出品/星动无极
韩国空间人工智能公司TelePIX 9月28日宣布，已与印度星上AI与边缘计算公司SkyServe签署卫星AI服务合同。合同的内容不复杂：TelePIX把SkyServe客户的AI应用和对地观测模型远程上传到自己的卫星上，提供一个能在星上直接运行的AI计算环境。
交易结构里值得注意的是服务方式。SkyServe总部在印度班加罗尔，提供的正是让对地观测AI模型在卫星上跑起来所需的软件和计算基础设施。它自己不拥有卫星，需要一颗能承载算力的在轨平台；TelePIX有卫星和星上计算能力，缺的是模型与客户。两家各自补上对方缺的那一半，先从一个AI模型起步，再考虑扩展到六个或更多。这个"先单模型后多模型"的推进顺序，说明双方对星上运行多模型的工程复杂度有预期。
支撑这项服务的是TelePIX的在轨无线软件更新技术，公司把它称作OTV，取自Over-The-Vacuum。卫星发射之后，地面仍可远程上传新软件或AI模型并让其在星上运行。这项技术的意义在于解耦发射时间与软件版本。过去卫星上天后载荷软件基本冻结，要换算法往往要等下一次硬件迭代；有了在轨更新，模型可以按月迭代，客户也能在卫星已经入轨之后再决定要跑什么算法。
OTV技术在轨验证的时间点是去年11月，载体是TelePIX自研的AI立方星BlueBON。今年8月，公司把基于AI的卫星影像几何校正与地理定位模型应用到BlueBON上，演示了在卫星内部估计并校正影像位置的过程。这两步构成了这次商业合同的技术底稿：先证明能远程换软件，再证明换上去的AI模型能在轨完成实际计算任务。
星上计算要解决的瓶颈是数传带宽。对地观测卫星拍下的是原始影像，数据量以GB计，但绝大多数像素对最终用户没有价值。传统流程是全量下传到地面站，再在地面跑模型提取结果，传输环节成了整个链条里最慢也最贵的一段。在星上直接跑AI模型，只回传必要的分析结果，TelePIX给出的量化口径是数据传输量最低可以降到原来的五十分之一。这个数字是压缩比的理论值，实际能压到多少取决于模型输出的信息密度，但方向是明确的。
星上AI计算用的是TelePIX自研的TetraPLEX计算机，把GPU、CPU和FPGA整合在同一块板子上。三种器件各有分工，GPU承担神经网络推理，FPGA处理预处理流水线和定点运算，CPU负责任务调度。在轨环境对器件的约束与地面不同，功耗余量、散热条件、抗辐射要求都要重新平衡，自研硬件的目的是把这三者的配比按星上任务的特性来定。
TelePIX把这份合同定位为星上AI与OTV技术首次用于海外客户的商业服务。此前的技术验证都在自有的BlueBON上完成，客户是海外公司之后，商业模式从"技术服务于自家平台"变成"把在轨算力作为服务出售"。
后续的规划分两条线。一是扩展为星座运营技术，在多颗卫星上部署不同的AI模型和任务软件并做统一管理。这条线一旦走通，星上算力就从单星能力变成可调度资源，客户买的是覆盖时段和区域而不是某一颗星。二是2027年做视觉语言模型的在轨验证，让卫星不仅能识别影像中的物体和场景，还能对其含义做出解释。VLM的模型规模远大于目前的对地观测模型，在轨运行的功耗和存储都构成挑战，2027年这个时间点本身说明工程难度不低。
TelePIX首席执行官赵成益对这份合同的表述是，核心在于建立一种服务结构，让客户在发射之后仍能把自己需要的AI和软件应用到卫星上，并把这套结构连接到星座自主运行系统和2027年的在轨VLM验证，最终实现让卫星从拍摄数据走向理解和自主判断的空间AI基础设施。
把这条消息放回行业背景，星上计算正在从一个技术选项变成商业配置项。低轨对地观测星座的卫星数量增加后，下传链路的拥挤程度随之上升，地面站的可用过站时间成为稀缺资源。与其扩地面站，不如把计算搬到星上，这是多家公司选择的路径。区别在于算力放在什么平台、由谁来运营、模型由谁提供。TelePIX与SkyServe的组合给出了一种分工：平台方提供在轨算力和更新通道，模型方提供算法和客户。
商业模式能否成立，取决于客户愿意为"少传数据"付多少钱。对地观测的付费方大多是政府、行业客户和科研单位，他们买的是分析结果而不是原始影像，星上处理如果能在时效上带来实质改善，付费意愿是存在的。从单次过站到结果交付的时间差能压到多少，是这项服务最终要交给客户检验的指标。