把海量的深度学习算力装进轨道舱，听起来像科幻，却正被几家航空公司当成研发路线图。把芯片送上太空真的能把算力“翻倍”，还是会在无形的壁垒里卡壳？
能源供给的硬核算计
在地面，数据中心靠电网、柴油发电机和UPS维持24 小时供电；升空后，唯一可靠的能源是光伏。星舰的太阳能板每平方米在近地轨道可产生约1.4 kW的功率，折算到一颗重量约1 吨的AI卫星，理论上只能支撑几百瓦的计算负载。若要让每颗卫星提供百千瓦级算力，就必须堆叠数十块高效光伏阵列，甚至研发可调角度的“光束聚焦”技术。与此同时，昼夜交替导致的功率波动必须靠超大容量的固态电池或超级电容平滑，否则算力会出现“跳帧”。
散热：从“无风”到“天然热沉”
大气层是热的天然散热器，地面机房靠风扇把热量泵到外部。而在真空中，热只能通过辐射传递。即便把芯片功耗推到数百瓦，散热片的表面温度很快逼近300 °C以上。解决方案往往是把芯片埋进高导热的石墨烯基底，再用可展开的黑体散热板把红外辐射最大化。实际试验显示，单块1 m²的黑体板在轨道上每秒只能散掉约100 W的热量，远低于地面风冷系统的效率。
辐射容错与硬件寿命
宇宙辐射包括高能质子、电子和重离子，它们会在芯片的晶体管上产生单粒子翻转（SEU）甚至永久性闸断（SEL）。NASA的研究表明，国际空间站的电子元件在一年内累计的剂量可达10 krad(Si)，足以让普通商用GPU的失效率提升十倍以上。为此，卫星级AI芯片必须采用全套容错架构：冗余计算单元、错误检测纠错（ECC）内存、以及实时辐射监测与动态工作频率调节。每增加一层容错，芯片的体积和功耗都会相应膨胀。
发射、轨道与运营的链条
- 发射成本：即使采用可重复使用的运载火箭，单颗百千瓦AI卫星的单次发射费用仍在数千万美元左右。
- 轨道选择：低地轨道（LEO）提供低时延但受大气阻力影响寿命短；同步轨道（GEO）则需要更强的功率和更复杂的天线指向。
- 数据回传：从轨道到地面的链路必须兼顾带宽与加密，光学激光通信虽能提供Gbps速率，却对指向精度和云层遮挡极为敏感。
- 碎片风险：每年约有2 000颗碎片在LEO高速飞行，碰撞概率虽低，却足以让一次任务的保险费用飙升。
说白了，把AI算力搬上星际舞台，等于把一台需要全天候监控的超级计算机投进了一个只能靠太阳喂养、只能靠辐射考验、只能靠激光传递的“孤岛”。每一项技术突破背后，都隐藏着成本、可靠性和法规的多重博弈。