西方轨道算力深度审查：Starcloud 最快，Google 最严谨

真正的瓶颈在热控、带宽和资本国籍——从 Starcloud 到 Google Suncatcher 的全景分层、路线解剖与亚太启示

报告日期：2026 年 5 月 27 日 作者：Dylan | Singapore Space Agency 本文为《中国轨道计算去水分》的镜像报告，方法论一致，两篇合读形成完整的全球视野。

---

免责声明：本报告的进度评分衡量的是“公开可验证进度”，不是公司投资价值或未来回报概率。所有编号引用的事实对应文末来源表；无法独立核实的声明明确标注。本报告不代表对任何轨道算力公司的背书。

方法论（与中国报告统一）：在轨事实 35% + 监管/官方文件 20% + 商业客户与收入验证 20% + 规模化工程路径 15% + 融资与资本信号 10%。

---

一、90 秒摘要

西方轨道算力赛道不是一个公司赛道，而是四个结构层叠加在一起：计算节点层（Starcloud、Axiom）、光学网络层（Kepler）、载荷平台层（Loft Orbital）、基础设施供应层（Spacebilt、Sophia Space）。把这些混排进度会得出错误结论。

Starcloud：全球首个高性能 GPU 在轨验证，商业模式尚未闭环，热管理是其核心差异化能力。

Google Suncatcher：技术论证最完整，Trillium TPU 辐射测试是赛道迄今最权威的硬件可靠性数据，但 1.6 Tbps 星间带宽被大气层下行瓶颈严重限制，这是整个赛道被低估的最大技术约束。

Axiom Space：实际在轨 ODC 节点最多（2 颗），走的是空间站基础设施路线，不是通用 AI 云。

NVIDIA Space-1（Vera Rubin Module）：还没有实物，但已经将西方几乎所有头部玩家纳入 CUDA 生态，正在执行一场预防性的“轨道 Android 生态绞杀”——在 Space Android 诞生之前就让所有人依赖 NVIDIA。

Cowboy Space：20 亿美元估值对应无在轨算力、无验证的能量传输技术（~5-8% 往返效率，经济上接近荒谬）。

亚太机会：不在复制 Starcloud，而在热控子系统、激光通信组件、轨道 AI 推理软件、以及不受美国主权资本（CIA/In-Q-Tel）约束的中立算力平台。

---

二、方法论声明：本报告评分和判断的标准

与中国报告相同，本报告把“在轨验证事实”列为最高权重，把“融资公告”和“未来规划”列为最低权重。

事实状态分层：

• 已确认：官方公告、学术论文、Axiom/Google 官方页面、YC 公司页面等一手来源
• 媒体报道：TechCrunch、SiliconAngle、SpaceNews、IEEE Spectrum 等，可信但需注意口径
• 作者推断：基于公开事实的独立分析，已明确标注

---

三、为什么这个赛道在 2025-2026 年突然从概念变成资本

在理解任何具体公司之前，先理解驱动力的真实量级。

地面数据中心面临历史性约束收敛。 国际能源署数据：2024 年全球数据中心耗电量约 415 TWh，占全球电力消耗的 1.5%。IEA 预测到 2030 年翻倍至约 945 TWh。^[1] 在美国弗吉尼亚北部、加利福尼亚、德国等核心市场，新数据中心接入电网的排队时间已严重延长——这不是钱的问题，是物理基础设施的问题。

Jensen Huang 的方向性判断。 Huang 将 agentic AI 描述为比聊天式生成更吃算力的工作负载；部分媒体报道引用为“1,000 倍”，其他报道是“1,000%”（约 10 倍）。^[2] 具体倍数可以争论，但 AI 需求在不断快速增长的方向是行业共识。

