这两年，AI 大模型的军备竞赛越打越凶。OpenAI、Anthropic、谷歌、字节，各家都在拼命堆 GPU、建数据中心。但一个越来越现实的问题摆在所有人面前：电不够用了，热散不出去了，水也快喝干了。
兰德公司测算，到 2030 年，仅美国 AI 数据中心的电力需求就可能达到 84GW，相当于近 60 座核电站同时满负荷运转。麦肯锡的预测更激进，认为全球 AI 数据中心电力需求到 2030 年将达到 327GW。而另一边，美国电力行业过去二十年几乎停滞不前 ——2007 年以来电力消费年均增速不到 1%，火电占比还在持续下降。
需求侧指数级暴涨，供给侧二十年停滞，这个裂口怎么补？国盛证券最新一份深度研报给出了一个看似科幻、却正在快速落地的答案：把算力搬上太空。
一、什么是太空算力？不是边缘计算，是 "轨道数据中心"
很多人第一次听到 "太空算力"，会以为是把计算任务放到卫星上做简单处理，类似手机上的边缘计算。但研报给出了明确定义：太空算力是 AI 算力体系从地面向轨道空间延伸的全新范式，是一种全新的 "轨道分布式 AI 架构"—— 不是简单地把地面服务器搬上太空，而是从根本上重构了计算资源的部署方式和任务范式。
具体来说，就是在地球低轨或中轨卫星中部署具备推理与训练能力的模块化服务器节点，多个卫星组成星座，通过星间激光链路实现多卫星节点间的数据互联与任务分配，形成一个 "轨道数据中心"。它具备自治智能、实时响应、分布式协作等特性，而且无需消耗地面能源与水资源。
这里有三个核心特征值得注意：
第一，部署位置与环境的根本不同。 算力节点部署于地球轨道，必须解决宇宙射线、极端温度交变、长期无人运维等地面未曾遇到的严峻挑战。这要求从芯片、硬件到系统的全栈创新，例如采用抗辐照设计、冗余备份系统及能适应太空环境的轻量级容器化软件平台。
第二，任务复杂度的阶跃式提升。 太空算力节点需具备在轨自主决策和协同能力。目标不仅是数据过滤（如卫星图像预处理），更追求在太空环境中直接执行 AI 训练与复杂推理（如星载大模型运行、多星协同计算）。
第三，系统架构的全局性变革。 最终愿景是构建一个星间高速互联的分布式 "轨道数据中心" 网络，实现算力在太空中的动态调度与共享。
研报还提到了两个 "天方夜谭" 式的前沿探索。一个是分布式计算的轨道版本 —— 由众多卫星组成星际阵列，彼此协同完成数据计算，减少地面传输压力。例如，Gunter 等人提出一套小卫星网络（DSIN），在星间保持常态通信，并直接完成复杂科学计算任务，而非将数据全部回地面处理。另一个是比特币挖矿的太空延伸 —— 早在十年前，比特币核心开发者 Jeff Garzik 所创立的公司就与 DeepSpace Industries 签署合作协议，共同开发名为 "BitSats" 的卫星，将 CubeSat 架构设为比特币网络的轨道节点，作为独立的区块链网络节点运行，不依赖地面基础设施。二、为什么算力非要上天？能源和散热，是地面绕不开的两座大山1. 能源：地面已经撑不住了
AI 算力飙升背后是电力需求的指数级上涨。研报整理了多家机构的预测，数字一个比一个惊人：
美国战略与国际问题研究中心（CSIS）：2030 年美国 AI 相关总电力需求达到 84GW；
兰德公司（RAND）：2030 年全球数据中心电力需求 327GW；
麦肯锡：2030 年全球 AIDC 电力需求 171-219GW；
SemiAnalysis：2026 年全球数据中心电力需求 96GW；
BCG：2028 年全球数据中心电力需求 130GW。
需求侧，AIDC 的指数级扩张将带动电力需求迅速上升。根据 Rand 数据，2030 年单个地点的训练需求可能高达 8GW，约相当于 8 座核反应堆。除此之外还有数字货币挖矿等其他增长的电力需求存在。
