AI争夺战，可能要从地面打到太空了。

8月25日，马斯克披露了一项颇具想象力的计划：SpaceX首批搭载英伟达芯片的AI卫星，计划于2027年第四季度发射，2028年实现大规模部署。

更值得注意的是，这些卫星并不只是传统意义上的通信卫星。

SpaceX与英伟达正在合作设计面向太空环境的Vera Rubin NVL72系统，计划把原本服务于地面AI数据中心的高性能计算架构，直接送入轨道。马斯克甚至表示，未来SpaceX的AI服务将全面采用英伟达系统。(API3)

这意味着什么？

过去20年，卫星解决的主要问题是“通信”和“观测”；未来的部分卫星，可能开始承担第三个角色：

计算。

一个此前只存在于产业构想中的新市场——“太空数据中心”，正在加速走向现实。

为什么非要把AI算力送上天？

乍一看，把价值数万美元甚至更高的AI芯片装进卫星，再用火箭发射到几百公里高的轨道，多少有些“舍近求远”。

地面上建数据中心不是更方便吗？

问题恰恰在于，AI的发展速度正在让地面数据中心越来越“不方便”。

今天的大型AI数据中心，需要解决四个问题：电从哪里来、地从哪里来、热怎么排出去、数据怎么传输。

尤其是电力。

随着AI模型规模扩大，高性能GPU数量不断增长，过去以几十兆瓦计算的数据中心，正在向数百兆瓦甚至吉瓦级别发展。

Wood Mackenzie的研究显示，美国一些大型数据中心目前面临长达数年的电网接入等待时间，天然气轮机等发电设备的交付周期也明显延长。在部分缺水地区，数据中心冷却甚至开始与城市和工业争夺水资源。(Wood Mackenzie)

这正是“把算力送上太空”听起来越来越不疯狂的原因。

太空有一个地球表面很难复制的资源：

太阳能。

如果卫星运行在合适轨道上，太阳能电池板可以获得长时间、高强度的太阳照射，不需要征地，不需要接入传统电网，也不需要建设庞大的地面输电设施。

理论上，只要火箭运力足够便宜，太空就可能成为AI时代的新型能源和计算空间。

于是，AI产业出现了一个非常有意思的变化：

过去大家竞争的是“谁能买到更多GPU”，未来可能还要竞争“谁能找到更多地方放GPU”。

马斯克真正押注的，其实不是卫星

SpaceX为什么可能成为这个赛道的重要推动者？

核心原因并不是它懂AI，而是它拥有另一个关键变量——火箭成本。

太空数据中心最大的障碍，从来不是造不出计算机，而是把几万吨甚至更多设备运上太空到底要多少钱。

按照Wood Mackenzie估算，目前建设一个1GW轨道数据中心的成本可能高达1700亿美元，超过同规模地面数据中心成本的3倍，其中发射和卫星相关成本约占60%。如果希望与地面数据中心实现成本接近，整体成本可能还需要下降约70%。(Wood Mackenzie)

这也是为什么这个产业现阶段仍然非常早期。

但马斯克的算盘很清楚。

如果SpaceX的Starship未来能够实现高频复用和大规模运输，那么太空货运成本继续下降，过去因为运输费用过高而无法成立的商业模式，就可能重新计算一遍。

Starlink其实已经证明了这套逻辑。

先把火箭发射成本降下来，再利用自己的运力大规模铺设卫星，最后形成一个别人难以复制的基础设施网络。

AI卫星可能是相似的路径。

只不过Starlink送上太空的是通信设备，未来送上去的，可能是GPU。

英伟达为什么也愿意上太空？

这件事的另一个重要信号，是英伟达的出现。

根据SpaceX披露的计划，双方正在围绕Vera Rubin架构设计针对太空环境优化的计算系统。

其中Vera CPU拥有88个英伟达设计的Olympus核心，内存带宽最高达到1.2TB/s。SpaceX还计划利用Vera Rubin平台扩大Grok等AI服务的计算基础设施。(API3)

这背后其实是英伟达正在寻找新的算力边界。

过去英伟达的增长来自游戏显卡。

后来进入数据中心。

随后又进入AI超级计算机、自动驾驶、机器人。

如果轨道计算真正成为新的基础设施，那么芯片行业面前可能出现第五类大型计算场景：

太空AI。

但这里的芯片并不是把普通服务器直接搬上卫星那么简单。

太空存在辐射、温差、真空、重量限制、能源限制以及维护困难等问题，这意味着计算芯片、存储、散热、电源、封装甚至服务器结构都需要重新设计。

因此真正形成产业规模之后，它带来的可能并不仅仅是GPU需求。

而是一整套新的“太空计算供应链”。

中国其实已经先跑起来了

更值得中国投资者关注的是，太空计算并不是一场只有美国企业参与的比赛。

中国实际上已经进入实质性在轨验证阶段。

2025年5月，我国“三体计算星座”首批12颗计算卫星发射入轨。经过近九个月测试，目前已经完成组网、计算、AI模型部署以及科学载荷在轨验证等多项核心能力验证。

今年2月，相关团队已经在轨部署10个人工智能模型，其中包括80亿参数的遥感模型和80亿参数的天文模型，并实现六星星间互联。未来该星座规划规模超过1000颗。(新华网)

