最大规模的轨道计算集群现已投入运营

Kepler Communications 于今年 1 月发射了全球最大轨道计算集群,由 10 颗卫星组成,搭载约 40 个英伟达 Orin 处理器。 Kepler 与初创企业 Sophia Space 达成合作,将在轨测试 Sophia 的轨道计算机软件。 Sophia 正在开发被动冷却式太空计算机,可解决大规模轨道数据中心的散热难题。专家预测,大型太空数据中心至少要到 2030 年代才能实现,而边缘计算将成为其早期价值体现,地面数据中心禁令等因素也为太空替代方案带来新机遇。

发布于2026年4月13日 17:11
编辑小创
评论0
阅读71

太空数据中心的概念被热炒许久,但轨道上实际运行的 GPU 数量却少得可怜。不过,这种局面正在改变,轨道计算近期的商业形态已逐渐清晰。

加拿大 Kepler Communications 公司于今年 1 月发射了目前全球最大的轨道计算集群。该集群由 10 颗在轨卫星组成,共搭载约 40 个英伟达 Orin 边缘处理器,卫星之间通过激光通信链路互联。

Kepler 目前拥有 18 家客户,并于本周一宣布了最新合作方——初创企业 Sophia Space 。这家初创公司将在 Kepler 的卫星网络上测试其独特的轨道计算机软件。

专家预计,类似 SpaceX 或 Blue Origin 设想的大型太空数据中心至少要到 2030 年代才会成为现实。当务之急是处理在轨采集的数据,以提升私营企业和政府机构使用的天基传感器能力。

Kepler 并未将自己定位为数据中心公司,而是定位为太空应用的基础设施层。公司 CEO Mina Mitry 表示, Kepler 志在成为连接其他太空卫星以及下方空域无人机和飞机的网络服务层。

Sophia 则走了一条不同的技术路线。该公司正在开发被动冷却式太空计算机,有望解决大规模轨道数据中心面临的核心挑战之一:如何在不建造和发射笨重、昂贵的有源冷却系统的情况下,防止强大处理器的过热问题。

根据新达成的合作协议, Sophia 将把自己的专有操作系统上传至 Kepler 的一颗卫星,并尝试在两颗航天器的 6 个 GPU 上完成启动和配置。这种操作在地面数据中心属于基础中的基础,但此次将是首次在轨道环境中尝试。对 Sophia 而言,确保软件在轨正常运行将是一次关键的降险验证,为其计划于 2027 年底进行的首颗卫星发射做好铺垫。

对 Kepler 来说,这项合作有助于证明其网络的服务能力。目前,公司主要承载和处理从地面上传的数据,或由其自有航天器上的托管载荷采集的数据。随着行业走向成熟, Kepler 预计将开始与第三方卫星对接,提供网络和计算服务。

Mitry 指出,卫星公司目前正围绕这种模式规划未来的资产配置,尤其是将计算任务卸载给功率需求更高的传感器所带来的优势,例如合成孔径雷达。美国军方正是这类工作的重要客户——该国正在开发一套以卫星探测和追踪威胁为基础的新型导弹防御系统。 Kepler 已在美国政府的一次演示中成功验证了空对空激光链路的可行性。

这种边缘计算——即在数据采集地即时处理以加快响应速度——正是轨道数据中心最初将证明其价值之所在。这一愿景将 Sophia 和 Kepler 与 SpaceX 、 Blue Origin 等老牌航天企业,以及 Starcloud 和 Aetherflux 等正在融资聚焦大型数据中心级处理器的初创公司区分开来。

“我们相信,太空计算更多是推理而非训练,因此需要更多分布式 GPU 来执行推理任务,而不是一个具备训练负载能力的超级 GPU 。”Mitry 告诉 TechCrunch ,“如果一个设备需要消耗千瓦级电力,而你只能在 10% 的时间内运行它,那就没有太大意义。在我们的场景中, GPU 100% 的时间都在运转。”

一旦这些技术在轨道上得到验证,一切皆有可能。 Sophia CEO Rob DeMillo 指出,威斯康星州上周通过了数据中心的建设禁令,国会中也有部分议员在推动类似立法。任何限制地面数据中心的举措,在他们看来都在让太空替代方案更具吸引力。

“这个国家不会再新建数据中心了,”DeMillo 若有所思地说,“接下来的局面会变得很有趣。”

创艺洞察

太空计算的故事本质上是一场关于“在哪里思考”的基础设施革命。与其争论太空能否取代地面数据中心,不如将它视为一种能力补充——将计算推向数据源本身,这正是边缘计算的物理极端化。 Sophia 的被动冷却技术路径值得关注,它选择的不是与物理定律正面对抗,而是绕开高功率冷却系统这一核心瓶颈。如果 2027 年的在轨验证成功,太空计算的第一波商业落地很可能不是来自科技巨头的宏大叙事,而是来自那些专注于特定垂直场景——如导弹防御、实时遥感——的务实玩家。地面数据中心禁令的连锁反应,则为这场轨道竞赛增添了意想不到的政策推力。

相关文章

本地跑赢千亿旗舰的 Qwen 3.8 27B,如何用参数驯服过度思考
AI 新闻资讯
2026年8月20日
0 条评论
小创

本地跑赢千亿旗舰的 Qwen 3.8 27B,如何用参数驯服过度思考

Qwen 3.8 27B以17GB显存实现媲美千亿旗舰的性能,但默认深思机制易引发过度思考。掌握推理强度(low/medium/xhigh)等调参逻辑,能助开发者在本地兼顾极速响应与复杂任务高准确率。

#AI编程#本地模型#Qwen
阅读全文
Qwen 3.8 27B 调节推理深度并用 MTP 提速 72% 的避坑指南
AI 新闻资讯
2026年8月19日
0 条评论
小创

Qwen 3.8 27B 调节推理深度并用 MTP 提速 72% 的避坑指南

Qwen 3.8 27B 默认 xhigh 推理档位易致算力浪费,简单任务建议调低 reasoning_effort 或关闭推理以提升响应速度;复杂多步任务则需保留高推理以确保准确性。配合 MTP 多 token 预测技术,本地推理速度可提升 72%。该模型底层能力优秀,用户应根据场景灵活调节推理深度以平衡效率与质量。此外,行业亟需统一推理能效标准,解决不同厂商默认策略不透明导致的成本黑盒问题。

#本地AI#Qwen#推理控制
阅读全文
字节即梦 Seedance 2.5 提示词工程,用分镜级契约攻克 AI 视频失控难题
AI 新闻资讯
2026年8月19日
0 条评论
小创

字节即梦 Seedance 2.5 提示词工程,用分镜级契约攻克 AI 视频失控难题

针对字节即梦 Seedance 2.5 模型,开源项目 Seedance-ShotDesign-Skills 通过“提示词契约”将 AI 视频生成从玄学升级为工程化流程。该技能库对齐最新官方硬限制,提供复杂视频、延长及关键帧优先等结构化模板,结合焦段心理学与中文运镜词典规避审核风险。其内置 14 种工作流路由及本地校验器,确保提示词合规。该工程旨在降低创意落差、解决叙事与镜头一致性问题,而非提升原生画质。

#AI视频#提示词工程#即梦
阅读全文
互动讨论

评论区

围绕《最大规模的轨道计算集群现已投入运营》展开交流,未登录用户可浏览评论,登录后可参与讨论。

评论数
0
登录后参与评论
支持发表观点与回复一级评论,互动后将同步到消息中心。
登录后评论
暂无评论,欢迎成为第一个参与讨论的人。