供给侧呢？美国此前的地面基建已明显无法满足目前需求。根据 CSIS 数据，纽约的峰值需求约为 33GW（2023 年夏季），加州电网 CAISO 的历史峰值为 52GW（2022 年 9 月），而较为中性的 CSIS 预测 AIDC 电量需求已达到 84GW，接近前两者峰值的总和。同时结合特朗普已于今年 1 月宣布美国进入能源紧急状态的现状，地面基建已无法在几年内满足 AIDC 电力需求。
正如研报所总结的：算力飙升背后是电力供给的极限，地面基建目前已成为最大瓶颈。需求侧看，AIDC 的指数级扩张将带动电力需求迅速上升；供给侧看，美国此前的地面基建已明显无法满足目前需求。而太空算力成为落地能见度较高的优选方案之一。2. 太空的能源优势：效率高 2-3 倍，24 小时不间断
而太空算力在能源、散热等方面皆具有优势，是解决 AI 时代下相关痛点的优选方案之一。
能源供给方面，太空中太阳能效率高，且 24 小时不间断，因此太空算力可具有高发电效率、24 小时持续响应、能源清洁、经济高效等特点，无需消耗能源。发电效率提升
地球大气层对阳光有削弱，对阳光产生散射与吸收，部分太阳能将损失反射到太空中。而在太空中光子活力更强，且没有大气层反射，发电效率大大提升。根据中国科学技术馆数据，太空中空间太阳能电池板接受的光能相比地球表面某些地区高出 2-3 倍。24 小时持续响应
地球上太阳能最大的痛点之一即由于季节、电气、地区、昼夜更替等原因，太阳能供电方式相比较不稳定。而太空中如晨昏轨道的太阳能有近乎 7×24 小时的光照时间，只要位置、技术设定合理就可以持续接收太阳能。能源清洁且可再生
与有限且不可再生的化石燃料不同，太阳能可以无限期地利用，同时有利于在为数据中心供电的同时实现碳中和目标。经济高效
太阳能电池板一旦制造完成并发射到太空，就无需任何持续的燃料或维护成本。以 ADA Space"三体计算星座" 项目为例，依赖空间光照与冷却，实现高效率算力处理。
3. 散热：太空是天然的 "液氦冷却池"
散热方面，由于太空中背面温度可低至零下 270 摄氏度，因此具有极高效的潜在辐射散热能力，且具有无介质传导障碍、简化散热结构、脱离水资源依赖等特点。
目前如果建造一个 100 万张 GPU 的计算集群，其局部热流密度将超过 250W/m²，需要进行大面积扩热，并采取水汽蒸发等降温措施，工程实施难度极大，水资源浪费严重，且容易引发严重的热岛效应。相比地面设施散热，太空由于其自身真空环境在散热方面具有散热效率高、节约水资源等优势：超低温环境
太空中温度达到零下 270 摄氏度，远低于地面任何自然或人工冷却系统的极限，太空环境可直接作为 "天然液氦冷却池"，大幅降低主动散热能耗；无介质热传导障碍
太空的真空环境彻底规避了地面散热中的空气热阻问题，热量可直接通过辐射散发。相比之下，地面数据中心因空气对流效率低，需消耗一定能源驱动风冷或水冷；简化散热结构
卫星散热器仅需轻量化材料（如石墨烯复合膜）制成辐射板，无需复杂的水冷管道或压缩机冷却系统，既减轻设备重量，又降低故障率；脱离水资源依赖
数据中心散热需大量水资源，以 Meta 为例，其新建的数据中心日最高用水量达 600 万加仑，远超当地全部用水量，太空散热完全无需水资源，彻底解决干旱地区数据中心部署限制。
三、太空算力怎么实现？技术架构和全球玩家1. 技术核心构成
与地面数据中心不同，轨道级数据中心通过卫星在轨布置计算、存储与网络设施，并利用太阳能提供持续性能源，结合真空环境下的散热器实现高效冷却。系统核心由计算存储模块、液冷系统、网络交换机与电源管理模块组成，通过高速星间链路（ISL）实现多卫星节点间的数据互联与任务分配。同时，数据中心的网络交换设备连接至卫星对地通信链路，将必要的数据下行至地面站或其他在轨任务单元，实现 "在轨计算 + 按需下传" 的混合模式。
具体包括五大模块：卫星 / 空间平台
