借力AI研制一颗卫星只要两三个月，卫星AI制造执行效果如何
发布日期：2024年3月25日 近几年来，AI成为我国“基建狂魔”的新基建之一。AI技术迭代成了一个“对话框”，可以回答问题、画图、做视频、写代码……大家第一次看见了“原本看不见摸不着”的AI。AI技术的产品化，带给人们更大的想象空间。
对企业而言，AI技术一能降低成本，二能提高生产效率，三可以为组织赋能，企业应该主动去拥抱新技术，这是“百尺竿头更进一步”。自然而然，作为高端卫星制造企业，我们想到了卫星制造业。
“如今卫星的迭代速度非常快，原来研制一颗卫星要两三年，现在两三个月就要做出来，我们借助AI(人工智能)技术来制原理图、写代码等。”中国科学院微小卫星创新研究院技术研发中心副主任田丰22日在沪说。
人工智能技术给卫星行业带来的革新
不仅是研制方面，卫星奔赴宇宙后还需要用人工智能技术。田丰介绍说，比如遥感卫星获取到的数据体量非常大，难以完全传回地球，因此需要利用人工智能技术在卫星上先进行一些处理，然后再展开传输。
人工智能确实已经给一些行业带来明显变化，它能否转化为新质生产力？
在清华大学计算机科学与技术系长聘副教授崔鹏看来，这轮AI发展确实给各行各业带来很多机遇，但从业者要审视目前AI技术的真正发展水平，“我们还需要迎接很多严峻的挑战，才能真正将之转化成我们期待的新质生产力。”
比如，整体上，人工智能在开放环境下的处理能力不足等问题，让其无法在重点领域实现落地，无法进而转化为新质生产力。
另外，若具体看中国的行业发展情况，崔鹏指出，在人工智能尤其是大模型领域，从业者要有一种清醒的认识，“从全世界范围来看，目前中国的人工智能发展处于一线水平，但如果和国际最先进的水平相比，我们还存在一定差距。”
他指出，这差距体现为中国人工智能发展在数据、算法和算力三方面都不占特别大的优势。比如，在数据方面，现在中国业内大模型吸纳的高质量科技数据是有限的。
崔鹏说，人工智能发展有“三起两落”，“为什么会出现寒冬期？因为行业对人工智能的预期非常高，当有一天我们发现人工智能发展还达不到预期的时候，行业就会进入寒冬期。”
各个行业应对人工智能发展有些耐心，希望AI从业者与其他行业人士真正携手，去解决一些落地问题，提高AI技术转化为新质生产力的比例。
中国某科技企业的一名总架构师指出，当前环境下，从业者要保持危机感，但总体上他并不悲观，“算力等方面的一些限制，给技术发展带来的挑战确实很大，但中国在人工智能产业应用上有潜力、有空间，随着自主创新的人工智能软硬件基础设施的不断成熟、完善，我们有信心能做好。”
这名总架构师指出，这波人工智能浪潮跟之前的有本质不同，此次发展跨过了一定技术门槛，AI能力有了质的飞跃，应用潜力非常大。但他提醒说，在一些技术匹配度高的领域可能会很快实现革新变化，在很多领域可能还需要随技术演进以及人工智能和行业的深度结合才能逐步发挥作用，因此行业需要多些耐心。
传统卫星是定制化产品，从方案论证到详细设计、产品投产和交付、卫星AIT（集成总装测试）的研制流程基本为串行实施，需要耗费大量的时间、空间和人力资源，做出来的卫星固然可靠，但相应的成本也较高。随着需求的增加，卫星的生产模式必然进入批量化和流水线，通过高标准的生产体系和高质量的管理流程的流水线下生产出来的卫星同样可以保障可靠性，成本也会很大降低。
如何让卫星回归它作为商品的本质，把应用市场、服务市场打开，让人们用得起呢？
01：卫星制造业应该相信并需要AI吗？
金博士：当然相信。AI极大地提高了我们的生产效率，尤其是对于规模化组批生产是一个很好的技术路径。
像过去汽车的批量生产，包括特斯拉大幅降低成本，这是毫无疑问的。包括马斯克的星链，也采用了不少AI技术，还有现在国内一些特殊用户的星座计划、批量研制卫星生产，都多多少少采用了AI的算法自动装配技术。
另外像星上的软件设计，针对图像都是基于神经网络的这种智能识别，在地面经过训练，通过星上自己识别以后，直接就生成了情报信息，不需要再将数据影像再通过长链路低效、长时间的数传链路落地，星上形成情报后即以短报文的方式分发到各个终端用户，大大缩短了成像出信息结果，可以直接面向一线用户终端提供服务，这种技术目前已经很成熟。只是用不用AI模式，具体看用户在卫星性能特点和规模研制上是否有需求罢了。
02：AI能满足现在卫星制造的要求吗？
金博士：还有距离。AI实际上是模拟人的思维，通过各种算法模型建立一种智能化的思维逻辑实现方式。比如ChatGPT作为全球最先进的自然语言处理模型，对于语言的上下文理解就已经具备初步的人类思维，通过深度学习和强化学习，以及复杂的神经网络算法模型，可以实现初步的自我进化。
