天空智算CEO陈哲出席WAICA 2026,分享星地大小模型协同推理前沿技术

       7月19日,天空智算CEO、复旦大学空间互联网研究院院长助理/副研究员陈哲受邀出席 WAICA 2026“空间智能计算前沿:大模型、多智能体与空天地一体化技术”研讨会,并发表题为 《星地大小模型协同推理方法及技术》 的主题报告。


图片

    本次研讨会于上海徐汇西岸国际会展中心举行,由WAICA委员会、中国计算机学会主办,上海应用技术大学、复旦大学及ComoSpace公司承办。会议汇聚高校、科研机构与产业界专家,围绕太空操作系统、空间导航、太空算力、星地协同推理、卫星互联网与商业航天等前沿方向展开深入交流,共同探索空间智能从理论研究走向工程验证与产业应用的发展路径。

        本次报告所介绍的星地大小模型协同推理技术,也是天空智算卫星互联网智能体平台SatAgent的重要底层支撑。通过连接星上轻量模型、地面大模型、行业知识库与卫星数字孪生系统,SatAgent能够根据任务需求、模型能力和链路状态,动态组织专业知识检索、智能推理与工具调用,为卫星互联网专业问答、方案分析、自动化实验及运维辅助提供更加高效、可靠的智能能力。


当大模型进入太空,

为什么需要“星地协同”?

图片

     随着低轨卫星星座加速部署,卫星正在从传统的信息采集与转发节点,逐步演进为具备感知、推理和自主决策能力的空间智能节点。

      与此同时,遥感图像、频谱、雷达、遥测等星载数据持续增长,传统“全部数据回传地面、统一集中处理”的模式正面临明显瓶颈:低轨卫星与地面站连接时间有限,链路带宽持续波动,大规模数据回传不仅时延较高,也难以满足灾害监测、空间态势感知和实时遥感分析等任务对响应速度的要求。

      大模型具备更强的多模态理解、泛化推理和多任务处理能力,为卫星智能带来了新的技术可能。但受限于星载计算、存储、能耗和通信条件,直接在卫星上部署完整大模型仍面临较高的资源门槛。

      因此,如何让星上的轻量模型与地面的全量大模型协同工作,成为大模型进入空间应用的重要技术路径,也是SatAgent实现星端、边缘与地面智能能力统一编排的关键基础。

星上“小模型”快速响应,

地面“大模型”深度推理

图片

      在本次报告中,陈哲围绕星地大小模型协同推理架构,介绍如何根据任务难度、知识匹配程度、推理置信度以及星地链路状态,在星上与地面之间动态选择更加合适的处理路径。相关研究在星上部署轻量化视觉语言大模型,在地面部署能力更强的全量模型,并结合分布式检索增强生成知识库与智能任务调度器,形成星地协同推理流程。

       对于知识充分、难度较低且置信度较高的任务,星上模型可以直接完成推理并快速输出结果;对于知识不足、任务复杂或推理置信度较低的查询,系统则将任务卸载至地面,由更强的大模型继续处理。

        这一机制并非简单地将任务分成“星上处理”或“地面处理”,而是通过匹配测试与认知测试,对检索结果和模型输出进行动态判断。在推理前,系统结合图像相似性与指令相似性评估星上知识是否充分;推理后,再根据模型输出概率计算置信度,决定采纳星上结果还是进一步调用地面模型。

       这一技术机制将进一步支撑SatAgent的智能任务路由能力。面对不同类型的卫星互联网专业任务,SatAgent可结合任务复杂度、模型能力、算力资源和网络条件,在星上轻量模型、地面大模型以及专业工具之间动态分配任务,兼顾处理时效、推理质量与资源开销。


图片

让知识也在星地之间动态协同

图片

      除了模型能力协同,报告还将介绍星地知识库的分层部署与动态更新机制。

      星上保存轻量化、高频使用的知识与样例,满足在轨快速检索和实时推理需求;地面则维护规模更大、内容更完整的全量知识库。对于近期未能在星上解决的任务,相关知识可在后续通信窗口中更新至星上;对于低频或历史复杂任务,则继续由地面系统完成推理。

       通过这种设计,卫星无需保存全部知识和全部模型参数,也能够在有限资源条件下持续获得地面智能能力的支撑,实现“轻量部署、按需调用、持续更新”。

      实验结果表明,该方法在保持较高推理准确率的同时,可显著降低端到端推理时延,并对星地通信带宽变化保持较强鲁棒性;通过优先级队列和动态调度机制,还能够进一步提升高时效任务的处理效率。

       对于SatAgent而言,星地分层知识库不仅能够降低星端存储和计算压力,也能够推动行业知识从静态集中存储走向按需分发与动态更新。国际规则、频轨资源、卫星网络架构、设备运维和任务经验等专业知识,可根据实际业务需求在星端、边缘和地面之间进行分层组织,为不同场景提供更加及时、精准的知识支持。