作为载体，相当于数据中心的机房，提供电力、通信链路和结构支撑。目前多采用低轨（LEO）卫星或空间站平台（目前 150-300 公里低轨空间较为拥挤，未达到较好的散热效果，太空算力卫星多考虑发射至 500 公里外）；算力模块
即服务器集群，GPU/CPU/AI 等芯片，受制于太空平台的面积有限，算力模块多以简单的多卡形式呈现，封装成抗辐射的计算卡群或机柜；通信链路
上下行链路 —— 地面站传输数据，星间链路 —— 卫星之间用激光通信传输；能源系统
太阳能电池板是主要供电来源，同时搭载电池储能，保证卫星在阴影区（没有阳光时）运转；散热系统
太空是真空环境，无法通过传导散热，需要采用热管或流体回路 + 辐射板形式散热，即芯片产生的热→热管传导→辐射板→通过红外辐射把热量直接 "辐射" 到外太空，散热效率和辐射冷板面积成正比，所以在卫星上会看到 "大翅膀" 一样的结构。
2. 全球玩家：从创业公司到科技巨头
目前太空算力处于早期探索到小规模示范，多家创业公司、航天公司、少数云 / 芯片巨头在做示范或试点。主要目标集中在：为卫星 / 星座提供就地 GPU 推理 / 训练能力、作为地面数据中心的补充（灾备、低延迟覆盖、能源 / 冷却优势）等。
创业公司方面：Starcloud（原 Lumen Orbit）
太空算力的先锋，有融资和示范计划，目标明确瞄向 GPU / 在轨数据中心。公司成立于 2024 年，创始人兼 CEO 菲利普・约翰斯顿曾负责国家航天机构的卫星项目，其他两位创始人中，埃迪・拉尔特曾拥有十年卫星设计经验，专管可展开太阳能电池阵和可展开结构；阿迪・奥尔特安曾供职于微软与 SpaceX，管理层均具有相关领域深厚工作经验。Starcloud 计划构建全球首个轨道 AI 超算中心，计划发射全球首颗搭载 H100 的 AI 卫星，目标构建 MW 级轨道数据中心，以轨道太阳能驱动在轨 AI 模型训练与推理服务，全面摆脱地面能源制约。该项目与英伟达的 Inception 计划合作。公司目前发布首颗商用卫星 "Starcloud-2"，配备 GPU 集群、持久存储、全天候访问以及专有的热能和电力系统。Starcloud-2 能够对航天器和空间站每天产生的 TB 级原始数据进行实时、大容量数据分析。通过在太空中处理这些数据，Starcloud 能够提供源自地球观测卫星的数据极低延迟洞察，消除下行链路瓶颈，并避免向地球传输大量原始数据，同时独立于地球，以确保了在主权、高度冗余的环境中实现高性能计算和关键数据备份。Axiom Space、Lonestar 等
在推进轨道 / 近轨数据节点、太空站可插拔节点或月球 / 在轨布局算力。
CSP 云厂商方面：英伟达
通过 Inception 项目与初创公司 star cloud 合作，计划 2025 年 8 月发射首颗搭载 H100 芯片的轨道数据中心卫星 "Cloud-0"，其搭载的 H100 芯片组能在零重力环境中实现国际空间站 100 倍的计算性能。亚马逊
2026 年中期在澳大利亚推出柯伊伯卫星互联网，以与 Starlink 竞争。亚马逊布局低轨卫星互联网领域已久，2020 年亚马逊 Project Kuiper 星座计划得到了美国联邦通信委员会的批准，该计划投入数十亿美元将 3236 颗卫星送入轨道。23 年 7 月宣布将斥资 1.2 亿美元在佛罗里达州建设卫星工厂，为其新兴互联网业务 Kuiper 项目提供服务。2025 年 4 月，亚马逊成功发射首批 27 颗卫星，采用 Atlas V 火箭，未来或结合 AWS 边缘计算能力，在轨部署 AI 数据处理节点。微软
携手 SpaceX 推出 Azure space 计划，在 Azure 上提供卫星驱动的互联网连接。其中 Azure Orbital Cloud Access 旨在智能地优先处理光纤、蜂窝和卫星网络中的流量，优先的网络流量通过 SpaceX 的 Starlink 与 Azure 边缘设备进行传输，使客户能够在 Starlink 运营的任何地方访问微软云服务，24 年该功能已发布预览版。同时和 Ball Aerospace 合作，规划在轨测试卫星为美国政府敏捷部署新的软件和硬件。Meta
