衛星與人工智能融合創新賦能低空經濟

低空經濟是指垂直高度1000m以下（可延伸至3000m）的空域范圍內，以有人和無人航空器為載體，帶動多領域融合發展的綜合性經濟形態。2021年2月，中共中央、國務院印發《國家綜合立體交通網規劃綱要》，首次將低空經濟寫入國家發展規劃。2023年中央經濟工作會議將低空經濟明確為國家戰略性新興產業，2024年黨的二十屆三中全會明確提出“發展通用航空和低空經濟”并成立低空經濟發展司。低空經濟現正以年均30%以上的增速迅猛發展，成為全球競逐的戰略性新興產業。

 

然而，低空經濟在高速發展的同時，也面臨著通信、導航、感知三大核心瓶頸。在通信領域，受限于基站覆蓋范圍與地形遮擋，傳統地面通信網絡在偏遠山區、跨城際空域、海洋及荒漠等區域存在大量通信盲區，無法為低空飛行器提供全域連續的控制信號與數據傳輸服務；同時，低空飛行器（尤其是無人機集群）在密集飛行場景下產生的海量實時數據（如高清影像、傳感器數據），對通信鏈路的帶寬與延時提出極高要求。在導航領域，衛星導航系統在城市高樓密集區、峽谷、森林等復雜環境中，信號易受多徑效應影響，導致定位精度大幅下降，甚至出現定位失效的情況，無法滿足場景需求。在感知領域，低空空域涉及范圍廣、環境復雜多變，傳統依賴地面雷達與人工監控的感知模式，存在覆蓋范圍有限、對小型低速目標識別能力弱、異常行為預警滯后等問題，難以實現對低空全域目標的實時監控、動態追蹤與異常識別，給空域安全管控帶來巨大壓力。而衛星與人工智能（AI）的深度融合創新，正成為破解上述核心瓶頸、推動低空經濟從概念驗證走向規模化應用的關鍵支撐。

 

本文以突破低空經濟通信、導航、感知三大瓶頸為核心目標，系統闡述人工智能與衛星應用融合創新模式下的關鍵技術體系；結合物流配送、應急救援等典型應用場景，提出“衛星+AI”融合技術的落地實施路徑，并結合當前技術瓶頸與產業發展現狀，給出未來發展趨勢。本文構建的“通信+AI”“導航+AI”“遙感+AI”技術支柱與空天地一體化支撐體系，為低空經濟規模化落地提供了可復制的技術路徑與實踐范式。

 

一、“衛星+AI”發展現狀

 

人工智能技術的突破，正推動衛星系統從傳統的數據中繼節點向具備在軌智能處理能力的空間計算節點演進。國內外典型的“衛星+AI”融合星座計劃，正通過將AI算力與模型部署于太空，構建服務于低空經濟的實時感知、智能決策與高效協同的天基智能基礎設施。

 

我國在天基智能計算基礎設施領域已實現從技術驗證到規模化商業運營的跨越。首個天基計算基礎設施——三體計算星座于2024年11月啟動建設，2025年5月完成一箭12星首次發射。該星座搭載80億參數天基模型，單星算力達744TOPS，星間、星地、星內通信速率均達百吉比特級。其創新的“天數天算”（衛星采集數據后在軌完成計算）模式，將傳統衛星“天數地算”的天級/小時級數據處理時間壓縮至分級/秒級，減少90%冗余數據傳輸，可有效支撐低空飛行器實時監測與應急響應。中國星網星座作為首個衛星互聯網與空天一體6G計劃，以及千帆商業低軌星座，亦在規劃或設計中集成了先進的數據處理與智能分發能力，旨在為低空應用、遠洋通信、應急保障等多領域提供高帶寬、低時延、智能化的通信服務。

 

國際層面，美國初創公司StarCloud于2025年11月發射了搭載NVIDIAH100GPU的Starcloud-1衛星，是以往在軌GPU算力的100倍，該衛星成功運行了谷歌的開源大模型Gemma，并用莎士比亞作品集訓練NanoGPT，首次在太空中完成大模型訓練。SpaceX計劃在星鏈（Starlink）V3衛星中增設數據處理模塊，依托星鏈低軌衛星星座搭建太空數據中心；谷歌推出“太陽捕手計劃”，擬于2027年發射搭載TPU芯片的原型衛星，最終在近地軌道構建由光通信鏈路連接的太空計算網絡。在技術融合應用方面，美國帕蘭提爾公司（Palantir）的數據分析平臺與天基衛星系統深度融合，整合多源異構衛星數據開展AI關聯分析，為全球多個領域提供智能化決策支持方案。整體來看，全球天基智能計算基礎設施發展已進入加速期。

