问题：卫星互联网、遥感观测与空天应用快速发展，产生的数据量呈指数增长。传统的"卫星采集、全部回传、地面处理"模式面临带宽、时延和成本的压力；在应急救援、灾害监测、海洋执法、目标识别等任务中，"分钟级响应"和"就地处理"的需求尤为迫切。同时，大模型与智能体应用的扩展推高了推理算力需求，如何在更靠近数据源的位置实现快速推理，成为业界共同的课题。 原因：一是低轨星座加速部署增加了卫星数量，提升了观测频率，但也带来数据回传拥塞风险；二是智能化任务从离线分析转向实时决策，对端到端时延提出更高要求；三是应用场景从单一遥感扩展到空天陆海一体化协同，涉及自动驾驶、无人机、机器人等多类设备，需要更灵活的算力供给；四是星载计算、星上存储和软件部署的条件已趋于成熟，为在轨运行复杂模型提供了可行路径。 影响：国星宇航已完成通用大模型的太空在轨部署，并实现多次端到端推理任务闭环。地面将问题上传至卫星，由星上大模型完成推理，再将结果回传地面，全流程耗时控制在2分钟以内。业内认为，此突破的意义不仅在于"把模型送上天"，更在于验证了"在轨可部署、可运行、可交互"的工程链路，为天基智能从概念转化为可用能力提供了样板。对行业而言，星上推理可减少无效数据回传，提高链路利用效率；对应用侧而言，快速获取高价值结果能提升灾害响应、资源监测、海上态势感知等任务的时效性；对产业生态而言，太空算力可能成为卫星通信、遥感服务之外的新增价值，推动"卫星即服务"向"算力即服务"延伸。 对策：推动太空算力从试验验证走向规模化应用，需要在技术、标准与运营层面同步推进。技术上，应围绕星载算力的功耗约束、辐射环境可靠性、模型压缩与加速、容错与自愈等关键环节优化，提升长期在轨稳定运行能力；在网络层面，需要构建星间链路与地面站协同的任务调度体系，明确哪些任务适合在轨推理、哪些适合回传后处理，实现"星地分工、协同优化"；在安全层面，应强化数据传输与模型运行的安全机制，完善访问控制与审计能力，防范多用户、多任务场景下的安全风险；在产业层面，可通过开放接口、建立开发工具链与测试验证体系，降低用户接入门槛，促进遥感、通信、应急、交通等领域的试点应用。 前景：根据企业规划，"星算"计划旨在构建由2800颗计算卫星组成的太空算力网络，服务空天陆海领域的智能体应用以及模型推理与训练需求。分阶段目标为：2030年前完成千星规模组网与商业化，以推理计算卫星为主体，同时开展超大规模训练计算卫星的在轨验证；2035年前完成全部组网，形成面向海量智能体的计算服务能力。短期内，太空算力更可能以推理服务为主，聚焦应急与高时效场景，通过"边缘推理+地面训练"的模式获得成本与效率优势；中长期则取决于星载训练能力、能源供给、在轨维护与运营体系的成熟度，以及与地面算力中心、海量终端的协同效率。随着标准体系完善与商业模式明晰，太空算力有望成为我国卫星互联网与空间信息产业的重要增长方向，并在全球算力竞争中形成差异化优势。
此次技术突破展示了我国在太空计算领域的前沿探索，预示着计算范式正在从地面向太空拓展。随着太空基础设施健全，未来将形成天地协同的新型计算体系，为数字经济发展注入新动能。该进展也表明，在科技竞争日益激烈的时代，只有坚持自主创新，才能在关键领域掌握发展主动权。