今年1月，中国商业航天企业还将阿里巴巴Qwen3大模型部署至轨道计算中心，实现了端到端的在轨推理。(新华网)

到了3月，进一步的实验甚至已经实现：

人在地面发出指令，由轨道上的AI模型进行计算，再把结果传回地面控制人形机器人。

也就是说，“卫星负责算，地面机器人负责干”的基本技术链已经被验证。(新华网)

这使得太空计算从一个遥远概念，开始进入产业竞争阶段。

一个新的产业链可能正在出现

如果未来太空计算从几十颗卫星扩展到数百颗乃至数千颗，那么它所带动的产业链，会明显区别于传统商业卫星。

首先是运载火箭。

因为轨道数据中心需要的卫星数量和设备重量远高于普通遥感星座，发射成本将直接决定整个产业有没有经济性。

其次是卫星制造和高功率能源系统。

传统小卫星追求低功耗，而AI计算卫星恰恰相反，需要大量能源。因此高效率太阳能电池阵、高功率电源管理、储能设备等环节的重要性都会提升。

第三是星间激光通信。

如果数百颗计算卫星需要组成真正意义上的“太空超级计算机”，它们之间就必须实现高速数据交换。

第四则是太空级芯片、封装和散热。

地面AI服务器已经因为千瓦级GPU功耗进入液冷时代，而在真空环境中，传统空气散热基本失效，热量最终需要通过辐射等方式释放。

这意味着热管理可能成为太空计算最难啃的技术之一。

从这个角度看，太空数据中心并不是简单的“商业航天+AI”。

它实际上把火箭、卫星、半导体、能源、光通信和热管理几个高端制造产业重新连接了起来。

但现在远没有到“黄金遍地”的阶段

太空算力的想象空间很大，风险同样明显。

首先就是成本。

1700亿美元建设1GW轨道数据中心，这个数字意味着以当前技术条件计算，其成本仍远高于地面设施。(Wood Mackenzie)

其次是寿命问题。

地面的GPU坏了可以换。

太空服务器出了问题，维修难度和成本完全不是一个级别。

今年一项针对轨道数据中心经济性的研究也指出，即使只考虑太阳能、电池、散热器和航天器质量，现有发射价格距离全面经济可行仍然存在明显差距。相比把大量通用云计算直接搬到太空，更现实的早期应用可能是遥感数据就地处理、卫星边缘计算以及空间通信等场景。(arXiv)

这其实提示投资者：

太空数据中心不会在明年突然取代地面数据中心。

真正可能率先爆发的是那些**“必须在太空算”比“传回地面再算”更划算的场景**。

比如遥感。

一颗卫星每天可以拍摄海量图片，如果全部传回地球，需要占用大量通信带宽。但如果AI模型先在轨道上分析，只把“哪里发生森林火灾”“哪里出现洪水”“哪里发现异常目标”等结果发送回来，所需数据量会大幅下降。

这个商业模式已经非常接近现实。

从“卫星互联网”到“卫星算力网”

十年前，人们讨论商业航天，最重要的关键词还是“卫星互联网”。

今天，新的关键词开始出现：

卫星算力网。

它背后的逻辑并不复杂。

卫星互联网解决的是“连接”，太空计算解决的是“处理”。

当两者结合之后，未来一部分数据可能根本不需要先回到地球。

卫星发现数据，卫星完成分析，卫星之间交换结果，然后直接把结论发给用户。

这可能改变遥感、自动驾驶、无人机、机器人、气象、资源勘探乃至深空探测的工作方式。

因此，SpaceX准备把英伟达芯片送上太空，真正值得关注的并不是2027年第四季度那一次发射。

更大的产业问题是：

当地球上的AI正在面临电力、土地和散热瓶颈，人类会不会真的在地球之外，再建设一层计算基础设施？

答案现在仍然无法确定。

但美国准备发射，中国已经在轨验证。

这至少意味着，AI产业的下一场基础设施竞争，已经不再局限于地面。

芯片之后是数据中心。

数据中心之后，可能就是轨道。

AI争夺的边界，正在从机房一路延伸到太空。

---

参考资料：

1. 财联社：《马斯克预告：首批搭载英伟达芯片的AI卫星明年Q4发射！》，2026年8月25日
2. 新华社：《“三体计算星座”实现星间组网突破》，2026年2月13日
3. 新华社：中国太空计算及在轨AI模型相关报道
4. Wood Mackenzie：Orbital Data Centres相关研究，2026年
5. McKinsey：《The case for data centers in space》，2026年5月
6. Slava G. Turyshev：《Orbital Data Centers: Spacecraft Constraints and Economic Viability》，2026年

本文仅为产业及财经信息分析，不构成任何投资建议。