 

傳統以通信、導航、遙感衛星系統為代表的空間基礎設施，正在AI驅動下走向融合，為低空經濟提供底層通信網絡、時空定位與全域感知服務。低軌通信星座通過增配處理模塊，向“通信+計算”一體化演進。導航衛星系統目前正從米級可用向厘米級可信跨越，通過低軌增強星座、下一代北斗系統等創新架構，構建高精度、高完好性、高可靠性的全球時空底座，從根本上破解低空經濟的導航瓶頸，為無人機的自主飛行與大規模應用鋪平道路。商業遙感衛星星座則通過星上智能處理，實現從數據采集到信息提取的實時化。這種“衛星+AI”的融合趨勢，共同構成了低空經濟的核心天基支撐。

 

二、關鍵技術

 

為了支撐低空經濟發展所需的泛在通信、高可靠冗余與智能空域管理，近年來，業內提出了融合衛星廣域覆蓋與地面網絡高性能低成本優勢的空天地一體化智能網絡架構（見圖1）。該架構融合天基（衛星系統）、空基（高空通信平臺、無人機自組織網絡等）、地基（移動通信網）和海基（船載基站、智能浮標、海上風電平臺通信節點等）資源，形成全域覆蓋、算網一體、感知智能的支撐體系。在此基礎上，圍繞“連接-算力-感知-決策”全鏈條，梳理出異構網絡融合、云邊端算力協同、5G-A/6G通感一體、多源信息融合感知和數字孿生五項關鍵技術，作為“衛星+AI”融合應用的核心使能技術。

圖1  空天地一體化智能網絡架構

 

異構網絡融合技術與云邊端算力協同技術相結合，實現計算資源隨需求動態調度，網絡隨計算最優路徑編排，為AI任務提供算網一體化的服務支撐。5G-A/6G通感一體技術將通信與感知能力深度融合，將低空從靜態管制空域轉化為動態智能空域，為飛行器提供可靠通信和感知服務。多源信息融合感知技術通過融合GNSS、視覺、雷達等數據，生成飛行器周邊高精度態勢，可實現飛行器實時避障；通過網絡將感知數據上傳，能在邊緣/云端進行更復雜的AI識別和全局態勢生成。而數字孿生技術則是在云端匯聚所有數據，在虛擬空間中映射、仿真、預測物理世界的狀態，并下發最優決策。

 

1.異構網絡融合技術

 

異構網絡融合技術是指將不同類型、不同架構、不同協議、不同頻段的網絡，通過統一的架構、協議或管理機制，實現無縫互聯、資源協同、業務互通的技術體系，通過統一智能調度天、空、地異構網絡資源，為“衛星+AI”提供穩定的數據傳輸通道，進而為低空飛行器提供“隨遇接入、動態適配”的通信支撐。

 

基于軟件定義網絡（SDN）的空天地異構網絡管控架構如圖2所示。借助SDN的集中管控能力與全局化視角，通過融合衛星網絡、地面網絡、空基網絡及專用鏈路等異構傳輸體制，實現了跨域資源的全局互聯與互補覆蓋。各類末端節點可依據任務需求、信道狀態，以隨遇接入方式靈活地接入到物理網絡，完成即插即用地快速組網。該架構通過SDN的北向接口，提供任務驅動的網絡服務模式。針對不同任務的QoS需求，SDN控制器可對多維資源進行統一編排，生成相應的邏輯拓撲與端到端轉發路徑，實現端到端可編程的傳輸管控。當鏈路或節點故障時，SDN控制器可快速完成拓撲重算與流表重下發，實現網絡態勢感知及任務流量與網絡資源的重映射，保障多任務并發場景下的高可靠、低時延通信。該架構突破了傳統“先建網、后適配任務”的固定模式，形成“網絡即服務、任務即拓撲”的彈性靈活的用網模式，為災害應急、遠洋監測等多種低空經濟應用場景提供了可擴展、可演進的技術路徑。

圖2  基于SDN的空天地異構網絡管控架構

 

2.云邊端算力協同技術

 

