天基计算——现状、挑战与机遇

刘垚圻 ,  韩银和 ,  李泓辛 ,  谷舒豪 ,  邱吉冰 ,  李婷

工程（英文） ›› 2025, Vol. 54 ›› Issue (11) : 22 -27.

PDF (2488KB)
工程（英文） ›› 2025, Vol. 54 ›› Issue (11) : 22 -27. DOI: 10.1016/j.eng.2025.06.005
观点述评

天基计算——现状、挑战与机遇

作者信息 +

Computing over Space: Status, Challenges, and Opportunities

Author information +
文章历史 +
PDF (2546K)

引用本文

引用格式 ▾
刘垚圻,韩银和,李泓辛,谷舒豪,邱吉冰,李婷. 天基计算——现状、挑战与机遇[J]. 工程（英文）, 2025, 54(11): 22-27 DOI:10.1016/j.eng.2025.06.005

登录浏览全文

4963

注册一个新账户 忘记密码

1 引言

近年来，卫星星座的迅速发展产生了海量数据。而数据的激增以及应用场景的多样化，凸显出对于高性能天基计算不断增长的需求。天基计算即在卫星等天基平台上部署计算资源，在高辐射暴露、功耗受限和最小化重量等约束条件下处理大规模数据。

例如，天基计算可应用于卫星遥感领域。随着遥感影像的地面分辨率从10.0 m提高到0.3 m，相同幅宽度下的数据量增长了近千倍。然而，卫星与地面通信的带宽以及卫星经过地面站时链路的时间窗口是有限的[1]，而通过星载计算可以节省数天的传输和处理时间[2]，这些时间对于应急响应等特种任务尤为重要。天基计算可从海量数据中提取高价值信息，并显著降低所需的传输带宽和服务时间。基于这一理念，武汉大学的李德仁教授提出了东方慧眼（OSE）卫星星座，旨在为卫星遥感信息提供实时智能服务[3]。

除卫星遥感外，卫星通信也是天基计算的重要应用之一。核心网络的星载部署是实现卫星网络的关键，而天基计算的性能一直是信号处理、多路复用、流量管理和资源分配等任务的关键制约因素[4‒6]。因此，北京邮电大学的王尚广教授提出了天算星座，并对核心网络的星上部署进行了实验[7]。通信卫星有着众多用户，这使得网络规划和优化变得尤为重要。张平教授提出了语义通信技术[8]，该技术可通过提取和利用语义信息来提高通信效率，而语义通信对星载计算能力提出了更高的要求。

此外，诸如航天器自主碰撞规避[9]和机器人太空探索[10]等任务，需要高性能计算来完成人工智能推理等复杂算法。为解决这一问题，Lumen Orbit提出了空间数据中心的概念[11]。通过利用太空太阳能资源和低温冷却等优势，空间数据中心可将综合成本降低至地面成本的约二十分之一[11]。

虽然天基计算的需求在不断增长，但天基计算的性能通常较低。例如，太空中常用的RAD5500处理器的性能仅为每秒0.9吉次浮点运算（GFlops）。相较之下，地面常用的商用现货（COTS）芯片英伟达A100已经达到了每秒156万亿次浮点运算（TFlops）的性能。如图1所示，卫星常用芯片与地面COTS芯片的性能始终相差三到四个数量级，这在很大程度上是由太空辐射造成的。太空中使用的电子元件通常需要进行辐射加固或抗辐射处理，以承受辐射的累积效应[12]。

在轨使用COTS器件，并同时采取系统级加固措施来缓解可靠性缺陷，是满足空间领域日益增长的更高计算需求的重要技术途径。2003年，Behr等[13]对使用COTS设备进行空间计算展开了实验。2021年，慧与科技（HPE）与美国国家航空航天局（NASA）合作，将HPE Spaceborne Computer 2送往国际空间站。该计算机搭载了英伟达T4图形处理单元（GPU），提供每秒65万亿次运算（TOPS）的计算性能。我们团队研发了极光1000星载智能计算机，其配备了寒武纪神经网络处理单元（NPU）芯片，实现了32 TOPS的计算性能，于2022年搭载吉林一号01A01卫星发射升空。2024年，极光1000-OSE搭载于OSE 01卫星发射，并在该计算平台上实现了视觉大语言模型（VLLM）的推理。除上述应用外，类似的COTS器件在空间计算系统中还有大量应用，包括但不限于文献[14‒18]中的内容。

