中国利用在轨运行的AI控制地面机器人

轨道智能

作为研究人员所称的首次成功演示,来自GuoXing航天技术和上海交通大学的中国团队利用完全运行在轨卫星上的AI推理控制了一个地面类人机器人——在卫星上处理语音命令并实时向地球发送运动指令。

技术设置的工作方式如同中继链:人类操作员在地面发出语音命令。该命令被传送到GuoXing在低地轨的卫星星座,其中运行在卫星辐射防护计算硬件上的阿里巴巴Qwen3大语言模型处理该命令并生成运动指令。这些指令被传回地球,其中开源AI代理OpenClaw将其转化为机器人的实际动作。

为什么这很重要

这次演示之所以重要,有几个相互关联的原因。首先,它验证了复杂的AI推理——不仅仅是数据中继,而是实际计算——可以在暴露于空间热、辐射和振动环境的轨道硬件上可靠地运行。在轨上运行大语言模型与轨道系统之前处理的相对简单计算在质量上是不同的成就。

其次,它展示了解决在偏远环境中部署自主系统最棘手问题之一的潜在方案:网络连接。在灾难区、偏远荒野、深海环境或冲突地区运行的自主机器人、无人机和车辆经常无法访问云基AI系统所需的陆地网络。基于太空的推理消除了这种依赖——只要自主系统能与卫星通信,无论本地基础设施如何,它都能访问AI推理能力。

克服的技术挑战

在太空运行AI计算硬件比在地面上运行困难得多。太阳辐射和宇宙射线在半导体设备中引起位翻转错误,地面系统可以管理,但在轨上变得更具挑战性。热环境也十分恶劣——AI芯片产生大量热量,在地面上通过风扇和液冷散发,但在太空中必须仅通过辐射散热。

GuoXing的方法涉及专为轨道环境设计的屏蔽计算硬件,可能采用辐射加固组件和热管理设计,以牺牲绝对性能来换取可靠性。Qwen3能以足以实现实时机器人控制的速度运行推理任务这一事实表明,这些工程挑战已在实际程度上得到解决。

星座和愿景

GuoXing已部署了12颗卫星,并计划在2026年发射两个额外的星群,目标是到2030年达到1000颗卫星。他们的长期愿景描述了到2035年建成2800颗卫星网络,分为推理卫星和训练卫星——全球规模AI计算的专用轨道基础设施。

这一宏大计划面临重大工程和经济挑战,但基础逻辑是合理的:随着自主系统在地球每个环境中的普及,依赖可靠陆地网络始终可用的假设变得越来越有问题。轨道AI基础设施提供了不依赖任何特定国家通信基础设施的备选方案。

对于中国更广泛的技术雄心,基于太空的AI推理代表了两个领域的汇聚,该国一直在迅速取得进展:大语言模型开发和商业太空发射能力。类人机器人演示是这一战略的明确证明,如果成功,将为中国运营商在全球自主系统市场中提供独特的竞争力。

本文基于Interesting Engineering的报道。阅读原始文章。