云邊端算力協同技術聚焦低空應用對實時性、智能化與全局優化的核心需求，通過整合云端強大計算能力、邊緣端低延遲近距離處理優勢及終端設備實時數據采集能力，依托云端、邊緣端與終端的深度協同和智能分工，實現算力資源的最優配置。

 

該技術解決“衛星+AI”的算力分配問題，云端承擔大規模數據處理、全局優化算法運行、長期趨勢分析等任務，同時支撐數字孿生構建與宏觀決策制定；邊緣端負責區域級數據聚合、算力調度及高實時性本地任務處理，可實現多無人機協同等場景的高效響應，有效減少云端傳輸壓力；終端專注于實時傳感數據采集與輕量化處理，完成飛行器本地自主避障、路徑規劃等邊飛邊算功能，同時保障多模通信順暢，如圖3所示。

圖3  云邊端架構

 

云邊端算力協同技術通過實現算力資源的動態分配與任務協同，有效緩解了低空場景中實時處理需求與云端算力延遲的矛盾，為AI算法在低空飛行器端、邊緣端的高效運行提供支撐，間接破解感知數據處理滯后的瓶頸。

 

3.5G-A/6G通感一體技術

 

5G-A/6G通感一體技術是將無線通信與環境感知融合于同一系統框架的創新技術，通過共享頻譜與硬件資源，同步實現通信與雷達感知功能。該技術將基站、終端及網絡轉化為多功能傳感器，在提供通信服務的同時，具備探測、定位、識別、計算與成像等能力，通過5G-A/6G基站與衛星協同，同步實現低空飛行器通信與環境感知能力，為智慧低空、空地融合等領域提供增強型解決方案。

 

為保障通感算與6G高效融合，需突破通感算一體化、通感算融合多源信息數據處理、通感算融合資源管理等關鍵技術瓶頸：1）通感算一體化技術以波形通信感知一體化為核心，依托同一射頻收發設備與頻譜資源，同步實現無線通信與雷達感知功能。通過分析反饋的實時信道波束等電磁環境信息及節點空間信息，可降低傳統分置架構下通信與感知的相互干擾，提升雙功能性能。2）通感算融合的多源信息數據處理技術面臨感知數據結構、功能及語義多樣性挑戰，需實時處理數據以減少傳輸量、提升信息價值，緩解通信壓力并提高感知效率。基于業務場景與服務對象，多維信息處理劃分為降維減冗、融合及共享三類：降維減冗通過統一關聯規則提取特征語義，借時間、事件等標簽降維并消除冗余；融合整合傳感設備信息構造聯合信息；共享將數據上傳中心服務器調度，擴大單體感知范圍，克服孤立節點視距障礙、負載擁塞等問題。3）通感算融合的資源管理技術則需提供感知、通信、計算多維資源保障。但高動態環境中，資源與業務匹配存在競爭、協作等復雜關系，亟須突破融合管理方法。針對多業務異構性及資源動態性，先通過網絡拓撲發現與節點位置預測更新資源信息；再基于意圖驅動技術，結合資源拓撲、能耗及協作效能反饋構建知識圖譜；最終依托圖譜與機器學習訓練模型，實現業務需求自適應調度，達成通感算資源自適配管理。

 

4.多源信息融合感知技術

 

多源信息融合感知技術是指通過多類型、多維度、多時空尺度的信息源采集數據，經“采集-預處理-關聯-融合-決策”全流程處理，最終形成對目標或環境更可靠、完整、精準認知的技術體系。

 

該技術是“衛星+AI”提升決策精度的核心——衛星提供GNSS導航數據與遙感影像，無人機搭載視覺、雷達傳感器，AI跨模態融合算法將多源數據整合，生成飛行器周邊三維態勢。其核心應用方向包括三大類：1）衛星-低空多模導航融合與智能校正，針對低空場景衛星信號受遮擋導致的定位失效問題，構建衛星主導與多源補盲的智能導航體系，依托多源數據時空對齊機制與AI動態校正算法保障定位可靠性；2）衛星-低空多模態遙感數據智能融合解譯，突破單源數據模態局限、空間分辨率不足及時間響應滯后的技術瓶頸，通過多模態數據層融合與AI解譯引擎優化，實現衛星遙感觀測從粗放式向精細化、非實時向準實時的轉換；3）低空目標衛星-全域協同監測與智能識別，聚焦微小型無人機“黑飛”監管難題，搭建衛星廣域掃描、低空近距離識別、AI聯動研判的全域監測體系，借助多源感知數據協同與AI跨模態目標識別模型提升監管效能。