物理优势的计算：近地轨道 SSO（太阳同步轨道）中，特别是 dawn-dusk（晨昏）轨道，卫星可在绝大多数轨道时间内保持太阳照射，日照可用率远高于地面——地面太阳能面临天气、昼夜、大气损耗，而轨道太阳能几乎没有这些干扰。发电效率上的优势（有些研究估计约 5 倍，具体取决于对比基准和系统设计）是轨道算力的核心能源逻辑。同时，太空真空允许通过辐射散热，理论上可以散出大量废热——但实际工程约束远比“宇宙深冷”的叙事复杂得多（详见第五节）。

成本门槛：Google 内部分析认为，轨道数据中心达到经济可行性，发射成本需要下降到约 200 美元/kg。^[3] 目前 Starship 如果实现商业化，可能在 2030 年代中期接近这个区间。

---

四、全景分层：不是进度排名，是产业生态图

这个赛道最容易犯的错误是把所有参与者混排进度。Kepler Communications 和 Starcloud 不是可以直接比较的——前者是光学中继网络，后者是 GPU 算力卫星。把它们放在同一个“轨道算力进度”表里会产生错误的可比性。

4.1 产业生态四层结构

SpaceX+xAI（据多家媒体报道的企业整合，官方结构文件尚未独立确认）在规划层面可能覆盖所有四层，但目前实际轨道算力产品尚不存在——更多是战略意图而非工程现实。

4.2 计算节点层进度（SpaceX=100% 综合控制能力基准）

4.3 网络、平台与组件层（不宜与计算节点层直接比较进度）

---

五、Starcloud 深度解剖：17 个月的独角兽，H100 先行的赌注

5.1 历史脉络：一个收敛时机的识别

Starcloud 的起点不是技术突破，而是一个时机判断：发射成本曲线与 AI 算力需求曲线，正在 2024 年左右进入交叉区间。

Philip Johnston 在麦肯锡为政府航天机构做咨询时识别了这个机会。他的逻辑：如果地面数据中心的根本约束是电力和散热，而轨道恰好在这两项上有结构性优势，那么当发射成本进一步下降时，轨道数据中心第一次进入可以认真计算经济性的范围。

创始团队的构成是刻意的，三种专业背景形成互补：

注：以上基于公开履历的推断，代表外部观察而非公司内部角色定义。

融资时间线

In-Q-Tel 出现在早期投资者名单里，这不是细节。In-Q-Tel 是美国中央情报局关联的战略风险投资机构。它的出现说明：轨道数据中心对主权敏感计算有明确价值——数据在本国管辖卫星上处理，不经过可能受外国政府影响的地面设施。这个信号的战略含义在第七节“亚太创业者”部分详细展开。

5.2 子系统全景：六个层面的分解

子系统 1：热管理——Starcloud 最核心、最真实的差异化

热管理是轨道数据中心的硬核约束。理解 Starcloud 的差异化，必须先理解这个约束有多严苛。

太空散热的物理现实：在真空中，废热无法通过空气对流或直接接触传导散出——只能通过辐射。Stefan-Boltzmann 定律决定了辐射能力：

Stefan-Boltzmann 关系式： P = ε × σ × A × T⁴。其中 ε 为辐射率（优质辐射涂层约 0.9），σ = 5.67 × 10⁻⁸ W/(m²·K⁴)，A 为辐射面积，T 为开尔文温度。在 ε = 0.9、T = 350K（约 77°C）时，理想单位面积辐射功率约为 766 W/m²。

关键数字（在 350K 工作温度下的理想计算，实际会更保守）：

这些数字揭示了轨道算力规模化的根本约束：散热不是“宇宙背景辐射提供免费冷却”那么简单，而是一个需要数平方公里展开辐射板的工程问题。

Starcloud-1 的热方案（被动辐射，小规模）：Starcloud-1 搭载单颗 H100（约 400W 热耗），使用卫星本体结构导热+外表面辐射的被动方案。这个量级相对简单，不需要可展开结构。

