缩短到小时级。自动化是降低边际成本的关键。

第三阶段：SaaS化。从单次交付转向订阅模式。客户按月/按年付费，持续获得更新。订阅模式带来可预测的经常性收入，大幅提升估值。

第四阶段：决策化。从"告诉客户发生了什么"升级到"告诉客户应该做什么"。这是利润最高的位置，也是Palantir现在占据的位置。

⚠不这么做的风险

继续"卖数据"的模式，国内遥感公司将陷入低毛利的同质化竞争。而当外资背景的决策服务平台一旦获准进入中国市场（或通过合资形式进入），国内公司的客户将发现：同样的数据，别人能给出"答案"，而你只给了"原石"。客户会流向能提供更高价值的一方。

谁该做什么？分角色行动建议

卫星制造商&运营商

立即做：选一颗在轨卫星，安装AI加速模块，跑通一个在轨推理用例。12个月内：与至少一家AI公司建立联合工程团队。关键指标：星上数据处理占比从<5%提升到>20%。

AI企业

立即做：了解航天的工程约束（功耗预算、存储限制、辐射环境），优化你的模型。12个月内：找到一家卫星运营商，跑通一个联合PoC。关键指标：模型推理功耗降低到5W以下，模型体积压缩到100MB以内。

投资人

立即做：调研国内星上AI芯片初创项目，关注辐射加固和低功耗能力。12个月内：至少在一个AI+航天交叉赛道上完成布局。关键指标：关注标的的"AI深度"——是外包AI还是自研核心能力。

政策制定者

立即做：在商业航天支持政策中增加"AI能力"的评估维度。12个月内：推动建立AI-航天联合实验室或专项基金。关键指标：国产星上AI芯片的在轨验证数量。

结语

国外AI+商业航天的发展路径已经画出了一张清晰的路线图。第一篇我们看了他们在做什么；第二篇我们拆解了背后的生意逻辑；第三篇我们给出了可操作的行动建议。

最后说一句不太好听但值得认真对待的话：据业内判断，这个窗口期可能还有2-3年。到2028-2029年，第一批规模化的AI航天平台将进入成熟运营期，届时再追赶的成本会指数级上升。现在不结盟、不布局、不转型——等到"别人已经在轨道上跑数据了"再动，就晚了。