 

多源信息融合感知技術針對低空飛行環境復雜、應用場景多樣的特點，其信息源涵蓋空-天-地-海多平臺，數據類型包括定位數據、遙感數據、通信數據、環境數據等，為AI提供高質量、全維度的輸入數據，從而解決單一傳感器或獨立系統難以滿足安全、高效需求的問題，協助構建自適應、高精度、實時化的空天一體化智能感知體系。

 

5.數字孿生技術

 

數字孿生技術通過整合物理模型、傳感器更新、運行歷史等數據，開展多學科、多物理量、多尺度、多概率的集成仿真過程，在虛擬空間完成對實體裝備的精準映射，全面反映其全生命周期過程。該技術契合低空經濟的核心需求，包括極端的安全性與可靠性需求、高度復雜的系統協同需求、實時動態的空域管理需求、經濟性與效率優化需求，以及監管與合規的透明化需求，通過構建低空全域虛擬映射，實現對物理空域的動態仿真與預測，為低空管控提供全局視角，間接破解傳統人工監控效率低、預警滯后的瓶頸。

 

在實際應用中，已有多個成功案例落地，例如：數字孿生瓊江項目通過構建“空天地一體化感知網+智能模型平臺+協同決策引擎”，實現全流域防洪抗旱與水資源調配的智能化管理；廣州低空飛行氣象數據服務平臺以城市信息模型為基座，融合天擎數據處理系統、三維可視化技術和“端到端”觀測數據流試驗成果，構建多維低空氣象數字孿生底座，實現低空飛行氣象數據服務智能互聯；“九天航馭”平臺融合北斗、通信與AI技術，實現對低空飛行器的厘米級定位和毫秒級響應，該平臺具備實時監視、實時識別、實時處置、態勢評估、空域管理、飛行調配等功能，可滿足未來低空應用場景高可靠、大容量、高頻次的飛行管理和安防反無人機需求。

 

三、應用場景

 

衛星與人工智能融合通過與前述關鍵技術協同，在低空經濟典型場景中落地應用，解決場景核心痛點，形成“技術-場景”閉環支撐。

 

1. 物流配送

 

在低空經濟政策紅利持續釋放的背景下，物流配送已成為低空應用的核心場景之一，呈現出政策引導、技術驅動、場景深化的發展態勢。目前，我國低空物流已從初期的城市末端配送試點，逐步向城際干線、跨區域支線運輸拓展，北京、重慶、深圳多地布局低空物流示范區，支持無人機物流基礎設施建設與航線試點。

 

在市場層面，物流企業、科技公司與航天機構加速協同，形成從飛行器研發、空域申請到運營管理的全產業鏈布局，小型無人機末端配送已在快遞收發、生鮮運輸等場景實現常態化運營。技術層面，無人機載重能力、續航時間持續提升，大型貨運無人機載重已突破噸級，為干線運輸奠定基礎。2025年2月榆林至西安城際低空物流航線首航，填補了國內大型無人機干線物流運輸空白，運送時間較傳統陸運節省70%以上；202年7月川渝跨省市無人機郵路支線試飛成功，實現跨地形障礙點對點高效運輸。然而，無人機物流規模化推進仍面臨超視距通信覆蓋不足、全域感知能力薄弱、動態調度精度不足及空天一體化管控缺失四大核心技術瓶頸。

 

異構網絡融合技術協同低軌通信衛星，構建覆蓋城際路徑的連續通信鏈路，保障超視距飛行控制與數據傳輸。在此基礎上，通過實時監測物流數據傳輸需求，動態分配通信帶寬資源，有效保障無人機飛行控制指令與高清監控影像的可靠、穩定傳輸，從而支撐超視距飛行的規模化運營。云邊端算力協同技術支持在邊緣節點進行實時航線規劃（集成衛星氣象/地理信息），在云端運行全局任務調度模型，負責對區域內多架無人機進行協同管理，通過動態分配空域資源以避免航線沖突，從而提高整體調度效率和空域利用率。5G-A/6G通感一體與多源信息融合感知技術結合，融合基站局部感知數據與衛星廣域監測信息，構建實時、精準環境態勢感知能力。數字孿生技術則對航線進行風險模擬與評估，形成天地協同的智能管控體系。上述技術體系共同構建了高可靠、廣覆蓋、智能化的低空物流基礎設施底座，支撐實現全域可達、全知視界、全域智能調度、全域聯通的低空物流服務目標。