Starcloud-2 的热方案（大型可展开辐射板）：Starcloud-2 声称“迄今最大的商业可展开辐射板”。^[4] 发电量 100 倍于 Starcloud-1，对应热载荷大幅增加，需要可展开辐射板系统。这正是 Ezra Feilden（CTO）在 Airbus 的核心专长——大型可展开结构（可展开太阳翼、天线阵、辐射板是同一类工程问题）。这不是巧合，而是团队组建时的刻意设计。

热管理技术路径（基于公开材料推断）：

• 热管（Heat Pipes）：将 GPU 产生的废热从芯片传导到辐射板
• 辐射涂层：高发射率材料（ε≈0.85-0.92），最大化辐射效率
• 辐射面朝向：背向太阳，避免太阳入射加热辐射板
• Hypercluster 愿景：数平方公里展开面积，多兆瓦级热耗，依赖 Starship 使大型结构成本可接受

为什么被动辐射好于主动液冷：主动液冷（泵+管道+密封件）在地面成熟，但在太空长期可靠性未经验证。泄漏是灾难性的。被动热管+辐射板的可靠性建立在数十年卫星工程实践上。

子系统 2：计算硬件——“借用地面芯片”策略的得与失

战略选择：Starcloud 不设计太空专用芯片，而是让地面最先进的 GPU（H100）在太空工作。CEO Johnston 的原话：“H100 可能不是最适合太空的芯片，但我们想证明我们可以在太空中运行最先进的地面芯片。”^[5]

这个选择的逻辑：

• CUDA 生态庞大，客户工作负载几乎不需要修改即可迁移
• H100 提供真正数据中心级算力
• 时间最快，不需要等待定制芯片研发周期

代价：H100 不是辐射加固芯片，Starcloud 必须处理单粒子效应（SEU）、辐射积累效应、热冲击，通过软件层的 ECC 和容错机制补偿。

Starcloud-1 的失败数据点：另一颗 A6000 GPU 在发射过程中损坏。^[5] 这说明：从地面到轨道的机械振动冲击（约 20-100g）对 GPU 是真实威胁，振动隔离和机械加固是不可忽视的设计约束。这对所有想做轨道算力的团队是直接的工程教训。

Starcloud-2 的计算配置：H100 + NVIDIA Blackwell B200（H100 约 5-6 倍性能），加上比特币矿机 ASIC（用于 AI 工作负载不饱满时的现金流桥接）。据 Tech-Insider 报道（C 级来源，待官方确认），AWS、Google Cloud、NVIDIA、Crusoe 已向 Redmond 集成设施交付硬件。^[6]

子系统 3：卫星平台——自研非购买

Starcloud 自研卫星平台，不购买现成商业卫星平台（如 GomSpace、EnduroSat）。原因：现成平台的热设计通常针对低功率任务，无法承载数十千瓦的 GPU 热载荷。Redmond 的载荷制造设施（payload manufacturing facility）是控制质量和速度的直接投入。

轨道选择：SSO（太阳同步轨道），约 500-600km 高度。选择依据：高日照可用率、散热面可持续面向深空、延迟约 5ms（商业应用可接受）、轨道寿命合理。

子系统 4：软件与在轨运行

Adi Oltean 的背景（20 年 Azure GPU 集群+SpaceX Starlink 网络）直接体现在软件架构上：

• 容器化部署：工作负载以容器形式运行，允许客户少量修改或不修改地将 CUDA 代码迁移到轨道
• 面向断连设计：卫星每轨可见地面站窗口有限，软件必须支持长时间自主运行
• 辐射容错层：软件层 ECC 和检错逻辑，在硬件 SEU 发生时补偿

子系统 5：通信

这是 Starcloud 公开信息最少的子系统。已知：四个商业客户需要与卫星通信，需要相当的上/下行带宽。潜在方案：Ka/Ku 波段射频（成熟，带宽受限）；激光通信（高带宽，更复杂）；AWS Ground Station 等第三方地面站网络。

