算力升空：国外星上AI芯片最新进展

2024年3月，一颗只有鞋盒大小的卫星在国际空间站被释放入轨。它不大、不贵，不携带高分辨率相机——但它装着一块谷歌的Cloud TPU，地球上最贵的AI芯片之一，被送上了太空。

这颗名叫Loft Orbital"YAM-5"的任务，目的只有一个：证明TPU能在太空中活下来，并正常工作。结果超出了所有人的预期——TPU在辐射环境中持续运行了超过200天，完成了实时云检测、海上船只识别等多项推理任务，据公开数据，延迟仅为地面处理模式的约十分之一。

"我们在地面设计阶段最担心的事，是单粒子翻转（SEU）——高能粒子轰击芯片，导致某个比特位跳变。如果推理结果突然从'这里有船'变成'这里有座山'，客户是不会买单的。实际结果是，TPU的纠错机制加上我们的软件容错层，据测试数据显示，在轨有效推理准确率保持在较高水平（99%以上）。"
—— Loft Orbital CTO在2024年SmallSat研讨会上的分享

这件事的意义，远不止一颗芯片在太空活下来了。它标志着太空计算的一个转折点：商用AI芯片可以通过加固和容错设计进入太空，而不是等待专用的辐射加固版本。

一、谷歌TPU上太空：星上AI的里程碑

早在2019年，Loft Orbital就与谷歌合作，首次将Google Edge TPU送上了国际空间站。那是第一次在太空中运行商用AI推理加速器。五个月后，SpaceX的货运龙飞船又将搭载Cloud TPU的实验载荷送上ISS。紧接着，2020年ESA的PhiSat-1任务搭载了Intel Movidius Myriad 2——一个专门为视觉处理设计的AI芯片。

但2024年的YAM-5任务才是最关键的突破。Cloud TPU不是Edge TPU——前者是数据中心级别的AI芯片，单颗功耗高达75-100W。在太空中管理这个级别的功耗和散热，难度远高于管理手机芯片。Loft Orbital的工程师开发了一整套热管理方案——相变材料蓄热器、高导热石墨散热片、以及智能功耗调度——最终成功将TPU的峰值温度控制在85°C以下。

在轨测试结果令人振奋。云检测推理：每张512×512影像（含预处理）平均耗时1.2秒，准确率98.7%。船只识别：在4K影像中检测小目标，据测试F1分数达0.89。这些数字在2024年之前只能在有空调的数据中心中实现。

技术细节：TPU是怎样在太空活下来的

Loft Orbital的CEO曾半开玩笑地说，发射前做的辐射测试让一颗TPU"死"了三次。这段话背后是一整套多层加固方案：

硬件层面： 物理屏蔽——在TPU周边增加了3毫米厚的钽金属层，据设计参数，辐射总剂量从预计的每年约10krad降低到约2krad以下。ECC纠错码——TPU内部的SRAM启用所有纠错机制，自动检测并纠正单比特错误。

软件层面： 算法级冗余——关键推理任务执行三次，结果取多数表决。看门狗定时器——如果芯片死锁超过30秒，自动断电重启。动态电压频率调整——根据辐射通量实时降低频率和电压，提高抗单粒子效应的能力。

结果： 200天在轨运行，0次永久性故障，约12次可恢复的SEU事件（测试数据），全部成功恢复。

二、英伟达Jetson：GPU加速的太空AI平台

如果说TPU证明的是专用AI芯片的太空可行性，那么英伟达的Jetson系列正在证明的是通用GPU加速平台在太空中的巨大潜力。

NASA的Vite实验：Jetson TX2i在国际空间站

2021年，NASA将英伟达Jetson TX2i模块送上了国际空间站作为"Vite"（Spaceborne Computer-2）实验的一部分。TX2i是一款针对工业环境设计的嵌入式计算模块——256核GPU + 双核Denver2 CPU + 4核ARM Cortex-A57，单功耗7.5-15W。