 

2.農業生產

 

當前，低空經濟在農業生產領域已實現規模化起步，無人機植保、低空遙感監測、空中播種等應用場景逐步落地，成為推動傳統農業向智慧農業轉型的重要力量。數據顯示，我國無人機植保作業面積已連續多年保持30%以上增速，2025年全國核心農區植保無人機覆蓋率超60%，在小麥、水稻等大宗作物的病蟲害防治中發揮了關鍵作用。同時，低空飛行器搭載多光譜相機、紅外傳感器等設備，已廣泛應用于作物長勢巡查、苗情監測等環節，較傳統人工巡查效率提升5～10倍。然而，現有應用仍面臨顯著瓶頸：偏遠農區低空通信覆蓋不足導致飛行器超視距作業時鏈路中斷，單靠機載設備難以實現大范圍農田的精準定位與路徑規劃，且多源監測數據缺乏全局視角的整合分析，易出現病蟲害漏判、灌溉時機誤判等問題。這些瓶頸使得低空農業應用難以從“單點作業”向“全域智能管控”升級。

 

多源信息融合感知技術融合衛星遙感與無人機田間數據，通過AI解譯算法完成作物類型識別、種植分布劃定及長勢評估，最終生成農田長勢熱力圖，為全域農業管控提供宏觀決策依據。例如，四川省遂寧市遂寧壹號衛星依據多光譜數據特性差異判別地物，通過時間序列歸一化植被指數特征反演農作物生長過程，監測撂荒地和作物分布。北斗衛星導航技術與AI算法有機融合，為植保無人機提供厘米級高精度定位服務；同時，AI算法對衛星多光譜數據與無人機田間實測數據進行融合分析，精準識別病蟲害發生區域、危害程度，進而動態調控施藥量與施藥范圍，實現變量施藥與精準防控，既提升作業效果，又減少資源浪費。災害預警層面，衛星遙感數據與數字孿生技術相結合，基于歷史災害數據訓練的AI預測模型，可提前對旱災、病蟲害等農業災害進行預警，并自動生成針對性救災方案，為災害防控爭取時間窗口，降低災害損失。衛星與AI融合技術構建了“宏觀監測-精準作業-災害預警”的全鏈條解決方案，推動智慧農業向全域化、智能化發展。

 

3.應急救援

 

低空經濟目前已成為應急救援領域的重要支撐力量，無人機勘查、空中物資投送、低空通信中繼等應用場景逐步規模化落地，顯著提升了救援響應效率。數據顯示，我國應急救援領域無人機配備率已覆蓋90%以上的縣級救援單位，在地震、洪澇、森林火災等災害處置中，無人機可快速完成災區地形測繪、被困人員搜索、火情監測等基礎任務，較傳統人工勘查效率提升10～15倍。然而，現有低空應用仍面臨顯著瓶頸：偏遠災區或復雜地形下地面通信基站損毀導致無人機超視距作業時鏈路中斷，單靠機載感知設備難以實現大范圍災區的全域態勢掌控，人工研判無人機傳回的海量數據耗時較長易錯失黃金救援時機，惡劣氣象條件下無人機定位精度下降導致物資投送偏差較大。這些瓶頸使得低空應急救援難以從單點輔助向全域協同升級，亟須引入衛星技術的廣域覆蓋能力與人工智能的智能決策能力。

 

針對傳統應急救援中存在的視野局限、研判困難、投送不準、通信中斷等問題，衛星結合人工智能構建“通信-感知-定位-決策”一體化體系：異構網絡融合技術與低軌通信衛星深度協同，在地面基站損毀或信號盲區場景下，在災區快速搭建衛星與無人機之間的應急通信鏈路，實現救援指令、災情數據的穩定傳輸，保障超視距救援作業的連續性；多源信息融合感知技術對衛星遙感影像、無人機航拍數據進行融合分析，快速識別災區房屋損毀程度、積水淹沒范圍、道路通行狀況等關鍵信息，自動生成災情等級地圖，為救援指揮提供精準的數據支撐；北斗高精度導航技術與云邊端算力協同架構深度融合，邊緣端AI算法可基于多源數據實時定位被困人員位置；無人機依托衛星導航信號實現應急物資的精準投送，同時結合數字孿生模型對救援路徑進行仿真推演，提前規避復雜地形與氣象風險，優化救援方案。