关键未解问题：Starcloud-2 的下行带宽能达到多少？这直接决定了什么类型的 AI 工作负载在经济上可行（见第五节带宽分析）。

子系统 6：发射

SpaceX Transporter 拼车，6,000 美元/kg 到 SSO，是当前市场最经济的可靠发射选项。

战略依赖风险：Starcloud 完全依赖 SpaceX，而 SpaceX 正在自建轨道数据中心（Terafab）。这个利益冲突如何演变，是赛道最重要的竞争动态之一。如果 SpaceX 决定优先用 Starship 运力部署自己的 AI 卫星，对 Starcloud 的影响是直接的。

5.3 商业模式：现在真正赚什么钱

三个客户群体：

比特币矿机的深层逻辑：Starcloud-2 搭载比特币 ASIC，这不是技术妥协，而是现金流工程。早期商业化的最大挑战不是算力不够，而是 AI 工作负载利用率不足——一颗利用率 10% 的 H100，和一颗利用率 90% 的 H100，成本相同但收入差 9 倍。比特币矿机在 AI 工作负载空档期填满卫星的电力输出，使太阳能输入持续转化为经济价值。

5.4 Starcloud 的核心竞争力：真实与可疑

---

六、Google Project Suncatcher 深度解剖：严谨的系统工程建模

6.1 定位说明：Starcloud 证明“能飞”，Google 证明“如何系统性建模”

这是理解 Google 在这个赛道价值的最重要句子。Google 没有证明 GPU 在轨道能运行，Starcloud 已经证明了。Google 正在建立的是：基于自研 TPU、编队飞行、光学网络和精确经济性建模的系统工程可行性证明。这是一个不同的贡献。

Google DeepMind 研究团队发表了一篇完整的系统设计学术论文，这使 Project Suncatcher 成为整个赛道技术公开度最高的项目，也使本报告对其技术参数的引用可靠性最高。^[7]

6.2 技术架构的六个关键设计决策

决策 1：自研 Trillium TPU v6e，而非借用现成 GPU

这是 Google 与 Starcloud 最根本的技术路线分歧。

Google 拥有自己的 AI 芯片设计能力（TPU），在 AI 推理性能/瓦特比方面优于通用 GPU。选择 TPU 意味着：

• 更高的 AI 工作负载效率
• 可以在设计阶段针对辐射容错优化
• 与 Google 的 JAX/TensorFlow 软件生态原生兼容

Trillium TPU v6e 的辐射测试——赛道迄今最完整的硬件可靠性数据^[7]：

这个测试结果的意义远超 Google 本身：它证明了“将现代 AI 芯片（非专用航天芯片）放入轨道”这条技术路线在可靠性上是可行的。Starcloud 的 H100 方案、所有其他使用商用 GPU 的轨道算力项目，都受益于这个数据。

决策 2：编队飞行——81 星集群作为分布式计算单元

这是 Google Suncatcher 最有野心也最有技术门槛的设计。

核心问题：单颗卫星的物理尺寸和质量限制了算力规模；大型单一卫星极其昂贵且风险高。Google 的解决方案：让多颗卫星飞行得足够近（数百米间距），通过激光互联形成一个分布式计算集群。

轨道力学（Google 论文）^[7]：

如果这个方案在轨道上实现，集群内 81 颗卫星可以真正作为一个分布式计算单元协同工作——这相当于把地面服务器机架里的服务器间通信，搬到轨道上相互独立飞行的卫星之间。

决策 3：1.6 Tbps 星间激光——以及它被严重忽视的下行瓶颈

Google 在实验室验证了单对收发器 1.6 Tbps 的自由空间光学链路。^[7] 这个数字被广泛引用为轨道计算通信能力的里程碑。

但这个数字背后有一个被系统性低估的约束，是整个赛道的最大盲点之一：

1.6 Tbps 是星间链路（satellite-to-satellite）。数据在完成计算后，必须穿过地球大气层下行到地面，而大气层对激光通信是一个严苛的物理障碍：

当前商业星地激光通信的实际状态（2026 年）：在晴天条件下，可以达到数十 Gbps 量级；但考虑实际天气条件的可用率，商业运营的平均有效吞吐量可能在 1-10 Gbps 之间，且在热带地区、多云地带更低。

