问题：随着卫星数量增加、遥感分辨率提升以及多源载荷并行工作，星上数据量呈快速增长趋势。
传统模式以“天感地算”为主，即卫星采集后将大量原始数据回传地面再处理，受限于下行带宽、地面站覆盖与链路窗口，容易出现“数据回得来但来不及用”“关键时段信息滞后”等痛点。
对灾害监测、海上搜救、边远地区通信保障等对时效性敏感的场景而言，如何在轨快速提取有效信息、减少无效回传，成为太空信息应用升级的迫切课题。
原因：一方面，卫星对实时智能的需求持续增强。
遥感、通信、导航等应用从“看得见”转向“看得懂”，需要在短时间内完成目标识别、变化检测、异常预警等推理任务。
另一方面，算力基础设施向空间延伸具备可行性。
随着星载计算平台、存储与软件工程能力提升，星上运行更复杂的模型成为可能。
近期在“星算·智联”太空算力研讨会上，国星宇航相关负责人披露，2025年11月已将千问3通用大模型部署至“星算”计划01组太空计算中心，完成从地面注入到在轨运行的关键环节；此后模型在轨执行多次端到端推理任务，地面提出问题、卫星完成推理并回传结果，单次全流程耗时不足2分钟。
业内将其视作通用大模型走向空间应用的标志性验证。
影响：首先，应用链条可能重构。
通用大模型在轨推理可将“先回传再处理”部分环节前移到太空，实现对原始数据的筛选、压缩与结构化提取，减少链路占用，提高有效信息“命中率”。
其次，响应效率显著提升。
对突发灾害、重大工程巡检、海域目标跟踪等任务，在轨推理有助于缩短从“发现—研判—分发”的时间，提升应急联动能力。
再次，卫星体系向“计算基础设施”演进。
除通信、导航、遥感卫星外，专门提供算力的计算卫星正成为新形态，支撑“天感天算、天地协同”模式落地，为未来多星组网、在轨任务编排与智能服务提供底座。
与此同时，数据安全、模型可靠性与在轨运维也将成为新议题：包括辐照环境对计算稳定性的影响、模型更新与版本管理、在轨任务权限与数据边界等，都需要配套制度与工程体系支撑。
对策：要把示范性突破转化为规模化能力，业内普遍认为需要从体系建设入手。
其一，强化星载算力平台与软件生态，形成可复用的在轨部署流程、推理框架与容错机制，提升“可部署、可维护、可升级”的工程能力。
其二，推进天地一体化协同调度，围绕链路窗口、算力负载、任务优先级建立统一的资源编排机制，实现“算力—数据—链路”联动优化。
其三，完善标准与测试评估体系，建立在轨推理性能、能耗、时延、鲁棒性等指标，形成从地面仿真到在轨验证的闭环。
其四，面向典型场景打造可复制的应用模板，如灾害应急、农业监测、海洋监管、城市精细化管理等，以任务牵引带动产业链协同。
前景：从趋势看，太空算力将从“单星验证”走向“星座化服务”，在轨智能从“辅助处理”走向“任务自治”。
随着星间链路与边缘计算能力提升，未来可能形成“在轨推理—在轨融合—在轨决策”的能力链条，地面侧更多承担策略制定、模型训练与全局调度。
同时，通用大模型在太空应用的价值不止于遥感识别，还可能拓展至卫星健康管理、故障诊断、资源调度、通信网络优化等更广领域。
但也应看到，空间环境对可靠性要求更高，模型“可解释、可控、可追溯”将是长期方向，相关技术与治理体系需要同步推进。
从"东方红"卫星的太空传音，到如今大模型的在轨推理，中国航天正不断刷新人类对太空应用的认知边界。
此次技术突破不仅展现我国航天科技的创新能力，更预示着天地协同计算新时代的到来。
面向未来，太空算力或将成为国家战略竞争力的重要维度，而中国正以坚实的步伐，在这片新蓝海中书写属于自己的航天传奇。