尽管COTS器件的使用提升了天基计算的性能，但当前天基计算系统与地面最先进系统之间在性能上仍存在显著差距。为进一步发展天基计算，亟须解决以下关键问题：第一，设计计算架构和容错措施，以确保系统可靠性；第二，针对真空空间环境中的高热流密度COTS器件，设计有效的热控系统；第三，研发天基智能应用，以满足多样化场景需求。在下一节中，我们将讨论这些挑战并提供可能的解决方案。

2 天基计算的关键技术

2.1 计算架构

天基系统的计算架构对性能和可靠性起着至关重要的作用。在过去几十年里，在更高可靠性、更高性能、更低功耗和最小化成本的核心目标导向下，空间计算架构的发展可以概括为四个阶段，如图2所示。

• 第一阶段：分布式嵌入式系统（DES），卫星系统由独立的嵌入式系统组成；

• 第二阶段：集成电子系统（IES），多个系统集中在单个平台上；

• 第三阶段：外部智能系统（EIS），在IES基础上增加额外的高性能计算设备，能够执行人工智能算法等复杂算法；

• 第四阶段：集成智能系统（IIS），即EIS和IES统一为一个IIS，具有更低功耗、更小体积和更高性能。

EIS和IIS的广泛应用在很大程度上依赖于空间计算系统可靠性的提升。在极端的空间环境中，辐射效应会带来较高的故障风险。由于COTS器件存在固有的可靠性限制，因此分析潜在故障和系统可靠性并开展有针对性的系统容错加强设计至关重要。然而，计算架构的复杂性增加了可靠性分析的难度。如图3所示，一个空间计算系统可能包含多个电路板，如主控板、交换板、存储板、计算板等。通过冷/热冗余备份策略，这些电路板构成了一个复杂的依赖系统。为了解决复杂系统的可靠性分析和加固问题，需要一个层次化容错理论模型。通过使用蒙特卡洛模拟[19]、脆弱性分析[20]、状态转移模型[21]、可靠性框图[22]和故障树分析[23]等建模方法，以及故障注入[24]、辐照实验和系统测试实验等模拟与测试方法，可以将复杂的不确定因素量化为概率曲线，为容错机制设计提供理论基础。

为提高容错能力，需要在器件、系统架构、操作系统和算法等不同层面建立协同容错系统。例如，在器件层面，可采用指令级时间冗余[25]和多设备冗余[26]等方法，以显著的性能损失为代价来提高纠错能力。在系统架构层面，可使用关键模块冗余、冷/热备份以及看门狗[27‒28]等方法，增强对关键器件故障的容忍度。在软件层面，云原生[29]或微内核[30]等技术可提高操作系统的可用性。最后，在算法层面，可对数据[31]或神经网络模型[32]设计冗余结构，以减少静默数据错误。

2.2 热控系统

在具有极大温差的真空空间环境中，温控系统的散热能力对计算系统的性能至关重要。电子元件有其工作温度范围，而工业级设备的额定温度范围通常为-40~85 ℃。超出这些限制可能导致性能下降甚至元件故障[33]。热流密度用于衡量设备单位面积产生的热功率；热流密度越高，散热难度越大。由于计算性能、功耗和热流密度通常呈正相关，高性能COTS器件具有较高的热流密度。此外，与地面计算系统的环境相比，空间计算的工作环境极为恶劣。卫星暴露在直射阳光下的一侧温度可超过100 ℃，而背阴面的温度则可降至-100~-200 ℃。

散热片[34]等地面常见的热控设计并不适用于真空环境。天基计算设备常用的热传递方法包括固体传导、热管和流体回路。其中，固体传导是最常用的方法；它依靠材料的自然属性和结构设计来传导热量，其所能支持的最大热流密度约为20 W·cm-2。热管由密封管道和内部工作流体组成，通过蒸发和冷凝来传导热量，并借助毛细作用或重力循环流动。流体回路通过流体对流实现热传递；它们能够承受更高的热流密度，但在重量、布局、微振动等方面存在限制[35]，因此通常用于国际空间站[36]和神舟飞船[37]等大型航天器。抗辐射加固（rad-hard）设备通常功耗较低，例如，RAD750的功耗仅为5 W。尽管固体传导足以满足散热需求，但它却无法支持高性能GPU设备。例如，英伟达A100的功耗约为300 W，芯片面积约为8.26 cm2，热流密度约为36.3 W·cm-2。由此可见，流体回路可能成为未来太空计算的重要解决方案之一。

目前，由于可靠性、重量、功耗成本等方面的考量，流体回路在天基计算系统中应用并不广泛。然而，为在太空中实现最高计算能力，流体回路几乎是必要途径。对于如何对流体回路进行优化，目前仍存在大量研究空白。为降低流体回路对可靠性的影响，本研究提出了一种被动-主动混合冷却（HPAC）方法，如图4所示。该方法的主动冷却部分负责冷却高功率芯片，被动冷却部分负责冷却低功率芯片。这样，即使在流体回路发生故障的情况下，HPAC系统也能确保系统基本功能正常运行。