这意味着什么：

即使 Google 在轨道上实现了 81 星集群以 1.6 Tbps 互联，整个星座向地面输出数据的有效出口带宽受限于星地激光链路的物理约束——而这个瓶颈目前比星间带宽低 1-3 个数量级。

这个约束从根本上塑造了哪些工作负载适合轨道计算，哪些不适合：

Google 的应对方案（论文中描述）：设计面向“星上预处理（in-space reduction）”的工作负载——数据在星上完成大量处理，只下传结果而非原始数据，将下行带宽需求降低 85-95%。这是正确的应对策略，但它同时意味着：轨道算力在近期内不是通用 AI 云的替代品，而是特定场景的专用工具。

Sundar Pichai 在宣布 Suncatcher 时明确说：“it's going to require us to solve a lot of complex engineering challenges.”^[8] 这是大公司罕见的技术诚实。

决策 4：经济性测算的精确条件

Google 学术论文的经济可行性分析是整个赛道最严格的公开量化分析。核心结论：发射成本需降至约 200 美元/kg，轨道数据中心在能源成本上才能与地面设施竞争。^[3]

基于商业发射历史学习曲线，2030 年代中期可能接近这个区间——前提是 Starship 商业化按计划推进。这不是乐观预测，是基于历史趋势的外推。

6.3 Google 的核心竞争力

Google 的弱点：速度和灵活性

Starcloud 22 个月从成立到发射；Google 2025 年 10 月宣布，2027 年才计划发射 2 颗原型。这不是批评，而是大公司 vs 小公司在执行速度上的结构性差异。在技术快速演进的赛道，执行速度差异最终会影响学习曲线。Starcloud 会在 2026-2027 年积累 Google 2027 年才开始积累的在轨工程数据。

---

七、三堵技术墙：热控、辐射、带宽

这三个约束跨越所有参与者，是决定整个赛道商业化时间表的根本变量。

7.1 热控墙：真实数字告诉你规模化有多难

用真实数字理解规模化：

结论：被动辐射散热是当前阶段最成熟、最可靠的路线；但它对辐射面积的要求意味着轨道算力的规模化，在技术上等价于在轨道上建设越来越大的“辐射板结构”。主动液冷可能在高密度小型化场景中最终有价值，但当前在轨可靠性完全未验证。

7.2 辐射墙：商用芯片上轨的可行性已经证明，但长期累积效应未知

Google 的 Trillium 测试（2 krad 开始不规则，15 krad 无硬失效）和 Starcloud 的 H100 在轨运行，共同证明了一件事：在主流 LEO 轨道和合理任务寿命内，不加辐射加固的商用 AI 芯片是可以工作的。这是 2025 年以前不确定、现在已经确认的结论。

未解决的问题：

• 长期累积辐射（5 年以上）对性能的影响
• 不同轨道高度和轨道倾角下的辐射环境差异
• 带屏蔽 vs 不带屏蔽的权衡（屏蔽增加质量，但减少辐射剂量）
• 批量生产的芯片个体差异对辐射耐受性的影响

NVIDIA Vera Rubin Space Module 如果真的实现“空间辐射加固”版本（官宣性能 25 倍 H100），届时辐射可靠性问题会有一个更完整的工业解决方案。但这仍是“at a later date”。

7.3 带宽墙：星地下行是被系统性低估的约束

（详见第四节 Google 部分的分析）

补充几个关键数字：

关键认知：当前全球轨道算力赛道的星地下行商业实用带宽约为1-10 Gbps。这个数字决定了现阶段哪些工作负载在商业上可行，哪些不可行。

---

八、NVIDIA 的战略棋局：Space Android 在诞生前就被生态绞杀？

这一节是本报告最重要的战略判断，也是三个月前在 Space Android 文章中留下的悬念的答案。

8.1 NVIDIA Space-1 Vera Rubin Module 的战略逻辑

2026 年 3 月 GTC，NVIDIA 宣布 Space-1 Vera Rubin Module，声称性能比 H100 高 25 倍，发货日期“at a later date”。^[9]