从卫星角度看，需要考虑怎么应用AI现有的模型算法实现卫星的智能化制造，以及卫星在轨运行的未来预测分析。卫星AI制造，首先就需要研发一款AI智能化工具模拟或者实现卫星各分系统的研发或者星的组装。
对于遥感卫星来说，目前面临着一些星际链路、环境、天气等一些不确定的干扰因素，就会造成一些数学模型有误差，这些误差会导致最终的比如情报信息的判断，会出现一些误判、漏判或者不准确性，这个就需要AI通过后续不断的迭代，在轨的实验、标定或精细化数学模型去修正的，这是一方面。
另一方面，像在地面制造环节，随着咱们产品硬件的目标不断高集成化，或者技术牵引，AI会随之将原本自动化组装的效率进一步提升。因为自动化组装、自动化测试或者其他方面，介于这种智能型的算法，它也需要有一个随着目标产品的性能不断提升后，还会不断迭代更新它自动化生产的这些算法。
AI会是一个不断迭代升级的过程，毕竟卫星不管是结构还是电子学产品，它没有像汽车那样工业化和标准化。所以随着卫星不断的技术升级标准化和接口规范化，AI会让我们自动化生产测试设备的软件算法、硬件算法也不断的趋向于像汽车工业那样的更自动化、更智能化、更标准化。
当然，AI也有它的弱势部分，在保证算法实时性、质量有效性上还是非常难的。好比全国两会期间在“部长通道”上，科技部王部长以梅西踢球作喻，‘大家都能做出发动机，但质量是有不同的。踢足球都是盘带、射门，但是要做到梅西那么好也不容易。’
03：卫星AI有行业需要的领军人才的标准吗？这个标准是什么？
金博士：我认为AI涉及太多面了，应用的面太宽，会是一个宽泛的定义，它不太会产生整体的领军人才，我也认为不可能有一个所谓的大家，能把所有的应用全部通吃。
AI是面向任务、面向具体，甚至一个具体设计、一个单机的，有可能又与某些软件共同处理，它的涉及领域太广。AI一定在某个细分支领域里面会形成一些大家，但这些大家我认为一定是来源于对需求、以及对生产设计紧密相耦合的，它能把前端和后端一体化链路全部掌握，知道原本的弊端是什么，通过AI我解决什么才能把效率真正的提升，而这些由于专业分工的领域之繁杂，一个人或者说一帮人也不可能解决所有的AI，它一定是在每个不同的细分分支领域里形成专业化发展的领军人才。
04：卫星AI制造，执行起来效果如何？
金博士：AI在制造上有很多成功的先例，甚至硬件、算法都是摆在那可以直接拿过来用的，没有任何难度。只是现在关键是什么？是由于我们现在没有人去打通AI和最终的目标如何有机耦合起来，具体如何去落实。
举个例子，星载的AI图像识别，它的基准就是来源于咱们地面的人脸识别算法，这是公开的，只是将参数进行在地面，针对我不同的应用典型目标做训练而已，这就是非常成熟的，它已经有了在地面非常成熟的应用基础。
现在核心的问题就是，我们要把这些在地面已经在很多领域成功应用的AI技术，面向我不同的应用目标进行移植进行迁移，然后这种迁移一定是面向一个具体的某一个细分分支领域，要将最终的结果和过程耦合起来，不能是我只管目标提需求，不管生产。卫星相对来说小众一些，目标特殊一些，还是要将应用的最终目标结果和生产过程的AI落实有机结合起来，识别里面的风险，将其具体的算法或者过程控制落实下来。
05：微纳星空的卫星AI制造规划以及对于行业的变革
金博士：星载面向影像的AI算法，我们已经在多颗卫星上投产研制了，而且在相关的地面图像训练也已经开展，这是有明确用户需求的，同步我们也在开展进行相应的配套产品的研制和开发。
有关批量卫星在地面的AI自动化测试，自动化组装，目前在根据公司成本投入和接到规模化订单后根据规划时间节点内进行。因为当卫星订单任务达到一定量的时候，我们就会去平衡分析——投入开发AI的自动化测试、自动化组装的相关硬件和软件，所带来的效益提升能满足民营航天企业的利润，那么就会在相应时机内去落实开发针对卫星研制过程中相关的硬件和软件设备，这是随着我们卫星任务的不断演变，卫星任务的不断扩大，分期分批一定要落实的。
最后我也相信，往大了从整个卫星制造行业来说，随着我们制造技术的不断积累，卫星AI也会从量变迎来质变。未来能够给行业带来怎样的颠覆性变革，充满了不确定性。人工智能的崛起，本身就是积极正向的一面与危机一面挑战共存，对各行各业的需求做出响应，创造出一荣俱荣的机遇。对于微纳星空来说，发展AI制造技术是难而正确的事情，凭借科技硬实力，成为那个确定性。
金博士：微纳星空在研型号总师
文章来源： 中国新闻网