2.3 应用

在太空中使用高性能COTS设备能够使卫星拥有先进的数据处理与分析能力，进而使复杂的智能应用成为可能。例如，极光1000-OSE实现了目标识别、云图判别和图像压缩等算法，显著提高了星载数据的利用效率。

未来卫星应用算法的进步将提升数据融合能力和运行效率，这对于灾害监测等时间敏感型应用至关重要。将大语言模型（LLM）整合到卫星系统中，为实现智能信息融合以及对人类指令的自然语言解读提供了一种有前景的解决方案。如图5（a）所示，所提多模态VLLM架构展现了其与地面操作人员进行双向自然语言通信以及对遥感图像进行自动分析的能力。

本研究基于VLLM架构构建了极光VLLM，并在极光1000-OSE上进行了文本问答实验。为解决星地通信链路中计算性能相对较弱和带宽有限的问题，我们采取了模型蒸馏和参数量化[38]等优化技术。实验结果如图5（b）所示，成功验证了VLLM进行星载推理的可能性。

可预见的是，未来在天基应用方面会有更多的进展和完善。例如，将联邦学习融入卫星计算网络，为卫星在维护数据隐私和安全的同时协同利用分布式数据资源开辟了一条新路径[39]。此外，将新兴模块与定制的、针对特定任务的模块融入可配置的VLLM架构中，有望显著提高模型在动态和异构环境中的适应性以及持续进化的能力[40]。这些进展有望为更强大、可扩展且自适应的智能系统铺平道路，从而扩大VLLM在复杂动态空间计算场景中的潜在应用。

3 结论

总而言之，高性能天基计算代表了一种变革性的能力，能够在遥感和通信等不同领域实现实时数据处理与分析。本文强调了COTS器件在推进高性能空间计算方面的关键作用，探讨了系统可靠性、热控及应用等方面面临的关键技术挑战，并提出了潜在的解决方案。在计算架构方面，EIS和IIS的发展在很大程度上依赖基于COTS的空间计算系统可靠性的提升。通过在多个层面实施可靠性分析和容错方法，可以提高整个系统的可靠性。在热控系统方面，由于太空中极端的温差以及真空中缺乏空气对流，天基计算面临巨大挑战，HPAC方法有望成为解决散热问题的重要方案。在应用方面，通过将海量图像数据转换为高价值的自然语言文本，VLLM为快速信息服务开辟了新的可能性。随着这些技术的不断成熟，空间计算有望为自主探索和天基数据中心等领域带来革命性变革。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

Giggenbach D, Horwath J, Epple B. Optical satellite downlinks to optical ground stations and high-altitude platforms. In: Proceedings of the 2007 16th IST Mobile and Wireless Communications Summit; 2007 Jul 1‒15; Budapest, Hungary. New York City: IEEE; 2007. p. 1‒4. . 10.1109/istmwc.2007.4299318
[2]

Zhang B, Wu Y, Zhao B, Chanussot J, Hong D, Yao J. Progress and challenges in intelligent remote sensing satellite systems. IEEE J Sel Top Appl Earth Obs Remote Sens 2022;15:1814‒22. . 10.1109/jstars.2022.3148139
[3]

Li D. From the Luojia series satellites to the Oriental Smart Eye constellation. Geomat Inf Sci Wuhan Univ 2023;48(10):1557‒65. Chinese.
[4]

Kodheli O, Lagunas E, Maturo N, Sharma SK, Shankar B, Montoya JFM. Satellite communications in the new space era: a survey and future challenges. IEEE Commun Surv Tutor 2020;23(1):70‒109. . 10.1109/comst.2020.3028247
[5]

Su Y, Liu Y, Zhou Y, Yuan J, Cao H, Shi J. Broadband LEO satellite communications: architectures and key technologies. IEEE Wirel Commun 2019;26(2):55‒61. . 10.1109/mwc.2019.1800299
[6]

Zhou D, Sheng M, Li J, Han Z. Aerospace integrated networks innovation for empowering 6G: a survey and future challenges. IEEE Commun Surv Tutor 2023;25(2):975‒1019. . 10.1109/comst.2023.3245614
[7]

Wang S, Li Q, Xu M, Ma X, Zhou A, Sun Q. Tiansuan constellation: an open research platform. In: Proceedings of the 2021 IEEE International Conference on Edge Computing (EDGE); 2021 Sep 5‒10; Chicago, IL, USA. New York City: IEEE; 2021. p. 94‒101. . 10.1109/edge53862.2021.00022
[8]