这个产品宣布引发了大量关于“什么时候发货”的讨论。但更重要的问题被大多数观察者忽视了：NVIDIA Space-1 的合作伙伴名单：

Aetherflux（Cowboy Space）、Axiom Space、Kepler Communications、Planet Labs、Sophia Space、Starcloud。

这几乎是西方轨道算力赛道所有头部玩家的完整名单。

8.2 NVIDIA 正在执行的是什么

在轨道算力商业市场真正形成之前，NVIDIA 已经把所有主要玩家纳入 CUDA 生态。

这个战略的含义：

1. 所有合作伙伴的软件都写在 CUDA 上
2. 所有合作伙伴的工程师都针对 NVIDIA 硬件优化
3. 客户的 AI 工作负载都是 CUDA 原生代码
4. 切换到其他芯片（AMD、自研 ASIC、光子计算）需要重写所有代码

当 Vera Rubin Space Module 真正交付时，这些公司会第一个采购，因为他们的整个技术栈都是 NVIDIA 生态。

这就是预防性生态绞杀：不是通过禁止竞争者进入市场，而是通过让所有玩家依赖 NVIDIA，使任何试图建立独立于 NVIDIA 的“Space Android”生态的努力，在软件层面就面临极高的迁移成本。

8.3 对 Space Android 概念的影响

我们在此前的文章中讨论了 Space Android 的必要性——一个标准化的、中立的轨道计算平台，类似 Android 之于 iOS。

NVIDIA 的战略意味着：在西方轨道算力生态中，实际上正在形成的是NVIDIA/CUDA = Windows/Wintel的格局，而不是 Android。每个卫星运营商只是 NVIDIA 生态的硬件制造商，而不是平台的掌控者。

对中国的含义：由于美国出口管制，中国企业无法接入 NVIDIA Space-1 生态。这是一个强制性的技术隔离，同时也是一个被动的机会：中国轨道算力玩家被迫发展非 NVIDIA 路线（寒武纪、东方天算的光计算等），如果这些替代路线成功，将形成一个完全独立的技术生态。

对亚太中立玩家的含义：亚太地区如果想构建真正中立的轨道算力平台（不被美国主权资本或 NVIDIA 生态锁定），需要：

• 在软件层开发 CUDA 以外的兼容层（类似 CUDA 的开放替代）
• 在硬件层支持多种芯片（AMD、ARM、光子计算）
• 在治理层保持中立（非美国主权资本）

这三个条件同时满足，难度极高，但这是真正意义上“Space Android”的路径。

---

九、资本地缘政治：算力的国籍正在决定轨道的边界

这是对亚太创业者最关键、也是整个赛道最被低估的结构性力量之一。

美国轨道算力公司的资本结构：

In-Q-Tel 出现意味着什么：In-Q-Tel（IQT）是美国中央情报局 1999 年创立的战略风险投资机构，专门投资对情报界有战略价值的技术公司。IQT 的投资通常伴随：

• 公司与美国情报机构保持信息共享关系
• ITAR/EAR 出口管制合规要求
• 在某些情况下，对外国投资者有限制

对 Starcloud 而言，IQT 的投资明确表明轨道数据中心具有情报/国防价值，也意味着 Starcloud 在服务某些外国客户（包括中国客户）时可能面临合规障碍。

这创造了一个结构性市场分裂：

对亚太创业者的直接含义：如果你想构建服务于“主权中立”客户（不想把数据放在美国情报关联设施上，也不想放在中国政府关联设施上）的轨道算力平台，你的资本来源就不能是美国主权关联基金，也不能是中国国有资本。潜在的“正确”资本来源：GIC、Temasek（虽然新加坡与美国关系密切，需谨慎）、海湾主权基金（PIF、ADIA、Mubadala）、日本/韩国机构投资者。

