中国星上AI芯片，必须走自己的路

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重视星上AI芯片

前两篇文章呈现了一个基本判断：星上AI芯片正在从"实验室验证"走向"工程化部署"。Loft Orbital的TPU在轨跑了200天，英伟达正在开发"太空级Jetson"，AMD的Versal AI Edge通过了辐射认证——这些不是远景，是当前正在发生的产业事实。

与此同时，国内的情况需要正视。中国航天器上搭载的AI处理能力接近零。少数在轨实验——如某低轨卫星搭载的AI识别模块——仍停留在技术验证阶段，距离真正成为卫星的标配能力还有很大差距。根据公开资料，据粗略统计，美国在星上AI领域已有多个在轨验证任务，中国相对较少。差距是客观存在的。

但差距不等于绝境。星上AI芯片的产业格局尚未定型。辐射加固芯片的设计方法、测试标准、供应链布局——这些都还在快速演进中。据业内判断，窗口期可能还有2-3年。现在是布局的最佳时间点，不是最早，但肯定还不算晚。

战略判断一：星上AI芯片是"生存项"，不是"加分项"

事实基础。中国近地轨道卫星计划——无论是国家星座还是商业星座——在未来十年内将达到数千到上万颗。每颗卫星每天产生从几十GB（光学）到TB级（SAR）的数据。现有星地通信能力——Ka波段据估算约5-10Gbps的下传速度——面对海量数据缺口严重。如果所有数据全部下传后在地面处理，需要的地面站时间、存储能力、传输带宽和人工分析成本将高到不可承受。

唯一的出路是在轨处理。据估算，在轨AI处理可以将需要下传的数据量减少到原来的约5-10%。一颗SAR卫星据估算每天产生约500GB原始数据，AI芯片在轨完成目标检测和变化识别后，只下传目标区域的小尺寸裁剪图——每天下传数据据估算可降至20-30GB。这不是锦上添花，是规模化运营的前提。

中国的现实。国内商业遥感公司目前的运营模式：卫星拍照→数据下传到地面站→人工或半自动处理→产品交付。这个模式在天级重访、单星运营的场景下是可行的。但当星座规模扩大到数百颗卫星，重访频次提升到小时级甚至分钟级时，这个模式的成本就会指数级爆炸。

行动框架：星上AI从验证到标配的路径

第一阶段：演示验证（1-2年）。选择一颗在轨卫星，加装AI加速模块（可选用COTS芯片+屏蔽方案），跑通至少一个在轨推理用例（如SAR图像云检测、光学影像船只识别）。目标：验证COTS芯片在辐射环境中生存能力，积累容错软件经验。

第二阶段：工程部署（2-4年）。下一代卫星型号将AI芯片作为可选配置。建立星上AI的硬件接口标准（供电、空间总线、散热接口），使不同厂商的AI加速器可以互换。目标：至少10颗星的在轨AI部署经验。

第三阶段：规模化标配（4-6年）。所有新造卫星标配AI处理能力。国产辐射加固AI芯片进入量产，星上AI框架成熟，在轨OTA模型更新常态化。目标：星上AI从"演示功能"变为卫星的"标配功能"。

⚠不这么做的风险

如果国内卫星星座不标配AI处理能力，以下景象将真实上演：数十颗至上百颗卫星持续向地面下传海量数据，地面站接收窗口争抢激烈，数据中心存储和计算成本快速膨胀，而最终用户等待的"决策结果"仍然需要数小时甚至数天才能交付出——用户满意度将快速下降，商业遥感的规模化收入模型将无法成立。

战略判断二：成熟制程+辐射加固是中国芯片的差异化赛道

为什么不是先进制程。太空环境对芯片的要求——抗辐射、低功耗、长寿命——和地面是不同的优化目标。据业内分析，在太空中，28nm和3nm制程的芯片受辐射影响的概率差异可能不大——先进制程的晶体管更小、氧化层更薄，对单粒子效应可能反而更敏感。太空AI芯片的性能瓶颈不在制程，而在辐射加固设计。

中国半导体在这个赛道上的优势。28nm及以上成熟制程正是国内代工厂（中芯国际、华虹等）的优势区间。辐射加固不依赖极紫外光刻（EUV）——不需要7nm以下先进设备。这意味着太空级AI芯片的制造可以完全绕开先进工艺的约束。这是一个重要的战略判断：卫星AI芯片是中国半导体可以"另辟蹊径"攻下的一个堡垒。

现状盘点和机会领域。国内在航天级芯片领域已有一定积累——控制类MCU有国产品牌，DSP和FPGA有替代产品，宇航级存储器有供应商。但AI推理芯片的太空化基本是空白。以下三个方向最值得聚焦：

方向一：辐射加固的NPU/AI加速器。将已有的AI处理器IP（如寒武纪的NPU、地平线的BPU）进行辐射加固改造，目标参数：60krad(Si)以上辐射总剂量，LET>40MeV·cm²/mg的抗单粒子效应能力，INT8推理性能>4TOPS，功耗控制在10W以内。

方向二：星上FPGA+AI协处理器SoC。基于国产FPGA（如复旦微电子、紫光同创）扩展AI加速引擎，形成"FPGA负责信号处理+AI引擎负责推理"的异构方案。SAR数据处理天然需要这种组合。

方向三：面向SAR和光学遥感的多模态AI芯片。不同传感器需要的AI计算模式不同——SAR需要大量向量运算，光学需要高精度矩阵运算。一颗芯片同时高效支持两种模态的推理，是差异化竞争的出发点。