Zhang P, Xu W, Gao H, Niu K, Xu X, Qin X, et al. Toward wisdom-evolutionary and primitive-concise 6G: a new paradigm of semantic communication networks. Engineering 2022;8:60‒73. . 10.1016/j.eng.2021.11.003
[9]

Uriot T, Izzo D, Simões LF, Abay R, Einecke N, Rebhan S, et al. Spacecraft collision avoidance challenge: design and results of a machine learning competition. Astrodynamics 2022;6:121‒40. . 10.1007/s42064-021-0101-5
[10]

Gao Y, Chien S. Review on space robotics: toward top-level science through space exploration. Sci Robot 2017;2(7):eaan5074. . 10.1126/scirobotics.aan5074
[11]

Ezra F, Adi O, Philip J. Why we should train AI in space. Redmond: Lumen Orbit, Inc.; 2024.
[12]

Gaillardin M, Raine M, Paillet P, Martinez M, Marcandella C, Girard S, et al. Radiation effects in advanced SOI devices: new insights into total ionizing dose and single-event effects. In: Proceedings of the 2013 IEEE SOI-3D-Subthreshold Microelectronics Technology Unified Conference; 2013 Oct 7‒10; Monterey, CA, USA. New York City: IEEE; 2013. p. 1‒2. . 10.1109/s3s.2013.6716530
[13]

Behr P, Bärwald W, Brieß K, Montenegro, S. Fault tolerance and COTS: next generation of high performance satellite computers. In: Proceedings of the DASIA 2003; 2003 Jun 2‒6; Prague, Czech Republic. Noordwijk: ESA Publications Division; 2003. p. 532.
[14]

Schmidt AG, Weisz G, French M, Flatley T, Villal-pando CY. SpaceCubeX: a framework for evaluating hybrid multi-core CPU/FPGA/DSP architectures. In: Proceedings of the IEEE Aerospace Conference; 2017 Mar 4‒11; SkyBig, MT, USA. New York City: IEEE; 2017. p. 1‒10. . 10.1109/aero.2017.7943876
[15]

Wang M, Zhang Z, Zhu Y, Dong Z, Li Y. Embedded GPU implementation of sensor correction for on-board real-time stream computing of high-resolution optical satellite imagery. J Real-Time Image Process 2018;15:565‒81. . 10.1007/s11554-017-0741-0
[16]

Adams C, Spain A, Parker J, Hevert M, Roach J, Cotton D. Towards an integrated GPU accelerated SoC as a flight computer for small satellites. In: Proceedings of the 2019 IEEE Aerospace Conference; 2019 Mar 2‒9; SkyBig, MT, USA. New York City: IEEE; 2019. p. 1‒7. . 10.1109/aero.2019.8741765
[17]

Buonauto N, Louie M, Aarestad J, Mital R, Mateik D, Sivilli R, et al. Satellite identification imaging for small satellites using NVIDIA. In: Proceedings of the Small Satellite Conference; 2017 Aug 5‒10; Logan, UT, USA. Logan: Utah State University; 2017.
[18]

Ciardi R, Giuffrida G, Benelli G, Cardenio C, Maderna R. GPU@ SAT: a general-purpose programmable accelerator for on board data processing and satellite autonomy. In: Proceedings of the International Conference on Applied Intelligence and Informatics; 2022 Sep 1‒3; Reggio Calabria, Italy. Cham: Springer Nature 2022. p. 35‒47. . 10.1007/978-3-031-25755-1_3
[19]

Guo J, Monas L, Gill E. Statistical analysis and modelling of small satellite reliability. Acta Astronaut 2014;98:97‒110. . 10.1016/j.actaastro.2014.01.018
[20]

Cherezova N, Shibin K, Jenihhin M, Jutman A. Understanding fault-tolerance vulnerabilities in advanced SoC FPGAs for critical applications. Microelectron Reliab 2023;146:115010. . 10.1016/j.microrel.2023.115010
[21]

Jiang L, Yang G, Li H, Hu W, Xu P. Reliability research and design of on-board computers of micro-satellite. J Syst Eng Electron 2009;31(1):238‒40.
[22]

Guo H, Yang X. A simple reliability block diagram method for safety integrity verification. Reliab Eng Syst Saf 2007;92(9):1267‒73. . 10.1016/j.ress.2006.08.002
[23]

