星云空间获2.5亿美元融资，打造在轨AI推理数据中心

随着AI模型对算力需求激增，地面数据中心面临能耗和散热瓶颈。星云空间提出将数据中心送入太空，利用太空的低温环境和太阳能优势，实现高效计算。创始人Philip Johnston意识到火箭发射能力紧张，提前锁定发射合同，确保卫星部署。公司已发射首颗实验卫星，验证了在轨AI推理可行性，并吸引了NVIDIA等巨头投资，共同开发太空专用芯片。

已获2.5亿美元融资，估值达23亿美元，NVIDIA投资2500万美元。已发射首颗卫星并成功训练模型，计划2027年发射8千瓦计算卫星，服务美国政府客户。

1. 1调研并选择开源卫星计算平台（如OpenSpace等）作为基础，评估其支持AI推理的能力，制定技术路线图
2. 2开发最小功能集：集成轻量级AI模型（如YOLO或BERT-tiny），实现在轨图像分类或文本推理的Demo，验证卫星端推理性能
3. 3与国内商业航天公司（如星河动力、蓝箭航天等）合作，争取搭载机会或共享发射任务，降低发射成本
4. 4针对应急管理、农业监测等垂直场景，与地方政府或行业客户共建PoC项目，获取种子用户反馈
5. 5建立地面模拟测试环境，持续优化模型压缩与卫星能源管理，确保在轨稳定运行
6. 6规划迭代节奏：每6个月完成一次卫星软件升级或新载荷验证，逐步扩展计算能力

技术可行性：国内已有卫星平台和AI芯片基础，但需验证在轨环境下的散热和辐射防护；数据可得性：地面遥感数据丰富，可作训练集，但需构建在轨数据链路；获客渠道：通过政府项目、航天展会、行业媒体触达；合规要求：需申请卫星频率、发射许可，并符合数据安全法规；竞争格局：国内在轨计算尚属空白，但需关注国际企业（如星云空间）的技术领先，国内可发挥成本优势快速切入。

窗口期：现在正合适。国内商业航天刚起步，东数西算推进带来算力需求，但在轨计算领域尚无先发者，政策支持创新，且国际融资热度验证了方向，国内团队可借力产业链优势快速跟进，但需在2年内完成首星验证，否则窗口期可能被国际巨头挤压。

主要风险：卫星发射成本高、技术验证周期长、在轨AI性能受限；政策审批的不确定性；市场教育成本高，付费客户可能集中在政府与军工领域。