当 AI 睁开 “星际之眼”:AI如何重新定义人类探索宇宙的边界?

新闻

作者：微信文章




在人类文明的长河中，对于太空的的好奇与探索从未停止。从伽利略的望远镜到阿波罗登月，从哈勃的深邃影像到韦伯的红外凝视，每一次突破都在拓展我们对宇宙的认知。

而今天，人工智能（AI）正成为这场探索的 “超级引擎”，将人类从重复性劳动中解放，推动我们向未知领域发起更勇猛的冲锋。



2024 年 10 月，中国科学院与阿里云联合发布全球首个 “月球科学多模态专业大模型”，仅需输入月球撞击坑图像，就能从光谱、高程等 17 种数据中精准判断其形态与年代，准确率超 80%。这标志着 AI 已从辅助工具进化为深空探测的 “大脑”。

本文将带您深入这场技术革命，解析 AI 如何重塑太空探索的底层逻辑，并展望人类迈向星际文明的未来图景。



AI 重构深空探测的技术基因

PART-1：自主导航

从 “遥控玩具” 到 “星际探险家”

在太空探索早期，航天器因依赖地面控制中心指令，存在信号延迟、环境适应性差等问题，面对突发状况几乎无容错空间，深空探测时 “人在回路” 控制模式更是彻底失效。

而 AI 的出现，从感知、路径规划、行为控制三个核心环节重构了导航范式。在环境感知上，深度学习与多模态传感器融合提升了对复杂环境的识别精度；路径规划方面，强化学习和群体智能技术让航天器能在动态环境中灵活决策；行为控制上，AI 升级的控制算法增强了实时性与鲁棒性。

PART-2：卫星数据处理

从 “数据坟场” 到 “知识金矿”

2024年2月，全球首颗 AI 超分卫星 “蓉漂号” 搭载卫星智脑系统发射成功，优化了传统遥感卫星的任务链周期，即卫星数据回传-地面系统进行数据分析-规划下一次的卫星成像任务-指令上注。

蓉漂号可在轨对传统相机影像、通信载荷采集的数据进行智能分析、自主任务规划，大大缩短了任务链条，提升了作业效率和卫星效能。

PART-3：深空探测

深空探测的 “超级大脑”

深空探测任务对自主性的严苛要求，使AI成为不可或缺的“太空大脑”。天问二号小行星探测任务中，探测器搭载的星载AI系统具备多模态感知能力，可在光通信中断情况下自主完成目标识别、轨道修正与采样策略优化，将原定12小时的应急响应流程压缩至20分钟。

更具前瞻性的是类脑计算芯片的航天应用。某型号深空探测器搭载的脉冲神经网络（SNN）处理器，功耗仅为传统芯片的1/15，却能在强辐射环境下实现每秒万亿次突触事件处理，为深空智能体的长期在轨生存提供了硬件保障。

挑战与未来

当前 AI 处于 “弱人工智能” 阶段，在航天应用中存在不可解释性、样本数据不足、深空探测器算力及存储资源受限、通信延迟、法律政策约束等问题。

且太空环境的强辐射有概率导致芯片故障率增加，NASA 通过三模冗余架构和抗辐射半导体材料，将火星车处理器错误率从 10⁻³ 降低至 10⁻⁷。中国 “星溪 04Pro-B275” 计算板卡采用容错设计，在 - 200℃至 1800℃极端温度下仍保持稳定运行。

不过，AI 前景光明。中科院与阿里云发布的 “月球专业大模型”，能根据撞击坑图像及问题，从多模态数据中判定模态类型、回答相关问题并给出推理过程，准确率超 80%。未来，AI 与机器人技术结合，有望实现机器人自行探索遥远星球、开发资源甚至改造外星环境。

01

人工智能助手

2018年，德国航空航天中心推出了一款人工智能助手——乘员交互式移动伴侣（CIMON和CIMON-2）。CIMON是一种自由漂浮的球形设备，具备语音识别、面部识别、物体识别和自然语言处理功能。它可以帮助航天员完成组装设备或提供指令等任务。第一代CIMON在飞行14个月后已经返回地球，CIMON-2在2019年12月抵达国际空间站进行替换。德国航空航天中心还于2021成立了人工智能安全研究所，继续探索有关的技术开发和应用。



▲CIMON和航天员互动

日本宇宙航空研究开发机构开发了一种智能系统IntBall，为国际空间站日本舱“筑波”拍照。它的开发是为了促进空间站内外实验的自主性，同时寻求获得未来探索任务所需的机器人技术。