 

4.能源巡檢

 

相比傳統的人工巡檢方式，無人機巡檢不僅效率更高，而且能夠覆蓋人工難以到達的區域，替代了90%的人工巡檢工作。我國電力、油氣、新能源等領域的低空巡檢滲透率持續提升。從技術應用來看，低空巡檢已從早期的人工操控可見光航拍，升級為“自主飛行、多傳感器融合、AI實時分析”的智能化模式，固定翼無人機負責長距離線路快速普查、多旋翼無人機承擔精細化缺陷檢測、直升機搭載激光雷達開展大范圍三維建模的分工體系已基本成型。在覆蓋場景上，實現了對輸電線路、油氣長輸管道、風電機組、光伏電站、水電站大壩等主要能源設施的全面覆蓋，尤其在西部偏遠山區、海上風電等人工巡檢難度大的區域，低空巡檢已成為主流方式。

 

衛星技術的廣域覆蓋優勢與AI的智能分析能力深度融合，幫助構建大范圍普查、精細化檢測、全局調度的全流程巡檢體系。大范圍普查層面，多源信息融合感知技術利用衛星遙感開展全域普查，識別大范圍缺陷區域，如輸電線路覆冰、風電機組葉片損傷、桿塔傾斜等共性問題，為后續精細化巡檢劃定重點區域，提升巡檢工作的針對性與整體效率。精細化檢測層面，依托衛星導航技術實現無人機的精準導航與路徑規劃，無人機搭載紅外、激光雷達等高精度傳感器近距離采集重點區域能源設施的細節數據；通過機載或邊緣的AI模型對采集到的影像、點云數據進行深度分析，可實現毫米級故障點精準定位，如線路微小破損、風機葉片細微裂紋等隱性缺陷，大幅提升缺陷識別的精準度。全局調度層面，數字孿生技術與云邊端算力協同架構有機結合，云端AI調度模型匯總遙感衛星的全域監測數據與無人機的精細化檢測數據，生成能源設施巡檢熱力圖，直觀呈現缺陷分布密度與嚴重程度；同時基于熱力圖動態優化無人機集群的巡檢路徑，實現多機協同、錯峰巡檢，最大化提升巡檢資源利用率與整體作業效率。

 

5. 城市治理與環境監測

 

2023—2025年間，我國半數以上省會城市已將低空飛行器應用于城市管理場景。“衛星+AI”融合技術支持構建城市“主動發現、快速上報、智能流轉、協同處置、閉環反饋”的全流程機制：衛星與5G-A/6G通感一體基站協同，負責廣域普查和定期掃描，識別城市違建、水體污染、綠地變化等宏觀問題；AI對衛星數據進行智能識別，分發預警任務，將問題坐標、類型等信息推送至對應管理部門；無人機快速響應并精準取證（如拍攝違建細節照片、采集污染水體樣本），將取證數據上傳至城市治理平臺；數字孿生平臺通過AI調度多部門協同處置，處置完成后再通過衛星或無人機復核，形成閉環管理。

 

沈陽市沈北新區通過無人機自動機場系統構建立體化巡檢網絡，可識別交通擁堵、占道經營等20余種城市問題，平均處置時效提升70%。重慶通過建設自動巡飛、多場景識別、高分辨率采集的低空感知預警平臺，形成“定時巡航、邊飛邊算”的工作模式，覆蓋全天候、全區域、全場景管控需求，有效節省人力成本。

 

四、總結與展望

 

人工智能與衛星技術的深度融合，正以前所未有的力量推動低空經濟從概念走向現實，從區域試點邁向全球化運營。天基智能系統已在自主運行、星上處理、實時感知、智能組網等方面取得顯著突破，為低空通信、導航、感知三大瓶頸提供了系統性解決方案。AI與衛星應用的融合呈現出以下幾大趨勢。

 

1．智能處理范式演進：從“天數地算”到云邊端算網協同

 

