美国《军用嵌入式系统》白皮书发布,在轨AI应用仍面临航天平台适配难题2026年4月28日，美国《军用嵌入式系统（Military Embedded Systems）》发布白皮书《On-Orbit AI Is Not Ready - Act Now!》称，“在轨人工智能被认为有助于提升卫星自主处理能力、加快任务决策、降低数据下传负担，并支撑更大规模的空间自主运行，但多数现有航天任务在计算能力、功耗、存储和软件灵活性方面尚未按快速演进的人工智能模型需求进行设计。” 实际上，星载AI平台硬件适配已经成为当前国际遥感卫星、军用航天和商业航天界讨论最激烈的问题之一。 Pelican-4、Starfish Space、USSF（美国太空军）、DARPA以及欧洲航天局最近几年推动的在轨AI项目，都遇到同一个矛盾： AI的发展速度是18个月一代，而卫星平台的发展周期是5-10年一代。 《On-Orbit AI Is Not Ready - Act Now!》实际上指出的不是AI算法不成熟，而是传统航天器体系结构无法承载快速演进的AI生态。 一、本质矛盾 传统卫星设计原则是高可靠、高确定性、长期稳定，典型的设计寿命通常是5-15年。软件甚至在发射后不更新。 而AI系统是持续训练、持续升级、持续迭代，典型周期通常是3-6个月。 于是出现冲突：
这也是为什么Pelican-4采用的是商用Nvidia Jetson模块，而非传统航天计算机。 二、未来什么样的硬件适合星载AI？ 第一代（当前）：FPGA+ARM 典型：Xilinx Kintex、Zynq UltraScale+ 优点：抗辐射、功耗低；缺点：AI效率差 适合：YOLO、Tiny CNN 第二代（正在形成）：Space GPU 典型：NVIDIA Jetson Orin、AMD Versal Edge 特点：10-100 TOPS 已经适配：YOLOv8、DETR、Segment Anything轻量版 Pelican-4本质属于这一代。 第三代（2030前后）：太空原生NPU 这也应对空天院提出的：高性能太空原生芯片设计 核心特征：抗辐射、AI专用、低功耗、可重构 未来趋势：CPU+FPGA+NPU+高速片上网络（NoC） 三、在轨AI目标识别的核心组件 第一核心：Vision NPU 负责：舰船检测、飞机检测、车辆检测 第二核心：Memory Fabric 决定：能否处理大幅宽遥感影像、是否支持Foundation Model 第三核心：Event Processor 决定：是目标识别？还是目标理解。 第四核心：Reliablity Processor 决定：AI结果是否可信 对应当前国际上正在兴起的Trustworthy Space AI。 未来不再是单纯意义的“星载计算机”，而是“芯片设计”、“算法设计”、“软件架构设计”协同设计的“高效在轨智能体计算平台”。