▲CIMON2和它的设计者们

法国航天局CNES正在与法国公司Clemensy合作，开发一种使用人工智能神经网络的流体系统模拟器。英国航天局资助了一个项目，使用人工智能在卫星图像中探测埋藏的考古遗迹，意大利航天局甚至联合创立了一家专注于人工智能的公司。

02

航天器的故障预测

过去，给航天核心部件做“体检”，所有检测结果需由专业检测人员通过肉眼对比排查探测部位拍摄图像，发现部件内部的气孔、裂纹等损伤，更依赖人工经验，无法做到检测全覆盖。



▲载人航天器健康管理系统技术框架



▲基于模型的航天器故障诊断流程

而现在，通过数合科技的AI无损检测，质量检测的精度和速度正在大幅提升：以某型火箭燃料储箱焊缝检测为例，传统人工评定需耗时数小时，如今通过智能检测系统仅需几分钟，且风险预警发现率可达100%。



类似的变化也发生在某固体火箭发动机点火药剂舱内燃烧试验中。数合科技完成的国内首例固体发动机点火药剂仓内燃烧动态可视化检测试验，令以往“不可见”的燃烧过程得以清晰呈现，为火工品质量检测探索了新模式。



区别于依赖于人工检测的传统射线探伤，智能检测技术的核心是构建出穿透材料内部的多维“超级感官”，让机器具备 “看懂” 世界的能力——即由计算机视觉技术对图像进行预处理，通过降噪、增强等操作转化为计算机可识别的数字信号；深度学习算法从图像中提取边缘、纹理等关键特征；机器学习模型根据特征数据作出智能决策，最终让机器从 “看见” 进化为 “理解”。

03

自主导航

自主导航是人工智能的一个关键应用，它将帮助人类在地球和其他行星上导航。Discovery的一项研究探讨了如何使用人工智能帮助航天器在未知环境中独立导航。ESA的先进概念团队(ACT) 还研究了机器学习在制导、导航和控制领域的应用。



▲Hera号飞船自动驾驶导航测试

特别是，他们研究了使用大群小型机器人在网络中共享信息：如果一个机器人从经验中了解到某种操作是有益的，那么整个机器人群都会学习到这一点，这称为蜂群学习。



▲本世纪已实施的小行星抵近探测活动

欧空局的Hera行星防御任务将利用人工智能引导卫星穿过太空飞向小行星，采用与自动驾驶汽车类似的方法。虽然大多数深空任务都有一个返回地球的明确驱动程序，但Hera将融合来自不同传感器的数据，建立其周围环境的模型，并在船上自主做出决策。

04

小行星碰撞规避

针对 7 年后可能的小行星撞击风险，AI 技术可在监测预警、轨道预测、防御任务规划与执行等环节发挥关键作用。在监测与风险预测方面，AI 算法能快速分析全球天文台的海量观测数据，识别小行星轨迹微小变化，减少人工计算误差，还可回溯历史观测记录，发现隐藏天体轨迹，辅助构建更完整的小行星威胁数据库。



▲人工智能发现可能威胁地球的太空岩石。

(图片来源：ATLAS/夏威夷大学天文研究所/美国国家航空航天局）

在防御任务规划上，AI 可模拟不同撞击角度、速度对小行星轨道的影响以生成最优撞击方案，也能设计航天器与小行星的长期伴飞路径，通过引力微调轨道。



▲人工智能刚刚发现了第一块可能威胁地球的太空岩石。

(图片来源：ATLAS/夏威夷大学天文研究所/美国国家航空航天局）

在应急响应与全球协作中，AI 平台可聚合各国监测数据，生成统一威胁评估报告，还能模拟撞击灾害影响，辅助制定应急预案。潜在创新方向包括自主化深空探测机器人和量子计算与 AI 联合优化。

不过，当前 AI 应用存在数据不足的问题，且需明确 AI 防御系统的人类监督机制，避免误判引发国际争端。总体而言，AI 在小行星防御中具备全链条潜力，但其效能依赖数据质量、算力支持与全球协作，未来 7 年需加速技术验证，同时提升公众科学认知。

05

恒星和星系测绘

由于基于AI的算法可以检测、分类和识别恒星和星系数据中的模式，使天文学家能够准确识别太空中的恒星和星系，甚至了解它们的物理特征（如质量和年龄）。而且，通过利用人工智能预测恒星和星系随时间的变化，天文学家现在可以非常详细地绘制星图，用于未来的测绘和探索工作。



美国宇航局与谷歌合作，训练人工智能算法，用以有效地筛选“开普勒”任务的数据。开普勒空间望远镜的主要任务，是寻找位于其主恒星适居带内的地球大小的行星。通过9年的数据收集，“开普勒”已经发现了2600多颗行星，其中包括太阳系外宜居带中第一颗经过验证的地球大小的行星。预计科学家将在不久的将来发现更多的系外行星。