傳統衛星數據需回傳地面處理，即“天數地算”模式，存在延遲高、星地帶寬壓力大等問題。隨著以三體計算星座為代表的天基計算設施的部署，星上算力顯著提升，可實現數據的在軌實時處理與智能決策，極大提升了響應速度與資源利用效率。未來，將進一步打通云、邊、端算力資源，構建算力隨需調度、網絡智能編排的一體化服務體系，實現從數據采集、處理到決策的全鏈條協同，顯著提升低空應用的實時性與智能化水平。

 

2．AI定義網絡與通感一體支撐全域互聯

 

未來的空天地一體化網絡，正從“被動傳輸管道”向“主動感知、智能調度”的AI定義網絡演進。通過引入軟件定義網絡、深度強化學習等AI技術，實現異構網絡資源的統一管控與動態路由，保障低空飛行器在復雜環境下的“永遠在線”。同時，5G-A/6G通感一體技術將通信與感知功能深度融合，使基站與終端兼具通信與雷達雙功能，構建低空全域感知場，實現對飛行目標的實時探測、定位與識別，為低空安全監管與智能調度提供核心技術支撐，為低空飛行安全與監管提供堅實的技術保障。

 

3．協同感知與多源數據融合從技術趨勢走向應用必需

 

針對低空目標多樣、環境復雜的特點，單一平臺或數據源難以滿足全域監管需求。天基、空基、地基平臺協同，構建空天地一體的多平臺協同感知網絡成為必然選擇。通過多源信息融合感知技術，結合AI跨模態分析能力，實現對多源數據的深度融合，是實現對低空目標的精準監控與管理的關鍵路徑。

 

4．智能管控和數字孿生技術，賦能系統全域自主運行與風險前瞻防控

 

數字孿生技術通過構建低空全域的虛擬映射，實現對物理空域的實時監控、動態仿真與預測推演，成為低空系統智能管控的核心平臺。結合AI強化學習、大數據分析等技術，數字孿生系統可在虛擬環境中進行飛行策略訓練、空域沖突預測、異常行為識別與應急響應推演，顯著提升系統安全性、運行效率與經濟性。未來，隨著“九天航馭”等平臺的推廣應用，數字孿生將與AI調度算法深度融合，推動低空管理從人工干預向系統自治演進，實現低空運行的全生命周期管理，顯著提升安全性、效率與經濟效益。

 

盡管AI賦能衛星應用的前景廣闊，兩者融合仍面臨諸多挑戰：

 

1）技術層面：復雜環境下“感知、決策、控制”全鏈條的協同能力不足。多源數據的融合精度易受惡劣氣象環境的干擾而下降，導致感知可靠性降低；同時，星上算力目前仍難以支撐復雜AI模型的在軌實時運行，限制了星地數據的實時智能處理能力；此外，面對未來千架級無人機的高密度集群運營，現有的協同調度算法尚不成熟，極易出現飛行沖突，亟待優化。

 

2）標準與生態層面：當前，衛星數據格式、低空通信協議等尚未形成統一規范，跨領域標準的缺失構成了顯著的協同壁壘。而航天、人工智能與低空運營企業各自的技術體系互不兼容，形成了碎片化的產業格局。這種局面導致信息孤島問題突出，阻礙了技術、數據和服務的深度融合與規模化應用。

 

3）安全與合規層面：數據安全風險尤為突出，低空飛行器的實時軌跡、高分辨率遙感數據等敏感信息存在泄露隱患。AI決策的可靠性及其責任界定依然模糊，一旦AI調度系統出現失誤，難以清晰劃分責任主體。同時，“黑飛”無人機與反制技術之間的博弈持續加劇，現有的反制措施在實施過程中容易對合法飛行造成干擾，這對精準管控提出了更高要求。

 

4）資源與成本層面：低空產業需求的廣泛性與衛星資源的稀缺性之間存在矛盾，衛星帶寬和軌道資源有限，難以滿足爆發式增長的低空應用需求。同時，衛星應用與AI技術的前期投入過高，使得眾多中小低空企業難以承擔相應的技術成本，可能制約產業的整體創新活力。

 

未來，隨著我國低軌衛星互聯網星座、三體計算星座等的全面建設與運營，以及全球低空經濟需求的持續爆發，天基智能系統將不僅是太空新基建，更是推動社會數字化轉型、提升國家綜合競爭力的戰略支柱。人工智能與衛星的融合，必將開啟一個更加智能、高效、安全的低空經濟新紀元。

 

來源：《衛星應用》2026年第3期