行动框架：航天院所+半导体公司+高校联合攻关

建议组织方式：由一家航天总体所提出需求规格和考核指标，一家国内芯片设计公司负责辐射加固IP和SoC设计，一家高校实验室负责辐射效应测试和验证。三方联合团队，目标18个月内出工程样片。

建议路径：不要从头设计——从已有的国产AI处理器IP出发，做辐射加固改造，而不是重新设计一颗芯片。这样可以将开发周期从3-5年压缩到1.5-2年。

建议节奏：第一版走COTS+屏蔽路线在轨验证软件能力；第二版采用部分加固策略（只在关键模块做全加固）；第三版实现全辐射加固AI SoC。每一版都有一倍的性能提升。

⚠不这么做的风险

如果国内的星上AI芯片走纯COTS路线而不做任何辐射加固，在轨故障率将很高——典型低轨卫星寿命5-8年，据分析，COTS芯片在未经加固的情况下，使用数年后SEU频率可能显著增加，长期TID效应可能导致芯片失效。卫星是一颗一颗发射上去的，不能像手机一样一年换一次。

战略判断三：芯片是骨架，生态才是血肉

教训：国内芯片产业历史上最大的痛点，从来不是设计能力，而是没有生态。国产CPU有人说，国产GPU有人说——芯片做出来了，没有操作系统支持、没有编译器适配、没有开发者社区，结果芯片卖不出去。

星上AI芯片如果重蹈这个覆辙，那么"国产太空级AI芯片"将是一个技术上的成就、商业上的失败。只做芯片不做生态，芯片就会成为"通用件"，被定价压制。

参考Loft Orbital的"Cockpit"平台生态，一个完整的星上AI平台应该包括三层：

芯片层：辐射加固AI SoC——硬件能力的基础。

平台层：星上轻量化推理引擎。占用存储小于10MB，峰值功耗低于5W。支持常见的模型格式（ONNX/TFLite），提供模型加载、推理调度、结果输出、故障恢复的标准API。设计目标：让一个不熟悉航天工程的AI工程师能在一天之内把他的模型部署到卫星上。

应用层：模型仓库、调度API和开发者社区。预置多组常用模型（云检测、水体提取、船只识别、火点监测等）供用户按需选择。用户也可以上传自己的模型并远程部署到在轨卫星上。这才是真正的"卫星即服务"。

行动框架：三管齐下构建星上AI生态

• 芯片层：联合攻关辐射加固AI SoC（18个月出样片）→拿到航天级认证（12个月）→小批量试产（6个月）。总计约3年。

  
  

• 平台层：从开源推理引擎（如TFLite Micro、Apache TVM）出发改造为太空版本，增加辐射容错、低功耗调度、OTA更新支持。建议由软件基础较强的单位牵头，6个月出第一版。

  
  

• 应用层：由第一梯队商业遥感公司牵头开发行业应用模型（水利、林业、应急、农业），形成首批"杀手上行应用"。建议政府在型号项目中预留"AI应用接口"招标预算。

  
  

⚠不这么做的风险

国产星上AI芯片开发出来了，但没有配套的推理框架、没有OTA更新工具链、没有开发文档——结果卫星制造商发现用海外方案（Xilinx Versal+现有工具链）比用国产AI芯片更容易集成、更快见效。国产芯片将沦为备用方案。这正是国内很多航天芯片面临的困境——芯片有，没人用。

谁该做什么？分角色行动建议

航天总体所/卫星制造商

立即做：在下一个卫星型号的技术指标中预留"AI芯片接口"——包括供电（5-15W预留）、数据总线（SpaceWire或PCIe）、散热接口。

12个月内：选定一颗AI芯片（可先用COTS方案），完成星载AI在轨验证。

关键指标：新造卫星AI芯片搭载率≥20%。

芯片设计企业

立即做：评估自家AI处理器IP的辐射加固改造可行性。重点：存储单元ECC保护、逻辑三模冗余、SOI工艺切换。

12个月内：完成至少一个IP的辐射加固设计，提交代工厂流片（实验批）。

关键指标：辐射测试TID>30krad(Si)，无误码。

商业航天公司

立即做：在当前可用的在轨平台上跑一个AI PoC——哪怕是地面测试后再上传到星上进行验证。先跑通一个用例再说。

12个月内：实现至少一个在轨AI用例的常态化运行（不间断服务超过30天）。

关键指标：在轨推理服务化（非演示性）≥1个月。

投资人与政策制定者

立即做：将星上AI芯片列入国家重点研发计划或航天强国专项。为芯片设计+航天集成的联合团队设立专项基金。

12个月内：确定至少2个联合攻关团队并立项启动。

关键指标：财政支持力度≥5亿元，带动社会资本≥15亿元。

结语

星上AI芯片的赛道，看起来很小——全球十年后不到3亿美元的细分市场。但它的战略价值远远超出其市场规模。因为它是太空经济的"基础设施的基础设施"——没有它，卫星星座的AI能力就无法落地；没有它，从"卖数据"到"卖决策"的商业模式转型就是一句空话。

第一篇我们看了国外在做什么——TPU、Jetson、Versal AI Edge已经上天验证。第二篇我们拆解了产业逻辑——供给缺口、价值链分配、资本信号。第三篇我们给出了行动建议——从"等待"到"行动"，从"进口"到"自研"，从"做芯片"到"造生态"。

最后说几个数字作为结语：据行业预测，全球星上AI芯片的市场规模到2034年可能在数亿美元级别，但它支撑的上游应用市场（卫星数据服务+航天AI平台）规模据估算可能在百亿美元级别。如果你只做芯片，你看的是3亿的市场；如果你做芯片+生态+应用，你看的是100亿的机会。选择尺度，就是选择格局。