詹姆斯·韦伯空间望远镜最引人瞩目的地方当然是6.5米口径的主镜。其实，这个镜头要想充分发挥作用，所依赖的是在机器学习模型“孟菲斯”帮助下生成的大量数据。“孟菲斯”用来探测并分类深空星系，帮助绘制宇宙中最早的结构。而“孟菲斯”的前身在哈勃空间望远镜上进行过训练，有一定的成熟度。

06

遥感卫星数据在轨处理

遥感卫星数据在轨智能处理是实现 “星数天算” 的关键技术，王家耀院士团队的研究围绕 AI 赋能遥感卫星数据在轨处理展开，推动遥感技术向智能化、知识化发展。



▲遥感数据在轨处理架构

传统遥感数据处理需经历地面接收、处理等多环节，耗时长，难以及时响应应急需求。AI 技术的应用使卫星具备在轨实时处理能力。国外如美国 “黑杰克” 项目、欧洲 PROBA 卫星等已探索数据在轨处理，美国 SpaceCube 系统通过异构计算提升处理能力，欧洲 PhiSat-1 卫星利用 AI 过滤云层覆盖图像。国内 “天智一号”“吉林号” 等卫星也开展在轨智能处理，如 “吉林号” 可实现船舶识别、云雾检测，珠海欧比特基于玉龙 810 芯片构建 72 TOPS 算力的在轨处理系统。



▲四维高景三号卫星在轨智能处理实现民用飞机、船舶检测、切片生成及下传

研究提出天地一体智慧星座架构，包含卫星在轨处理与地面智能支撑系统，通过固有处理（辐射校正、几何校正等）、信息提取（深度学习目标检测）、知识生成（多模态数据推理）实现全流程智能化。以 “珠海一号” 高光谱数据为例，试验验证了船舶检测、林火火点检测及预警能力，其中优化的 YOLOv5s 算法处理速度提升 35.7%，林火检测 mAP 达 0.769。硬件平台采用 VPX 架构，峰值算力 72 TOPS，支持多模型融合，满足微纳卫星需求。

当前挑战包括数据融合推理深度不足、宇航级 AI 芯片产能有限等，但该技术已显著提升应急响应效率，为全球环境监测、灾害预警提供新路径，未来将推动 “星数地算” 协同发展，深化遥感在智慧地球中的应用。

总结

未来，随着量子计算和神经形态芯片的发展，AI 将进一步实现星舰设计制造全流程的自主决策。例如，NASA 计划利用 AI 在月球或火星上直接生成定制化栖息地结构，结合原位资源利用技术，推动深空探索进入新阶段。

可以预见的是，未来AI将会深度参与到航天的每一个环节，并成为人类探索太空、开发空间资源的重要手段。但AI技术的运用也伴随着巨大的风险，航天作为一个庞大的系统工程，AI决策失误可能导致数亿甚至数十亿元的太空任务失败，开发可解释性更强的航天专用AI也是未来航天+AI的必由之路。

*资料来源于网络，如有侵权请联系编辑

参考资料：

https://mp.weixin.qq.com/s/GkxXKU6oqYzcO-hMjQOXSg

https://mp.weixin.qq.com/s/0srrsILwJcahilQ4wwVJcg

https://mp.weixin.qq.com/s/zIqjQjx4XK7NpeXuShraGg

https://mp.weixin.qq.com/s/L9cEzs3FloSWXqwbEXlMRw

https://mp.weixin.qq.com/s/L-hIyI0iWVG8iEu6rUyc1w

https://mp.weixin.qq.com/s/HqUP61NbpEgeB4d7K6yYYg

https://v.douyin.com/Sz6srBhZyy0/

https://v.douyin.com/TmV3k3WXltY/

https://v.douyin.com/IL5QMdULyoo/

https://v.douyin.com/3v5s3SY04kM/



来自电灯泡的偷偷提示：

点击公众号右上角“···”，将我们 设为星标，

更多好看，不会再错过！（再送你一颗超级闪亮的 ★~）



联系

我们

电灯泡科技作为国家级高新技术企业，聚焦人工智能与数字孪生技术创新，为传统产业提供数字化升级整体解决方案。自主研发的 AI 招投标决策系统，通过语义分析和智能推荐提升企业中标率；

AI+数字孪生技术已成功应用于智慧养殖、智慧城市等领域，实现物理世界与虚拟空间的精准映射。公司拥有 30 余项专利及自主 AI 算法，与香港科大、南京大学等高校深度合作，持续赋能文旅、能源、农业等行业，以科技驱动产业数智化转型，助力客户决胜未来。

我们的联系方式：13427389176