Van Breukelen ED, Hamann RJ, Overbosch EG. Qualitative fault tree analysis applied as a design tool in a low cost satellite design: method and lessons learned. In: Proceedings of the 57th International Astronautical Congress; 2006 Oct 2‒6; Valenica, Spain. Reston: American Institute of Aeronautics and Astronautics; 2006.
[24]

Ziade H, Ayoubi RA, Velazco R. A survey on fault injection techniques. Int Arab J Inf Technol 2004;1(2):171‒86.
[25]

Rebaudengo M, Reorda MS, Violante M. A new software-based technique for low-cost fault-tolerant application. In: Proceedings of the Annual Reliability and Maintainability Symposium; 2003 Jan 27‒30; Tampa, FL, USA. New York City: IEEE; 2003. p. 25‒8. . 10.1109/rams.2003.1181897
[26]

Wang X, Sun HX. The new fault tolerant onboard computer for microsatellite missions. J China Univ Post Telecommun 2006;13(1):6‒9. . 10.1016/s1005-8885(07)60071-5
[27]

Fayyaz M, Vladimirova T. Fault-tolerant distributed approach to satellite on-board computer design. In: Proceedings of the 2014 IEEE Aerospace Conference; 2014 Mar 1‒8; Big Sky, MT, USA. New York City: IEEE; 2014. p. 1‒12. . 10.1109/aero.2014.6836199
[28]

Zhang Y, Zheng Y, Yang M, Li H, Jin Z. Design and implementation of the highly-reliable, low-cost housekeeping system in the ZDPS-1A pico-satellite. J Zhejiang Univ Sci 2012;13(2):83‒9. Chinese. . 10.1631/jzus.c1100079
[29]

Wang C, Zhang Y, Li Q, Zhou A, Wang S. Satellite computing: a case study of cloud-native satellites. In: Proceedings of the 2023 IEEE International Conference on Edge Computing and Communications; 2023 Jul 2‒8; Chicago, IL, USA. New York City: IEEE; 2023. p. 262‒70. . 10.1109/edge60047.2023.00048
[30]

Gu J, Hua Z, Li M, Chen H. Innovations and applications of operating system security with a hardware‒software co-design. Chin Sci Bull 2022;67:3861‒71. . 10.1360/tb-2022-0557
[31]

Roffe S, George AD. Evaluation of algorithm-based fault tolerance for machine learning and computer vision under neutron radiation. In: Proceedings of the 2020 IEEE Aerospace Conference; 2020 Mar 7‒14; Big Sky, MT, USA. New York City: IEEE; 2020. p. 1‒9. . 10.1109/aero47225.2020.9172799
[32]

Zhu J, Conde J, Gao Z, Reviriego P, Liu S, Lombardi F. Concurrent linguistic error detection (CLED) f or large language models. 2024. arXiv:10.1109/tc.2025.3603682
[33]

Ma C, Tu Y, Ren Y, Zhou S, Wang Z. Review of thermal characteristics simulation analysis of electronic components. In: Proceedings of the 23rd International Conference on Electronic Packaging Technology; 2022 Aug 10‒13; Dalian, China. New York City: IEEE; 2022. p. 1‒5. . 10.1109/icept56209.2022.9872700
[34]

Mahajan R, Chiu C, Chrysler G. Cooling a microprocessor chip. Proc IEEE 2006;94(8):1476‒86. . 10.1109/jproc.2006.879800
[35]

Liu Q, Huang L, Yi H. Current status and suggestions of satellite borne single-phase fluid loops. IOP Publishing 2022;2403(1):012035. . 10.1088/1742-6596/2403/1/012035
[36]

Patel VP, Winton D, Ibarra TH. A selected operational history of the internal thermal control system (ITCS) for International Space Station (ISS). SAE Technical Paper. Huntsville: Marshall Space Flight Center; 2004. . 10.4271/2004-01-2470
[37]

Huang J, Fan Y, Yu S, Yu X. On-orbit performance evaluation of single-phase fluid loop system for Shenzhou-7 spaceship. Spacecr Eng 2009;18(4):37‒43. Chinese.
[38]

Xu X, Li M, Tao C, Shen T, Cheng R, Li J, et al. A survey on knowledge distillation of large language models. 2024. arXiv:
[39]

Chen H, Xiao M, Pang Z. Satellite-based computing networks with federated learning. IEEE Wirel Commun 2022;29(1):78‒84. . 10.1109/mwc.008.00353
[40]

Xiao C, Luo Y, Zhang W, Zhang P, Han X, Lin Y, et al. Variator: accelerating pre-trained models with plug-and-play compression modules. 2023. arXiv:10.18653/v1/2023.findings-emnlp.666

AI Summary AI Mindmap
PDF (2488KB)

25060

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