从协同推理技术走向卫星互联网智能入口

图片

       星地大小模型协同并不只是单一算法问题,其背后涉及模型部署、知识管理、任务调度、工具调用、网络状态感知与业务流程编排等一系列系统能力。

       这也正是天空智算持续建设卫星互联网智能体平台SatAgent的核心方向。本次报告所介绍的星地大小模型协同推理方法,将作为SatAgent实现端云协同与未来星地协同智能的重要关键技术,为平台从“专业知识问答”进一步走向“跨模型、跨工具、跨算力节点的任务执行”提供底层能力支撑。

      SatAgent定位于卫星互联网产品体系中的智能体与认知中枢,面向卫星通信、天地一体化网络、国际标准与空间智能等专业场景,连接行业知识、专业工具、业务流程以及星地异构算力,为科研、标准、工程设计和运行管理提供统一的智能化入口。

       在专业知识层面,SatAgent汇聚国际规则、频轨资源、卫星网络架构、星上计算与工程实践等领域知识,支持专业问答、标准检索、文档解析和方案分析。

      在任务执行层面,平台通过智能体工作流,将检索、分析、计算、仿真和材料生成等步骤组织为可执行流程,并逐步与天空智算SDT卫星互联网数字孪生系统深度融合,实现从自然语言需求理解,到星座、轨道、链路和网络仿真工具调用的流程贯通。

      在协同智能层面,SatAgent进一步连接星端、边缘与地面模型,根据任务特征、算力资源与链路状态选择更加适合的推理路径。星地大小模型协同技术将使SatAgent具备更加灵活的模型调用和任务调度能力:简单任务可由轻量模型快速处理,复杂任务则可调用地面大模型、专业知识库和数字孪生工具协同完成。

      这意味着,SatAgent不仅能够回答“什么是星地协同推理”,还可以进一步参与任务执行:理解用户需求,检索行业知识,调用专业工具,分析链路与资源状态,并将任务路由至合适的模型和计算节点,形成从问题理解、分析推理到结果生成的完整智能工作流。


图片

不只是专业问答,

更是面向空间智能的任务操作系统

图片

      围绕卫星互联网行业的实际需求,SatAgent正在形成三类核心能力。

      懂标准。 面向ITU规则、频率协调和卫星网络标准场景,支持跨文件检索、条款定位、规则对比与协调材料辅助生成,将复杂、分散的行业标准转化为可检索、可理解、可复用的专业知识能力。

      懂系统。 覆盖星座设计、天地一体化网络、链路计算、频轨规划、星上计算及网络运维等专业知识,并通过与SDT卫星互联网数字孪生系统融合,辅助技术人员开展方案分析、仿真验证和工程决策。

       懂协同。 面向星地异构算力环境,连接星上轻量模型、地面大模型、行业知识库与数字孪生工具,根据任务难度、推理置信度、资源状态和链路条件动态组织模型与工具,推动智能能力从单次问答走向自动化任务执行与闭环优化。

       通过专业知识底座、智能任务工作流、数字孪生工具调用和星地大小模型协同推理能力,SatAgent正在将分散的标准、数据、模型、算力和工具组织为可复用、可复制、可持续增强的行业智能能力。


关于天空智算

图片

       天空智算聚焦卫星互联网与空间智能领域,围绕卫星数字孪生、行业智能体、星地协同计算及空间AI技术开展研发与产业化实践。

      公司面向卫星网络规划、天地一体化组网、频轨资源管理、星上计算、空间态势感知及科研教学等场景,持续推进专业知识、数字孪生系统与大模型智能能力融合,构建从网络仿真验证、行业知识服务到星地智能协同的一体化产品体系。

       其中,SDT卫星互联网数字孪生系统负责对星座、轨道、链路、网络与设备进行建模、仿真和验证;SatAgent则面向用户需求理解、专业知识推理、工具调用和任务编排,为数字孪生系统与行业应用提供智能交互入口。星地大小模型协同推理技术进一步连接不同规模模型与异构算力节点,构成SatAgent未来面向端、边、云、星协同发展的关键技术底座。

      未来,天空智算将继续推进SatAgent与SDT卫星互联网数字孪生系统、星上轻量模型及地面大模型的深度融合,让智能体不仅能够理解卫星互联网,更能够调用工具、连接系统、调度算力并完成专业任务,为空间智能技术从研究创新走向规模化应用提供更加坚实的软件与智能基础设施。


注册体验

图片

       扫描下方二维码,欢迎注册体验SatAgent卫星互联网智能体平台,探索专业知识问答、方案分析、智能检索、数字孪生工具调用与星地协同智能能力。


图片