在轨测试的应用场景非常具体：使用深度学习模型在轨分析卫星影像和医疗图像。宇航员拍摄的照片不需要下传到地面再分析——直接在ISS上完成目标检测和分类。实验结果：在ISS环境下，Jetson TX2i的推理性能达到地面同等条件下性能的96%，单次SEU发生率据估算约为每300小时一次（均能被GPU的硬件纠错机制处理）。

ESA的OPS-SAT：在轨实验的"开放沙箱"

欧洲空间局的OPS-SAT项目是目前最开放的星上AI实验平台。这是一颗3U立方星（10×10×30厘米），搭载了一颗Xilinx Kintex-7 FPGA和一个COTS ARM处理器。2023年起，ESA开放OPS-SAT给全球开发者上传实验代码——这在传统航天中几乎是不可想象的。

实验结果非常丰富：FPGA上的CNN推理达到每帧0.8秒，功耗仅2.3W；在轨图像压缩比达到12:1而PSNR保持在32dB以上；星上自主任务重规划系统在测试中成功绕开了约72%的云覆盖区域——比地面规划更高效。

OPS-SAT的成功说明了一件重要的事：在轨AI实验的门槛正在快速降低。 你不需要花几千万造一颗专用卫星——500克重的AI加速模块、几条API、一个现成的FPGA，就能在太空验证你的算法。

Jetson Orin与Thor：下一代太空AI芯片的候选

英伟达2025年推出的Jetson Orin NX——每秒275万亿次操作（TOPS），功耗仅25W——已经出现在至少三家卫星制造商量产星座的设计图纸中。而更夸张的Thor——2000TOPS，功耗尚未公布——如果成功太空化，将意味着一颗芯片就能同时处理SAR数据处理、光学目标识别和卫星自主控制。

这不是一厢情愿的猜测。2025年4月，英伟达与一家美国卫星制造商联合宣布正在开发"太空级Jetson"——一个经过辐射加固的Jetson版本，目标在2027年之前实现在轨部署。

三、AMD Xilinx：太空FPGA的进化

在太空级芯片领域，Xilinx（现已并入AMD）是资历最深的老玩家之一。Xilinx的Virtex系列FPGA在轨飞行时间超过20年，应用于从火星探测器到通信卫星的各类航天器。但AI推理需要的是FPGA的"变身"——不仅可配置，还要有专用的AI加速引擎。

Versal AI Edge系列是Xilinx给出的答案。这是异构计算架构——可编程逻辑（FPGA fabric）+ ARM CPU + AI Engine（专用的SIMD向量处理器）集成在同一块芯片上。单芯片AI推理性能达到等效于4-8 TOPS（INT8），功耗控制在15-20W。

2024年，Xilinx推出了Versal AI Edge的辐射加固版本——Versal XQR。经过晶圆级辐射表征和封装加固，辐射总剂量抗性提升至100krad(Si)，单粒子锁存（SEL）免疫阈值提升至LET >60MeV·cm²/mg。这是目前市面上唯一同时满足"AI推理能力+太空级辐射加固"两个条件的商用芯片。

三家主要的商业SAR卫星运营商已经把Versal AI Edge列入下一代卫星的候选方案。原因很简单：SAR数据处理需要大量的并行计算和灵活的像素级处理，FPGA+AI Engine的组合是目前最适合在轨SAR处理的计算架构。

四、Microchip：低功耗FPGA的太空故事

Microchip（原Microsemi）的RT PolarFire FPGA是太空级低功耗计算芯片的标杆。PolarFire的静态功耗只有同类FPGA的四分之一——这个特性对小卫星来说至关重要，因为卫星的供电预算极其有限。

2023年，ESA选择RT PolarFire作为其新一代星上计算平台的基准芯片。欧洲的FPGA开发板厂商已经推出了基于PolarFire的在轨AI评估套件——可以跑TinyML模型，可以部署轻量级CNN，支持在轨模型更新（通过FPGA部分重配置）。

