“太空与网络”重磅推出《AI+商业航天》系列专题

本文是“AI管星与组网”子专题的第一篇

从自动避碰到自主组网：国外如何让卫星少依赖地面

2022年12月至2023年5月，Starlink卫星执行了超过2.5万次碰撞规避机动。这个数字真正说明的，不是“AI已经接管卫星”，而是当星座扩大到数千颗以后，依靠人工逐条判断、逐颗下指令的传统运营方式，已经很难继续支撑。

作者 | 老谭

过去，卫星运营很像远程驾驶：地面团队监视遥测数据、制定任务计划、判断风险，再把指令上传到卫星。

这种方式适合数量有限、任务相对固定的卫星。到了巨型星座时代，运营对象从几颗变成几百颗、几千颗，卫星之间还要共享链路、争夺通信窗口，并不断应对太空碎片和设备异常。继续单纯增加地面人员，不仅成本高，决策链条也会越来越复杂。

于是，国外卫星运营正在沿着一条清晰的路线演进：先把地面的重复工作自动化，再让卫星处理部分现场决策，最后让多颗卫星能够自主分工和协同。

这里需要先分清三个概念。

· · ·

一、为什么卫星必须越来越“自主”

欧洲航天局发布的《2025年太空环境报告》显示，目前空间监视网络跟踪的在轨物体约有4万个，其中活跃载荷约1.1万个。尺寸超过1厘米、足以对航天器造成严重破坏的碎片，估计超过120万个。

在这样的环境中，碰撞预警已经成为低轨卫星运营的日常工作。运营人员需要判断接近事件是否危险、轨道数据是否可靠、是否应该机动，以及一次机动会不会引出新的风险。

问题在于，预警数量增加得很快，但真正需要机动的事件只占一部分。如果所有信息都靠人逐条筛选，控制中心很容易被大量低风险告警淹没。

卫星数量越多，类似的复杂性就越常见。除了避碰，团队还要处理遥测监控、故障诊断、能源分配、任务排序、通信窗口和星间链路。每一项单独看都不神秘，叠加起来却会形成庞大的决策网络。

卫星运营走向自动化和有限自主，并不是为了展示技术有多先进，而是因为传统人工模式很难按比例放大。

· · ·

二、Starlink：自动避碰成为规模化运营工具

Starlink是目前最能说明问题的案例之一。

根据SpaceX提交给美国联邦通信委员会的星座状态报告，2022年12月1日至2023年5月31日，Starlink卫星执行了超过2.5万次碰撞规避机动。到2023年12月至2024年5月的报告周期，这一数字又上升到约5万次。

需要注意的是，这些数字不能简单理解为“差点发生了数万次碰撞”。它们还受到星座规模、机动阈值、碎片事件以及运营商风险偏好的影响。SpaceX采用较为保守的规避策略，系统会根据接近预警和风险阈值自动规划机动。

这类系统的价值，在于能够持续处理大量接近事件，并把人工从重复计算中释放出来。但“自动执行”不等于完全不需要人。风险阈值、运行规则、软件更新和异常处置仍由地面团队负责。

真正困难的地方还在于协调。2019年9月，欧洲航天局的Aeolus卫星与一颗Starlink卫星出现接近风险。双方没有及时形成清晰一致的协调方案，最终由Aeolus实施规避。欧洲航天局事后强调，事件并不能简单归咎于任何一方，它暴露的是运营商数量增加后，行业缺少统一沟通和协同机制。

这也是今天自动避碰系统继续演进的方向。欧洲航天局的CREAM项目正在测试自动风险评估和规避支持能力，希望减少误报、降低运营人员负担、缩短响应时间，并让不同参与方更顺畅地交换信息。

用人话说，未来不能只是“每辆车都有自动驾驶”，还需要一套所有车辆都看得懂的交通规则。

· · ·

三、空间态势感知：不是看见更多，而是判断得更准

避碰的前提，是知道轨道上有哪些物体，以及它们接下来会飞向哪里。这就是空间态势感知，英文通常简称SSA或SDA。

传统系统依靠地面雷达、光学望远镜和轨道模型建立目标目录。商业公司正在这个基础上加入更多传感器和数据分析能力。LeoLabs利用分布式相控阵雷达跟踪低轨物体；Slingshot Aerospace则通过Beacon等平台融合政府、商业和运营商数据，帮助客户分析接近事件与空间活动。

这里最容易被误解的一点是：AI并不是凭空“看见”雷达没有探测到的碎片。它更现实的作用，是从大量观测数据中发现异常、估计轨道变化、修正不确定性，并把最值得关注的风险排在前面。

探测能力首先取决于雷达口径、功率、覆盖范围和观测条件，算法负责把观测结果变得更可用。硬件决定“能不能看到”，数据处理决定“能不能看懂”。

商业空间态势感知也已经不只是科研演示。LeoLabs披露，其2024年上半年获得了超过2000万美元的新合同，客户包括美国太空军、美国商务部及多个国家的政府机构。政府采购正在为商业传感器网络和分析平台提供早期市场。