与英伟达、惠普等合作，宣布 "Space Llama" 人工智能合作项目，该项目旨在为国际空间站国家实验室的宇航员提供科研支持。该项目核心愿景在于简化操作流程、降低计算成本，并迅速响应宇航员在太空作业中遇到的突发情况。合作中使用的 Llama AI 系统具备实时分析宇航员需求并根据即时数据提供反馈的能力。谷歌
与 NASA 合作构建概念验证 AI 医疗助手 CMO-DA，旨在当没有医生或与地球通讯中断时，帮助宇航员诊断和治疗症状。该项目采用固定价格的公共部门订阅协议，涵盖云服务、应用开发基础设施和模型训练成本。
国内进展方面：ADA Space（国星宇航）
：2025 年 5 月，中国商业航天公司国星宇航（ADA Space）在酒泉发射了首批 12 颗智能计算卫星，每颗卫星都搭载 AI 芯片和模型，总算力达到 5 POPS，标志着太空算力首次进入实际应用阶段。同年 7 月底，公司又在江苏无锡宣布了第二批卫星星座计划，代号 "梁溪" 的新一批 12 颗卫星，总算力提升到 20 POPS，相比首批翻了四倍。根据 ADA Space 长期规划，该项目未来将扩展到多达 2800 颗卫星，形成一个真正意义上的 "太空超级计算机"。这一项目代表了中国在太空计算领域的重大突破，也标志着全球首个专门构建的商业化 AI 卫星星座正在成为现实。北京轨道道辰（顺灏股份参股）
规划的计算卫星首发试验星辰光一号在2026年7月发射，通过在晨昏轨道建设算力星座，将有效解决地面算力中心建设制约问题，构筑兼具性能、环保以及成本优势的强大算力基础设施，为用户提供强大算力支持。
3. 下游应用：遥感数据处理先行，月球都开始建数据中心了
遥感 AI 技术正成为卫星数据处理的前沿方向，有效应对气候灾难、环境监测等问题。Planet Labs
发射先进的 Pelican-2 卫星来增强其地球观测卫星群。Pelican-2 卫星配备了 NVIDIA Jetson 平台，拥有先进的轨道 AI 计算能力，实现了目标检测、植被分类和灾难响应等应用。Spire Global
通过光通信和 AI 技术突破，为太空技术的发展开辟了新的可能性，并为应对全球性生态问题提供了有力工具。2025 年 3 月 3 日，Spire Global 在航天技术领域取得了重大突破，成功实现了低轨六单元立方体卫星之间的双向光学通信（OISL），在提升未来任务数据传输速度、可靠性和安全性方面迈出了重要一步。Spire 的这项技术不仅在野火监测和灭火领域有着重要应用，还在全球通信、导航、环境监测等领域展现出潜力。
更前沿的探索已经到了月球。2025 年 2 月 26 日，初创公司 Lonestar Data Holdings 实现一项突破性成就 —— 将首个实体数据中心建在月球表面。Lonestar 公司的总裁 Steve Eisele 表示在月球上进行数据存储具备安全、抗攻击优势。四、产业链全景和风险提示
研报还梳理了完整的太空算力产业链：上游：基础构建环节
上游是太空算力的根基，负责提供可承载算力的物理平台与把设备送入轨道，涵盖：卫星 / 平台制造、发射服务、算力与通信硬件。卫星制造商通过平台设计与星间链路提升网络能力；发射服务以可复用火箭压低边际发射成本；算力 / 边缘硬件厂商则需做对辐照、功耗与热设计适配。代表公司包括 SpaceX（Starlink/Starshield）、Maxar、Thales Alenia、Airbus Defence、Lockheed Martin、Rocket Lab、Blue Origin、ULA、Arianespace、NVIDIA、Intel、HPE 等。中游：在轨网络 / 算力与空间运营
