【文/观察者网专栏作者 白玉京】

当马斯克推动SpaceX收购xAI，并提出“太空可能成为生成式AI算力成本最低的地方”时，很多人还没意识到新一轮太空竞赛的发令枪已经打响。

几乎在同一时间，SpaceX向美国联邦通信委员会申请部署数量高达100万颗的低轨卫星网络，这一动作更像是在为某种超出现有通信需求的体系提前占位。两件事放在一起看，很难再把它们理解为彼此孤立的商业决策。

过去几年，人工智能竞争常被简化为芯片性能和模型规模的比拼，但随着训练和推理规模持续放大，电力消耗、散热能力以及数据中心扩容，正逐渐成为算力增长的现实瓶颈。

在这样的背景下，把算力与通信系统一并推向太空，不再只是科幻式设想，而是一种围绕能源条件、系统结构和长期成本的现实选择。太空算力真正要回答的，远不只是芯片性能问题，而是能源从哪里来、系统能否闭环，以及是否具备工程可行性。

如果说在低轨巨型互联网星座上，中国更多是在追赶别人已经跑通的路径，那么在“天算”这个尚未定型的新赛道上，至少仍然存在提前进入、参与定义的空间。“天算”未必会变成第二个星链，但一旦系统形态和运行规则被率先确立，后来者再想进场，成本就会明显提高。这也正是当前重新审视太空算力问题的现实意义所在。

中国对于“天算”早有布局。2025年5月，中国一箭12星发射成功全球首个“天算”星座。

太空算力问题的核心是能源

在讨论“太空算力”这一未来系统性能力之前，必须明确一点：从第一性原理上看，算力不是问题的核心，能源才是。任何算力设施——无论是在地面数据中心，还是在轨道星座——最终都要回到一个最基本的物理约束：从哪里获取电力？如何满足供给？以及如何处理由此带来的散热问题？没有足够而稳定的电能支撑，再先进的处理器和算法也难以发挥实际价值。

从全球最大的两个经济体来看，这一底层约束的差异十分明显。中国在电力供给侧已经形成了显著的规模与体系优势。2025年，中国全社会用电量预计首次突破10万亿千瓦时，这是全球少数经济体中唯一长期运行在如此高电力规模上的案例。更重要的是，这一庞大的电力需求并非依赖单一能源支撑，而是建立在具备较强调度能力的综合能源体系之上：传统火电和水电提供稳定底座，核电、风电和光伏等增量能源持续扩展，为高强度用电负荷预留了现实空间。

这种结构性变化正在进一步深化。按照既有趋势，2026年中国太阳能发电量有望首次超过煤电。这不仅是能源结构的统计变化，还意味着电力系统正从“单一基础负载”向“多源并行、灵活调度”的形态转变。这种体系特征，对未来大规模算力部署，乃至在轨算力节点的长期运行，都构成了重要的基础条件。

与之对照，美国在芯片设计和数据中心技术上具备一定优势，但在能源供给侧面临更为紧张的约束。一方面，其电力扩容高度依赖市场化节奏，新装机和电网建设周期较长；另一方面，AI训练和推理需求的快速增长，正在对电力系统形成非常规拉力。在电力扩容、既有电网调度和环境政策之间寻求平衡，本身就提高了短期内支撑高强度算力负荷的难度。

美媒称，美国老化的电网将无法应对人工智能日益增加的负荷 图源：《华盛顿邮报》

因此，将“太空算力”简单理解为芯片竞赛或AI对抗，容易偏离问题本质。在人工智能快速扩张的背景下，能源约束对不同国家形成的压力并不对称。对美国而言，算力需求的增长将更早、更直接地撞上电力供给与基础设施扩容的瓶颈，这使其在探索“天算”等替代路径时具备更强的现实紧迫性，更像是一种被能源压力倒逼的选择。

但这并不意味着中国可以因此放缓节奏。正因为中国在能源供给与系统调度层面具备相对扎实的基础，才更有条件在压力尚未集中显现之前，提前布局“天算”体系。对中国而言，天算未必是应急之举，却可能是一次更从容的战略前置。

太空算力真正难在哪？

如果说能源决定了急不急着搞太空算力，那么散热和数据吞吐，决定的就是它能不能规模化、能不能真正发挥价值。这两个问题，都不是芯片性能提升能够单独解决的。

先看散热。

地面数据中心可以依赖空调、冷却水，甚至浸没式液冷，把热量高效转移走；海上平台还能把大海当作天然热沉。但在太空环境中，既没有空气，也没有水，算力设备产生的热量，最终几乎只能通过辐射的方式向深空释放。这带来一个非常直接的工程约束：

算力越集中、功耗越高，对应的散热器就必须越大，且必须长期稳定展开、对准深空工作。

在现有航天工程中，这一问题的主流解法并不神秘。包括NASA、JAXA在内的航天机构，长期采用的是回路热管（LoopHeatPipe）+大面积散热器的组合：先用两相流工质把热从算力单元“搬运”到远端，再通过辐射把热量释放出去。这套方案可靠性高，但代价同样明显——散热系统本身会迅速膨胀为平台级负载，占用大量面积、质量和姿态控制资源，反过来限制单星可承载的算力密度。因此，太空算力并不是打个芯片上天就完事，而是一个热控、电源、结构和姿态高度耦合的系统工程。

再看数据吞吐与通信。

一旦算力上天，就不可避免地产生持续、大规模的数据流：原始观测数据、在轨预处理结果、模型参数更新、任务指令与回传信息等。这对通信系统提出的要求，已经明显超出传统“几颗大卫星+地面站”的架构能力。

重型高轨卫星虽然单星昂贵、寿命长，但时延高、并发能力有限，难以支撑高频交互式算力任务；重型单星的链路更偏“点对点”，缺乏网络弹性。工程上更现实的路径，是低轨、大规模、星座化部署：

通过成百上千、甚至更多节点，配合星间激光链路，形成网状结构，把算力节点真正“连成一张网”。这也是为什么，讨论太空算力，最终都会走向“类星链”的体系形态，而不是传统高价值单星模式。