这不是政治判断，这是商业逻辑：你的资本国籍决定了你能服务什么样的客户。

---

十、Cowboy Space 详解：20 亿美元估值的能量传输困境

Cowboy Space（原名 Aetherflux，2026 年 3 月更名）是西方轨道算力赛道估值/实物比最值得深入审视的案例。

融资事实：B 轮 2.75 亿美元，估值 20 亿美元（2026 年 5 月，TechCrunch 报道）。^[10] 投资方：a16z、Breakthrough Energy、NEA。总融资约 3.25 亿美元以上。

技术路线：轨道太阳能发电 + 激光能量传输地面 + 在轨算力，三位一体。

10.1 能量传输效率的物理账单

激光无线能量传输（Power Beaming）是 Cowboy Space 的核心差异化叙事。这个技术路线有真实的物理约束，值得用数字说话：

换言之，在轨收集的 100W 太阳能，最终约只有 4-5W 能在地面重新变成电力。

这个效率数字意味着什么：

在轨道上利用同样的 100W 太阳能进行计算，可以得到 100W 的算力（减去散热和运营开销），只需要将很小的数据（计算结果）通过激光下行，下行效率接近 100%。

相比之下，通过激光把 100W 能量传回地面，只剩约 4-5W。从纯能量经济性看，轨道计算远优于能量传输。

Cowboy Space 的商业逻辑辩护：

这个分析不一定否定 Cowboy Space 整体，因为其商业模式不是纯能量传输，而是“计算+能量”组合：

• 计算部分可能是主要收入来源
• 能量传输是特定防务/应急场景的差异化能力（军事基地、灾区供电）
• 20 亿美元估值中有多少在押注计算，有多少在押注能量传输，从外部无法判断

但如果能量传输是主要估值支撑，那么~5% RTE 的物理约束是一个根本性的商业挑战。

当前状态：无在轨算力，无能量传输演示，火箭自建计划 2028 年首飞。20 亿美元估值对应的工程进展是最早期的。

---

十一、Axiom Space ODC：被低估的实际在轨节点

Axiom Space 在轨道算力赛道中扮演的角色与其他玩家根本不同，但在多数分析中被低估了。

2026 年 1 月 11 日：Axiom 成功在轨部署 2 颗 ODC（Orbital Data Center）节点。^[11] 这是独立于 Starcloud、Google Suncatcher 之外的第三个真实在轨算力事件（辰光一号是第四个）。

Axiom ODC 的特点：

Axiom 的独特优势：它正在建设商业空间站，而空间站提供的“房地产”（物理空间、电力、热管理基础设施）远比小卫星更丰富。2027 年计划在 ISS 上部署一个光学互联的 ODC 节点（与 Spacebilt 合作），这个节点可以利用 ISS 的现有热管理和电力系统，大幅降低散热设计难度。

Axiom 的局限：这是空间站路线，不是通用 AI 云。其客户是需要在轨处理空间数据的企业，不是需要大规模 AI 训练的互联网公司。规模化依赖空间站的建设进度，比纯卫星路线慢得多。

---

十二、什么会推翻本文的核心判断

这个部分是我们方法论的一部分：任何研究都应该明确自己的可证伪条件。

---

十三、对亚太创业者：六个结构性机会和四个陷阱

13.1 陷阱一：复制 Starcloud 的里程碑

“把 H100 送上轨道”这个里程碑在 2025 年 11 月已经被 Starcloud 完成，价值已经兑现。成为“第二个完成这件事的人”没有额外的商业价值——除非你能在成本（更便宜）、热控（更高密度）、客户（不同的主权需求）或轨道覆盖（亚太中心）上有明确差异化。