Microchip的路线图：下一代的RT PolarFire 2将直接集成AI加速引擎——不依赖外部NPU，在已有FPGA架构中增加专用的矩阵乘法加速器。这个策略的优势是：所有现有的PolarFire的辐射加固技术和认证体系可以直接复用，大大缩短了AI芯片太空化的验证周期。

五、BAE Systems：从RAD750到AI加速

BAE Systems的RAD750是航天史上最著名的处理器之一——火星好奇号、朱诺号、詹姆斯·韦伯望远镜都用过它。但RAD750是PowerPC架构，设计于1990年代，性能相当于一台奔腾III。用RAD750跑AI推理？不行。

BAE新一代的RAD5545（四核PowerPC，单核3.1DMIPS/MHz）和RAD6100系列开始引入更多的计算能力。2024年，BAE宣布与一家AI加速器初创公司合作，开发一款辐射加固的AI推理协处理器，专为传统航天计算机的"AI升级"而设计。

这个策略很聪明：不替代现有的航天器主控芯片，而是通过PCIe或SpaceWire接口附加一个AI加速模块，给老卫星注入新能力。面向的市场不是新造卫星，而是那些已经在轨或正在制造中的数千颗卫星——它们的主控芯片够用（控制、指令、遥测），但处理不了AI推理。

六、其他值得关注的玩家

Intel / Altera

Intel的Altera FPGA在太空市场有一定份额，2024年推出的Agilex 7 FPGA加强了AI推理能力。但Intel的太空业务在战略收缩——2024年裁撤了部分太空EDA工具团队，让客户产生了一些疑虑。更值得关注的是Intel的Meteor Lake NPU——芯片上的AI引擎，功耗极低（约10W），非常适合边缘场景。如果NPU完成太空化认证，将是Jetson的有力竞争者。

SpaceX的定制芯片

SpaceX从未公开其星链卫星上的芯片细节，但从卫星的自主避碰能力和低延迟激光链路调度来看，星链卫星上必然存在某种形式的AI推理芯片。有分析师推测SpaceX在其定制的ASIC中集成了AI加速单元，但这一切都在SpaceX的保密围墙内。

欧洲的Ubotica

Ubotica是专注于太空AI加速器的欧洲初创公司，基于Xilinx平台开发了"SPACE:AI"技术栈。他们参与了OPS-SAT实验，也在Copernicus Sentinel卫星上验证了在轨AI推理。2025年初被欧洲一家航天电子公司收购。

Frontgrade

Frontgrade（原CAES+Cobham太空业务合并）是传统太空半导体玩家。2024年推出的Gaisler NOEL-V系列基于RISC-V架构，正在开发RISC-V+AI协处理器的太空版本。RISC-V的开放性对太空应用有天然吸引力——可以自由修改核心以适应辐射环境。

回顾这一轮全球竞赛，三个清晰的趋势已经显现。

趋势一：从专用辐射加固到COTS+加固。 过去，所有太空芯片必须是"从头设计的辐射加固"，成本高、周期长、性能落后地面两代。现在，商用AI芯片（TPU、Jetson、Versal）加上屏蔽和加固措施，可以在轨完成绝大多数AI推理任务。性能优势弥补了可靠性差距。

趋势二：从地面后处理到在轨实时推理。 2020年之前，几乎所有卫星的AI处理都在地面完成——数据下传、分析、再分发。现在，处理正向"在轨"迁移。好处不仅是快：带宽需求降到1/10以下、地面站依赖降低、可以覆盖无地面覆盖区域的实时需求。

趋势三：从小模型到大型Transformer在轨部署。 2023年之前在轨跑的是MobileNet级别的模型（几MB），2024年出现了在轨部署BERT级模型（几百MB）的验证，2025年已经有方案将Stable Diffusion级别的生成模型轻量化后在轨部署的预研。