AstroForge 将让 AI 指挥下一艘航天器

TechCrunch 报道，小行星采矿初创公司 AstroForge 正准备把下一艘航天器 Autonomy-1 的控制权交给人工智能。与以往由地面团队发送指令、航天器按序执行的模式不同，Autonomy-1 将搭载一个规模不大、基于 Transformer 架构的 AI 模型，在太空环境中直接承担探测器的部分指挥与决策任务。报道称，这一安排的核心不是让 AI 取代所有人类工程师，而是让航天器在通信受限时仍能自主完成关键动作。

Autonomy-1 的名字已经点明主题：自主。传统航天器依赖地面测控站和深空网络，每一次变轨、拍照、规避或科学观测，往往都要经过“上传指令—等待执行—下传遥测”的循环。对于近地轨道任务，这种循环尚可接受；但一旦探测器飞向小行星或更远深空，通信延迟会从几秒扩大到几十分钟，带宽也极其有限。任何需要实时反应的场景，都可能因为等待地面确认而错过窗口。

从遥控到自主：太空 AI 的必然一步

航天自主并非新概念。早期探测器已具备自动导航、故障保护和定时执行能力。但“自动”与“自主”不同：前者按预设规则执行，后者能在不确定环境中感知、判断并选择行动。Transformer 模型之所以被选中，是因为它在序列建模、多模态融合和模式识别方面表现突出，可把相机图像、雷达回波、遥测数据和历史状态综合起来，辅助探测器识别目标小行星、评估表面特征、规划接近路径，甚至诊断异常。

“在深空，等待地面指令的每一分钟，都可能意味着错过一次观测窗口或撞上未知碎片。”这是自主航天支持者反复强调的理由。

把模型放到航天器上，还意味着计算必须发生在“边缘”。地面数据中心可以堆叠 GPU，太空平台却受限于功耗、散热、体积和抗辐射要求。因此，AstroForge 选择小型 Transformer，而不是大型云端模型，符合航天边缘 AI 的现实路径：通过量化、剪枝、知识蒸馏和专用加速器，把模型压缩到星载计算机可承受的范围。

小行星采矿为何需要 AI 指挥

AstroForge 的目标是进入小行星资源领域。无论是勘查金属含量，还是为未来采矿演示选址，探测器都必须面对一个从未被详细测绘的目标。小行星形状不规则、引力微弱、表面环境未知，地面团队很难提前编写所有指令。AI 可以在接近过程中实时分析图像，判断旋转周期、表面纹理和潜在着陆点，并在通信中断时保持任务连续性。

此外，小行星采矿的商业逻辑要求降低成本。如果每艘航天器都需要大量地面人员 24 小时值守，任务规模很难扩大。自主系统能减少测控成本，提高多目标探测效率，让“一艘母舰带多枚小探测器”的编队模式成为可能。Autonomy-1 因此不只是一次技术演示，也可能是 AstroForge 未来任务架构的试验田。

挑战：辐射、算力与信任

不过，把 AI 送上太空并不等于把风险关进黑箱。太空辐射可能导致芯片位翻转，星载计算机需要冗余和纠错；模型在训练分布之外可能给出错误判断，而深空没有第二次机会。航天工程历来强调可验证、可预测、可回滚，神经网络的不透明性与此存在张力。因此，Autonomy-1 更可能采用“人类监督下的自主”：AI 负责常规感知和快速反应，关键决策仍由地面确认，或至少保留安全护栏。

监管与责任同样棘手。如果自主探测器在轨发生碰撞或误判，责任如何划分？软件供应商、运营商和发射方之间的边界需要重新定义。国际太空法目前对自主系统尚无成熟条款，这也让每一次在轨验证都带有规则探索意义。

编者按：软件定义航天器的分水岭

从更广的视角看，AstroForge 的尝试是“软件定义航天器”趋势的延伸。过去，航天器的能力主要由硬件决定；未来，同一平台可以通过更新 AI 模型获得新技能。若 Autonomy-1 验证成功，小模型在深空环境中的可靠性将得到宝贵数据，可能推动更多商业探测器、轨道服务飞行器和行星探测任务采用边缘 AI。若失败，它也会提醒行业：自主不等于无人负责，AI 必须嵌入严格的航天系统工程。

无论结果如何，AI 指挥航天器已从科幻设定变成工程议程。Autonomy-1 的意义，或许不只是完成一次小行星探测，而是证明机器可以在人类难以实时干预的地方，独立做出足够好的决定。

本文编译自TechCrunch