13.2 陷阱二：接受美国主权资本，然后宣称要服务中立市场

资本国籍决定商业边界。如果你接受 In-Q-Tel 或美国国防相关资本，你的客户范围就会受到限制。这不是道德判断，是合规现实。想服务真正中立市场的亚太轨道算力公司，需要从一开始就设计资本结构。

13.3 陷阱三：把“星间 1.6 Tbps”当成整个系统的通信能力

如前所述，星间带宽≠服务能力。整个系统的通信瓶颈在星地下行，而不是星间。任何商业模式都必须基于实际可用的星地带宽来设计，而不是实验室最优条件下的星间带宽。

13.4 陷阱四：进入 NVIDIA 生态然后期望建立独立标准

如果你的整个技术栈是 NVIDIA CUDA，你就不是轨道计算标准的制定者，而是 NVIDIA 生态的硬件承包商。这可以是一个成功的商业模式，但它不是 Space Android。

13.5 机会一：热控工程专业化

整个赛道最确定性的技术瓶颈是散热。无论哪家公司最终胜出，它们都需要更好的热管理子系统。这是一个与哪家算力公司赢无关的供应商机会，适合有精密制造能力的日本、韩国、新加坡工程团队。

具体切入点：

• 高辐射率涂层（emissive coating）材料科学
• 航天级热管（heat pipe）制造
• 大型可展开结构（用于辐射板和太阳能阵列）
• 在轨热控测试服务

13.6 机会二：亚太轨道数据的在轨处理

亚太是全球遥感数据密度最高的地区之一：南海船舶监控、东南亚热带雨林变化检测、台风跟踪、海洋温度监测。这些数据产生在亚太轨道上，其自然客户是亚太政府和企业。

竞争优势来源：与亚太本地遥感数据提供商（如地卫二、长光卫星等合作方）建立数据供应关系；在亚太时区提供低延迟服务；对亚太数据主权法规的本地理解。

13.7 机会三：中立算力治理架构

如果美国轨道算力被主权资本锁定，中国轨道算力被国家监管架构约束，那么真正中立的轨道算力——既不在美国情报机构监控下，也不在中国政府监管下——是一个真实的市场需求。

新加坡的潜在价值不在于建造卫星，而在于：

• 作为中立算力平台的法律和治理注册地
• 连接非对齐国家（东南亚、GCC、南亚）的商业轨道算力需求和非主权资本
• 类似新加坡在金融服务中的角色：不是资产所有者，而是受信任的中立中介

这个机会不需要新加坡建造卫星，需要的是建立一套可信的多方治理架构，让不同政治立场的国家都愿意把数据放在这个平台上。

13.8 机会四：非 NVIDIA 轨道计算软件栈

CUDA 生态锁定了西方，但给了非 CUDA 路线一个窗口：构建支持多种芯片（ARM、AMD、寒武纪、光子芯片）的轨道计算运行时，这个运行时可以成为真正的“轨道 Android”——不依赖任何单一芯片供应商的标准。

ROCm（AMD 的 CUDA 替代）、OpenCL 等已有成熟的地面生态，但没有针对轨道工作负载的优化层。这个软件层的机会是纯工程问题，不需要卫星，不需要太多资金，需要的是懂轨道力学、GPU 编程与容错软件的复合型团队。

13.9 时机判断：现在进入早不早

理性判断：赛道方向已经确认（CASC、工信部、多个国家主权基金都在押注），但技术商业化窗口在 2027-2030 年才会真正打开（Starship 商业化、Vera Rubin Module 交付之后）。

最佳策略：现在做技术积累（热控、激光通信组件、轨道 AI 推理软件），2027-2028 年做市场切入。比现在就砸钱发卫星更理性，比等到 2028 年再开始更有先发优势。

---

十四、12 个月内最值得追踪的数据点

---

本报告基于截至 2026 年 5 月 20 日的公开信息编制。所有进度评分为作者方向性判断，不是工程量化测量，不构成投资建议。