· · ·

四、Blackjack：让卫星网络学会自己分工

如果说自动避碰主要解决单颗卫星的安全问题，那么DARPA的Blackjack项目瞄准的是另一层能力：让多颗低轨卫星组成具有韧性的分布式网络。

Blackjack的目标，是验证低成本卫星、光学星间链路和自主任务管理等关键技术。项目中的Pit Boss不是一台普通计算机，而是一套任务管理与自主控制能力，用来协调载荷、通信链路和星座资源。

它要解决的问题很具体：当一颗卫星暂时不可用时，任务能不能交给其他卫星；当某条链路中断时，数据能不能改走另一条路径；当地面连接受限时，星座能不能继续执行已经授权的任务。

这与传统卫星“等待地面逐条下令”的方式不同。地面不再规定每一个动作，而是给出任务目标、权限和约束，再由星座根据当时的资源与网络状态选择执行方式。

Blackjack项目的公开成果主要体现为关键技术验证和风险降低。公开资料尚不足以证明完整星座已经实现秒级自主故障重构，因此更稳妥的判断是：相关能力正在通过分阶段试验逐步验证。

这条路线正在被越来越多的分布式卫星系统采用。原因并不玄妙：星座越大，地面越不可能实时安排每一条链路和每一次任务切换。让网络具备一定的自组织能力，才能真正发挥多星协同的价值。

· · ·

五、AI进入控制中心：先做助手，再参与决策

除了避碰和组网，AI也在进入卫星运营最日常的部分——遥测监控和异常诊断。

卫星会不断向地面发送温度、电压、姿态、功率和设备状态等遥测数据。异常事件很少，但数据量很大。工程师长时间盯着参数曲线，既费人力，也可能错过缓慢出现的异常模式。

2024年，欧洲航天局公开了一套大规模真实卫星遥测异常数据集。数据约31GB，来自3个任务，并由专家标注异常情况。它的意义不是直接宣布“AI可以取代控制中心”，而是让不同团队能在同一批真实数据上比较异常检测方法。

欧洲航天局的A²I路线图也把异常检测、任务规划、地面站监控和自动化运营列为重点能力。现实路径通常是：系统先筛选数据、提示异常和推荐方案，工程师负责确认原因、评估后果并处理复杂故障。

这种分工更像飞机驾驶舱里的自动驾驶系统。它能承担大量稳定、重复的工作，但遇到规则之外的问题，仍然需要人理解任务背景并承担责任。

· · ·

六、边界在哪里：太空自治不等于地面退出

卫星变得更加自主，并不意味着地面控制中心会消失。

一方面，在轨计算资源、电力和软件验证条件都有限。复杂模型通常需要在地面训练、测试和更新，再把经过验证的版本部署到卫星。

另一方面，卫星执行的任务涉及安全、资产和公共轨道资源。什么情况下允许自主机动、算法能修改哪些参数、发生错误后由谁负责，都需要清晰的权限和审计机制。

更现实的趋势不是“控制权完全从地面移交给太空”，而是决策位置重新分配：

• 重复监控和常规计算，尽量交给自动化系统；

• 需要快速响应的局部动作，在授权范围内交给卫星；

• 任务目标、规则边界和重大异常，仍由地面人员负责。

国外管星系统正在发生的变化，不是用一个无所不能的AI替代人，而是把运营任务拆开：机器负责持续监测、快速计算和规则内执行，人负责设定目标、处理例外和承担责任。卫星越多，这种“人管规则、机器管日常”的分工就越重要。

从Starlink的自动避碰，到商业空间态势感知，再到Blackjack的分布式自主网络，国外已经在不同层级验证这条路线。下一篇，我们继续看这套能力如何变成产品：客户究竟为什么付费，真正的商业门槛又在哪里？

主要参考资料

• SpaceX提交美国联邦通信委员会的半年度星座状态报告

• 欧洲航天局：《ESA Space Environment Report 2025》

• 欧洲航天局：Aeolus与Starlink接近事件说明、CREAM自动碰撞规避项目

• DARPA：Blackjack项目公开资料

• 欧洲航天局：A²I Roadmap及卫星遥测异常数据集

• LeoLabs、Slingshot Aerospace公开产品与合同资料

▶ 下篇预告：

管星AI的生意经：

每投入1元，撬动100元的卫星资产安全

18亿美元的市场规模看起来不大，但它的杠杆效应惊人。管星AI的客户不是为AI买单——他们是给太空资产买"保险"。而这个保险在巨型星座时代，不可替代。

本专题系列：❶ 国外在干什么（本篇）→ ❷ 产业逻辑 → ❸ 中国启示

关联系列：

子系列《AI看地球

子系列《AI管星与组网》— 国外案例 / 产业逻辑 / 中国启示