太空计算与自主AI正在改写任务科学
9月25日,星图航天(STAR.VISION Aerospace)在全球数字贸易博览会上发布了一个由1080颗航天器组成的计算星座,并获得100亿元授信协议支持。四天后,IEEE Spectrum报道称,NASA已经在测试用生成式AI让航天器自主决策。

9月29日,IEEE Spectrum发表了一篇详细报道,介绍NASA和其他航天机构如何把生成式AI从地面实验室搬到航天器上。文章于13:23 UTC发布。文中描述的实验说明,任务科学成果的生产、验证和执行方式正在改变。
最新的一项是星图航天于9月25日在全球数字贸易博览会上发布的大型太空计算星座。据China in Space报道,该公司计划到2035年部署1080颗航天器:720颗用于推理任务,360颗用于通用计算。这个项目名为Space.IDC1 Computing Constellation,打算把可观的算力送上轨道,利用太阳能和辐射散热。星图航天已从中国工商银行和中国农业银行获得100亿元(截至9月28日为149000万美元)的战略授信。第一阶段至少可使用10亿元。
自主系统走出实验室
IEEE Spectrum报道,NASA喷气推进实验室去年12月用Anthropic的Claude模型帮助规划了“毅力号”火星车的两次行驶。今年5月,NASA和IBM把一个压缩后的AI模型送上国际空间站和一颗卫星,用于从轨道上识别洪水和云层。7月,国际空间站上的宇航员测试了一个大语言模型,看它能否协助维护程序。
这些实验指向航天工程中更大的一次转变。几十年来,地球上的工程师决定太空中的机器做什么,机器就照做。现在研究人员在测试生成式AI这类非确定性系统能否给航天器更多灵活性。目标是让它们理解周围环境、规划任务,并在将来自己做决定。
NASA软件、机器人与仿真部门前负责人Robert Ambrose对IEEE Spectrum说,自主性往往没有确定的结果。你是怎么进入某个情境的,会改变行为。“所以如果你从不同路径进入同一个情境,结果可能不同。工程师很讨厌这一点,”他说。Ambrose职业生涯的大部分时间都在NASA研究自主系统,包括“猎户座”飞船和2011年上天的类人机器人Robonaut 2的自主能力。在“猎户座”项目上,他看到测试问题会多么迅速地膨胀。工程师不仅要考虑航天器可能做什么,还要考虑它得出某个决定的所有不同路径。
地球与轨道上的硬件竞赛
星图航天的星座并非首例。China in Space指出,国星宇航与之江实验室的“三体计算星座”领先于其他所有公司,目前已有十几颗卫星在轨运行。轨道晨光有雄厚的资金支持,超智算(北京)科技有限公司则拥有关系紧密的合作伙伴。两家也都有在轨运行的演示卫星。
该公司计划三种航天器设计。G1验证星将通过太阳能板产生11.5千瓦电力,提供40至60 PetaFLOPs算力。G2标准型号将以48千瓦电力承载160至310 PetaFLOPs。G3旗舰型号预计产生140千瓦电力,承载460至1000 PetaFLOPs。
该公司没有透露轨道、星间链路、散热器尺寸或质量的细节。能提供更多信息的国际监管文件也尚未提交。在发布会上,星图航天提到已预订东方空间的“引力一号”和星河动力的“谷神星二号”上数量未公开的发射名额,用于部署G1航天器。它没有给出可能的目标发射月份或季度。该公司已与中国科学院大学杭州高等研究院、西安电子科技大学杭州研究院、鸿擎科技、百度智能云和微纳星空签署协议。浙江省德清莫干山高新区、富阳经济技术开发区和云栖小镇,以及四川省西昌市和广西崇州市的政府提供了未具体说明的支持。
实地检验AI的极限
在航天机构推进自主性的同时,独立研究人员在测试当前AI模型在任务科学家可能委派的任务上表现如何。Labqoat于9月29日发布的一篇博客文章介绍了一个名为Wildlife CSI的基准测试。它用2000张动物痕迹照片测试了八个模型,这些痕迹包括粪便、脚印、羽毛、蛋和骨骼。据该博客称,表现最好的模型Claude Opus 5.5在整个数据集上物种判断正确率为37.15%。Muse Spark 1.3以33.35%紧随其后,GPT-6 Astra为31.70%。Claude Sonnet 5.5以25.15%排在第四。即便是Opus,在照片上判断对科的也只有51.75%。
