算力上天，AI破界

　　机器人的一小步，太空算力的一大步。

　　当你从手机上发出一条指令，来自太空的算力开始启动，千里之外的看护机器人自如地开始看护家庭成员——这不是科幻电影里的场景，而是正在发生的现实。

　　2026年3月，国星宇航联合上海交通大学太空计算联合实验室完成了全球首次调用太空AI指挥地面机器人的技术验证——工作人员在地球上通过自然语言发出任务指令，接收后上传到卫星搭载的通义千问大模型完成AI推理计算，再将决策接口回传地面，操作机器狗在野外行走，实现了天地一体化智能操作的全流程闭环。

　　你可能会问，这和我们有什么关系？这意味着将来你在任何地方，在手机上就能调用太空算力；即便在海洋、极地、荒漠等无算力覆盖的区域，也能为机器人、无人机等智能设备提供稳定的AI算力支撑。

　　头上有卫星，脚下有智能的AI算力新时代来临了。

　　超算上天

　　2025年5月14日，中国在酒泉用长征二号丁运载火箭，把全球首个太空计算卫星星座首批12颗计算卫星送上了天，全球太空计算时代的大幕被徐徐拉开。

　　这12颗卫星有多能算？单星最高算力每秒744万亿次，12颗组网之后飙到每秒5000万亿次。相当于一个微小型数据中心的算力被搬到了太空里。这12颗卫星还搭载了80亿参数的天基模型。什么意思呢？就是卫星自己带了一个AI大脑，能自动识别哪些照片是有效的、哪些是被云层挡住的废片。以前卫星拍的照片传回地面，40%都是被云挡住的无效数据，浪费带宽、浪费时间、浪费人力。现在在天上就直接过滤掉了，只传有用的回来。

　　12颗卫星在天上，各算各的当然不行，得让它们星间通信。当然，光这12颗卫星肯定不够。最终目标是在2035年用2800颗卫星组成一张覆盖全球的算力网。到那时候，地球上任何一个地方，不管是海洋、沙漠还是极地，每三分钟就有一颗卫星飞过。全球100%无缝覆盖。

　　为啥要建太空算力网？

　　中国科学院院士王建宇在2026浦江创新论坛——“明珠启航 智算未来”太空算力产业生态论坛上指出，太空有了那么多卫星，我们却依旧对正在发生的事情处置滞后，原因就是算力在地面，而不在天上。一切都要等数据下传到地面，且研判之后才行。“比如森林火灾监测，一般卫星的宣传说明都会写明‘配备红外相机，可监测森林火灾’，但实际上这些卫星全都是在‘事后诸葛亮’。传统模式中，卫星飞过火场上空，拍照后再把照片传给地面站，地面站接到图片后，分析归档后判读，这一套流程走完，最快也得几个小时，而火灾在最初出现火情，再到几个小时之后，早就烧成肉眼可见的火情了，‘小时级’卫星响应没有了速度的优势，也就没有了意义。”

　　有什么办法能让卫星能自己“读懂”照片，自己判断并自己报警呢？这其实就靠太空算力了。王建宇说，“小时级”响应在传统的卫星分析中已经是最快的响应速度了。但如果有了高频次观察的太空算力卫星网，拍到图像后，卫星自己就能在天上算，几分钟就能把结果报出来了。这样，就从卫星的“小时级”响应，提升到了“分钟级”响应。从“事后诸葛亮”到“现场直播”，这就是太空算力的威力。难怪科技巨头都在布局太空算力，马斯克的SpaceX筹划100万颗卫星，谷歌和蓝色起源也在筹备，只不过这一次，让中国取得领先。

　　9月13日，上海 “明珠星座计划”在太空算力产业生态论坛上宣布正式启动。

　　“明珠星座计划”以建设“吉瓦（GW）级天基计算星座”为长期目标，围绕天地一体化算力网络、空间能源等方向持续推进技术探索，推动智能计算能力由地面进一步向近地轨道延伸，计划到2030年逐步建成全球覆盖、天地协同、自主可控的太空智能算力基础设施和服务网络。“明珠”既寓意上海城市地标东方明珠，也代表上海面向未来太空算力产业布局的重要载体。

　　天基计算是一项高度复杂的系统工程，涉及完整而复杂的产业链协同。对于面向长期运营的天基算力基础设施而言，不仅要解决单点技术突破，更要形成贯穿硬件、软件、网络与服务体系的自主技术能力和稳定产业支撑。

　　由此，“明珠星座计划”着力构建全栈国产化技术链路与自主可控的产业协作体系，逐步形成覆盖技术研发、产品研制、在轨验证、星座建设及场景应用的天基计算产业生态。本次论坛期间，东方天算牵头，联合微小卫星创新研究院、上海空间电源研究所、阿里云、科大讯飞、协鑫光电、晶科能源、天合光能、壁仞科技、天数智芯等27家产业链合作伙伴进行了“明珠星座”产业合作签约，宣布将共同推动算力芯片、空间能源、星间通信、卫星平台、计算载荷及软件服务等星座建设关键环节的协同创新。

