Loft Orbital 人工智能业务总经理 Paul Lasserre 在采访中表示：“依托边缘端分布式算力，不同航天资产可就地完成采集、感知、解译，直接输出地表态势研判结论，无需回传海量原始数据。”他介绍，该方案基于海量数据集训练 AI 模型，“系统无需人工预设观测目标，即可自主识别各类地物特征。”
项目存在两大技术难点：一是整合卫星硬件体系，搭载可实时成像、实时处理的传感器与星上处理器；二是适配卫星硬件算力约束，部署轻量化开源 AI 模型。直到当下，空间硬件与小型高性能 AI 模型技术成熟度匹配，该方案才具备落地可行性。
他表示：“一方面新一代多模态推理轻量化高性能 AI 模型实现技术突破，这在半年前还难以实现；另一方面配套在轨基础设施已完备；再加上 NASA 长期布局该方向，多方条件汇聚，推动该方案进入落地窗口期。”
Lasserre 原本深耕地面人工智能领域，他坦言，受航天器算力限制，太空场景下 AI 设计思路需要重新考量。“约束客观存在，但并非不可突破，只要完成针对性模型优化，我们完全可以部署业界顶尖水平的 AI 算法。”
他介绍了这套系统的运行模式：一颗卫星搭载常态化开机传感器，依靠 AI 自主搜寻感兴趣目标、标记位置，通过星间链路把信息下发其他卫星，快速完成接续观测。受限于星上算力与星间通信瓶颈，此前这种 “巡逻探测模式” 很难落地。