在全部八个模型中,有842张照片没有得到正确的物种识别。Opus识别出400张蛋照片中的205张,但只识别出400张脚印中的82张。在全部八个模型中,400张脚印里有257张没有任何一个模型猜对物种。蛋照片的对应数字是123。作者指出一个前提:有些物种的照片比其他物种多,所以判断对这些物种对总分的贡献更大。当按物种平均分数、让每个物种权重相同时,Opus的蛋照片得分从51.25%降到约37%。作者还指出,iNaturalist自己的指南也建议只识别到证据允许的精确程度。一条观察记录上标注了物种名,并不一定意味着仅凭一张痕迹照片就能推断出该物种。
幕后的模型
9月29日,一个名为spacebunnyalpha.com的网站发布了一个匿名推理模型space-bunny-alpha的基准测试成绩。该模型有百万级token的上下文窗口,接受文本、图像和视频输入,截至2026年9月24日已在OpenRouter上架。预览期内免费。
该网站称,在GPQA Diamond标准化的60题子集上,space-bunny-alpha得分为82.0%。作为对比,GPT-6 Sol在一项独立的198题审核中得分为95.45%,GPT-5.5在OpenAI公布的结果中为93.6%,MiniMax M3在Artificial Analysis的标准化评估中为92.9%。在MMLU-Pro上,space-bunny-alpha得分为75%,而GPT-5.6 Sol为89.1%,Qwen3.8 Flash约为89.0%。在Humanity's Last Exam的300题子集上,该模型得分为46.1%,95%置信区间为40.4%至51.8%。
该网站还称,在相同基准测试上,space-bunny-alpha使用的输出token约为Qwen3.8 Flash的三分之一:305989个对913989个。该模型在数据解析与提取以及工具调用上得分为10.0分(满分10分),但在通用智能上只有4.2分,在冷知识上只有3.0分。
这对任务科学意味着什么
星图航天的星座与NASA的自主性实验之间没有直接联系。但两者指向同一个方向:更多算力进入太空,更多决定在太空而非地面做出。
IEEE Spectrum指出,这项技术离足以托付航天器控制权还差得很远。但随着任务变得更复杂、更遥远、数量更多,工程师开始问,他们是否承担得起不这么做的代价。文章引用Ambrose的话说,工程师找到了管理自主系统复杂性的办法,包括让测试过程自动化。China in Space报道称,中央政府已将太空计算所需技术列为“十五五”规划时期(2026-2030年)的重点领域,工业和信息化部参与其中。文章指出,在全球人工智能热潮中,中国企业悄然取得了太空计算的领先地位。
与此同时,Wildlife CSI基准测试和space-bunny-alpha的成绩表明,当前AI模型在需要从有限证据中精确识别的任务上仍然吃力。自主系统在实验室里能做到的事与在实地能做到的事之间,差距依然明显。对任务科学而言,这意味着AI将越来越多地协助数据处理、任务排程和异常检测,但人的监督仍然不可缺少。国际空间站和“毅力号”上的实验表明AI能帮上忙。它们也表明,人仍在核对结果。
资料来源
4- 01Star.vision Unveils 'Space.IDC' Computing Constellation with PartnersEN
- 02Autonomous AI in Space Exploration Raises New StakesEN
- 03I Made AI Look at Traces. For ScienceEN
- 04Space-bunny-alpha a reasoning model from an anonymous providerEN
本文所有数字与引语均来自下列来源,未添加来源之外的内容。
本内容由编辑部在人工智能辅助下制作完成。
评论
0- 还没有评论——来说两句吧。