中游承担着太空算力的神经中枢职能，核心在于构建高效的通信网络与实现算力的在轨管理，包括通信网络搭建、轨道数据中心运营。代表公司包括 SpaceX（星间链路）、OneWeb（Eutelsat OneWeb 的全球覆盖策略）、休斯网络（Kepler 混合 RF + 光学中继并明确推进 on-orbit compute 能力）、Axiom Space（推出 "轨道数据中心 ODC" 节点计划）、Loft Orbital（模块化搭载与快速部署服务）、Skyloom（光中继 / 高带宽中继解决方案）等。下游：应用拓展环节
下游是太空算力价值释放的核心场景，通过多样化应用将技术优势转化为实际生产力，覆盖地球观测、通信服务及新兴领域等方向。地球观测借助在轨数据处理提升决策效率，通信服务依托算力优化拓展服务边界，新兴应用如自动驾驶、智能交通则通过太空算力突破地面场景限制，全方位推动太空算力从技术探索走向产业落地。代表公司包括 Planet Labs、Maxar Technologies、Iridium Communications、Globalstar 等。
研报也明确提示了三大风险：AI 发展不及预期
太空算力主要来源于 AI 带来的需求，如果 AI 进度停滞不前导致算力需求减少，那么能源及散热等问题可能并不急需解决，导致太空算力建设进程推迟。太空技术不及预期
太空算力的开发和部署需要面对太空中微重力、辐射、低温等挑战，对器件的抗干扰能力有较高要求，如果技术迟迟无法突破同样可能会影响进程。高资本需求与融资压力
太空算力的开发和部署需要巨额资本投入，许多初创企业依赖外部融资维持运营，一旦资金链断裂，可能导致项目中止。
五、写在最后
把研报从头到尾读完，你会发现一个清晰的趋势：人类正在把数字世界的基础设施，从地面逐步延伸到太空。
地面有地面的局限 —— 能源紧张、水资源匮乏、散热困难、土地成本高企。而太空有太空的优势 —— 太阳能效率高 2-3 倍、24 小时不间断、零下 270 度天然散热、无需水资源、不占土地。当 AI 算力的需求指数级增长，当地面基建的瓶颈越来越明显，把算力搬上太空，就从一个科幻概念变成了一个有商业逻辑的现实选择。
当然，这条路并不容易。宇宙射线辐射、极端温度交变、长期无人运维、高资本需求与融资压力，每一个都是硬骨头。但方向已经很清楚了。从 Starcloud 的轨道 AI 超算中心，到 ADA Space 的 "三体计算星座"，从英伟达的 H100 上天，到亚马逊的 Project Kuiper，全球的科技巨头和创业公司都在往同一个方向押注。
国盛证券在研报结尾给出了明确的投资建议：太空算力已具有商业价值潜力，且相关项目已开始推进并具有一定方法论支撑，AI"上天" 不再遥远，抢占先机是未来胜负手的关键。 作为算力新主题，研报建议关注在相关产业链提前布局的公司如美股 SOCE、RKLB 等，以及 A 股的顺灏股份、杭钢股份、普天科技、中国卫星等。
太空，这个曾经只属于航天人和科学家的领域，正在成为数字经济的新边疆。而这场竞赛，才刚刚开始。
OCR:IMG:12计算星 05计算星 11计算星 06计算星 07计算星
OCR:IMG:01计算星 02计算星 03计算星 04计算星 12计算星 05计算星 11计算星 06计算星 07计算星 10计算星 08计算星 09计算星 公众号·晟安哲思
" onload="resizeImg(this,400,400);">
OCR:IMG:01计算星 02计算星 03计算星 04计算星 12计算星 05计算星 11计算星 06计算星 07计算星 10计算星 08计算星 09计算星
OCR:IMG:01计算星 02计算星 03计算星 04计算星 12计算星 05计算星 11计算星 06计算星 07计算星 10计算星 08计算星 09计算星