　　未来，“明珠星座计划”也将通过国产软硬件深度协同和产业链上下游联合创新，围绕星载智算载荷、在轨智能服务、星间激光组网、天基算力云平台、空间新型能源及抗辐照计算等方向持续开展技术攻关与工程验证，进一步提升天基算力基础设施在关键技术、核心系统和运行体系层面的自主可控能力，为面向全球的智能服务提供稳定、可靠的基础支撑。

　　AI4S（AI for Science）被寄予厚望

　　如果人类思考一道难题花100年，AI需要多久？

　　9月12日下午，上海人工智能实验室主任、首席科学家周伯文在2026浦江创新论坛（第十九届）主论坛的主旨演讲之初，就抛出了这样一个问题。

　　单克隆抗体。1975年问世，从患者体内找到对症抗体，传统流程要走四年。2020年，AI与生物学家协作，从机器筛选到给药患者只用了90天，时间压缩到6%。

　　蛋白质折叠。1969年该问题被提出，人类历经51年求索仍难以破解。AlphaFold仅用2年基本解决这一问题，约为人类时间的4%。

　　纳维-斯托克斯方程。该方程于1827年被提出，是千禧年七大数学难题之一。不久前，1万个AI智能体连续工作88小时，给出了存在性与光滑性的证明。虽然克雷数学研究所尚未最终确认，但这意味着，人类思考了近200年的问题，AI用万分之零点五的时间在逼近。

　　一个规律清晰可见：问题越古老、越基础，AI提效的空间越大。“这三个问题，毫无疑问都是人类主导、AI参与。当我们惊叹AI取得突破时，不能忽略背后人类的核心贡献——由人类定义科学问题、构建数据集、设计提示词与思维链，这些才是实现突破的根基。”

　　周伯文说，这种转变，迫使我们必须重新思考：AI和科学到底是什么关系？而他的一个核心判断就是：人工智能与科学发现正在走向双轮驱动。

　　“一方面，AI帮助科学家扩大搜索空间、提出假设、设计实验；另一方面，科学中的真实问题、严格证明和实验反馈，也能为AI的推理、行动和学习提供训练场。两者开始通过假设、实验、验证和反馈相互加速。”

　　今天，“论文、数据、工具”快速增加，但是有价值的判断仍然稀缺，验证依然昂贵，研究经验也容易丧失。周伯文指出，我们要打通的，正是从发现问题、提出假设，到执行验证、经验积累的完整过程，让AI从参与少数环节，走向成为科学家可信赖的研究伙伴。科学和AI相互赋能的门槛正在逐步降低，从高门槛的“For”，到中等门槛的“In”，再到无门槛的“And”。“科学探索的罗盘，始终应该由人类的心智、好奇心与价值判断来掌握。

　　毫无疑问，现代科学面对的问题越来越复杂。AI与医学、环境与计算、材料与生命科学之间的边界不断变得模糊，AI4S（AI for Science）被寄予厚望。

　　周伯文说，当前科研不能只依靠文献、分子式、反应式这类静态信息，这些条件必要但并不充分。真正充分的条件，是完整留存科研全流程中的高价值信息，记录任务环境、操作行为、结果变化以及纠错过程，让科研里所有成功经验与失败教训，都沉淀为可积累、可复用的学习数据。这三个关键环节连在一起，共同构筑起AI与科学持续互促共进的根基。

　　如何把三个关键环节有机串联？上海人工智能实验室的答案是：打造一个能够贯通全流程的平台载体——书生·端砚科学发现平台，打通从科学问题定义、智能方案规划、全域资源调度、分布式验证、认知沉淀，直至小试、中试与产业应用的全链条，为科研任务搭建完整的验证闭环。

　　9月13日，人工智能赋能科学研究专题论坛上书生·端砚科学发现平台升级发布。上海人工智能实验室科研产品平台部傅徐军指出，端砚交付的不再只是AI的一个回答，而是可复现、可审计、可验证的科研产物。端砚中产出的每张图表、每份报告，都可以关联代码、运行环境、上下文对话以及工具调用记录。每个结果从“出生”开始，就有一张“出生证明”，能够追溯，并支持原样复现。交付前还会进行独立核查，对引用和计算过程进行验证。

　　“最后一个核心能力，就是打通物理世界的验证，让科学发现走出数字演算，真正进入实验室。端砚通过统一的物理层协议进行标准化接入，利用实验设备的利用率和状态反馈，对实验室进行编排，调度机器人和仪器，组成可调用的实验能力，而且全程会有安全可控和异常恢复机制护航。这样就会从‘会想、会算’走向‘能实验、能验证’，形成从科研意图，到真实行动，再到下一步判断的闭环。”

　　目前，端砚的自主实验室已经连接多地，作为国内首个拓展到大科学装置和中试验证场景的科研平台。书生·端砚已支撑一系列创新实践，包括“从0-1”加速源头创新，“从1-10”加速小试和中试、完成工业放大，“从10-100”推动量产使用，实现成果的工业化、规模化转化。记者｜陈冰