AI算力之争，太空领域进展到哪了？

冷战时期美苏争霸的星球大战，余温尚在，现在以AI为制胜战略高点的大国芯片算力之争，帷幕拉开。

AI时代的算力成本决定了创新成本。

算力源于芯片，作为算法和数据的基础设施，其性能直接决定了AI产业的发展。

2018年，当微软公司使用25万片FPGA，构造当时世界上最大的AI计算机脑波，据称性能表现超过谷歌研发的专有ASIC，即TPU芯片。

因人机围棋大战出圈的AlphaGo，背后隐藏的AI训练功臣。

Microsoft’s Project Brainwave claims win over Google TPU

同在2018年，美国由NASA牵头，启动了太空高性能计算项目HPSC(High Performance Spaceflight Computing)，目标是把空间处理器的计算能力，提升2个数量级以上。

定位为改变未来游戏规则的重要组成。

2024年，杭州的之江实验室提出打造三体计算星座，把算力送上太空，应对在轨卫星数量快速增长带来的算力挑战。

打造一个千星规模的天基智能计算基础设施，建成后总算力可达1000P。

而拥有全球最大的亚米级商业遥感卫星星座的长光卫星，按其科创板IPO申报稿披露：“目前拥有72颗卫星星座，累积存档的数据库遥感数据总量，是13PB。”

商业航天的兴起，把计算与太空再次紧密链接在一起，也将计算卫星推上前台。

使之成为继通信、导航、遥感卫星的第四类“专用”卫星。

作为“Star Compute-星算计划”的合作方，按照商业航天明星初创，国星宇航在其公众号的消息，与软通动力和之江实验室，共同开启太空计算新时代。

端侧高效能计算的神龙教主

如果说在地面的数据中心AI训练，现在是GPU为王，已经成就英伟达霸业的话，那么在空间为代表的端侧数据处理，则是FPGA做主，一直延续到现在的AI时代。

首次在空间领域应用，最早可溯源三十前的1993年。

最先进入航天工程人员视野的，是原Actel公司的高可靠反熔丝芯片Anti-fuse FPGA。到1997年时，已成为火星探测器探路者号(PathFinder)的主要组成单元。

到2004年时，赛灵思的高性能SRAM FPGA在空间领域得到认可，逐步站稳脚跟。现在的空间应用市场份额稳居行业第二，仅屈居收购了Microsemi公司的微芯科技之后。

从作为几代火星车的关键组件使用，到扮演在轨数据的主处理器角色。包括2008年后以SpaceCube为代表的高性能计算，以及现在以Startlink为标杆的低轨卫星数据处理平台。

火星车项目作为SRAM FPGA在航天领域开山之作，也是最著名的应用案例之一，自然出现在赛灵思为庆祝公司为成立25周年时特别出版的专刊。

当期所选二十个最具代表性的客户创新案例，航天领域就占有三席。

在提升在轨处理能力方面，独树一帜。

作为价格亲民的“ASIC”，还支持进行在轨错误修复，甚至功能升级。

现在已经是空间飞行器的关键使能技术，不可或缺。

AI时代的创新成本，在很大程度上由芯片算力成本直接决定。

对于太空应用场景，与地面数据中心可以大规模集群堆算力的使用方式，并不适用。

液冷散热等技术，更是天方夜谭，水中捞月。

空间领域高温差高辐射环境下，只能使用非常有限的电力，完成遥感、通信、数据加工等复杂的计算任务。权衡评估整个系统的PPA要求，更为严苛。

除了综合考虑面积(Size)、重量(Weight)、功耗(Power)和成本(Cost)的SWaP-C指标，现在更是额外增加了为应对数据爆炸的高性能计算需求。

这也使开发抗辐射(Radiation-Hardened)飞行处理器CPU芯片，在制造工艺上做特殊处理的传统路线，以最大化满足可靠和安全作为绝对优先，一招鲜，不再是可以吃遍天。

至少不再像以前那样“有效”。

而这正是高性能FPGA的绝佳机会。

特别是高性能SRAM FPGA，回顾其在航天领域的应用发展，从火星车项目开始起步，在过去的30年间大致经历了三个关键节点：

1993年-2004年，大胆设想，小心求证阶段；

2008年-2018年，空间高性能计算平台诞生；

现在的异构计算时代，太空人工智能来临。

截至目前，在空间使用的处理器算力比较中，FPGA芯片表现优异，说是一枝独秀也不为过。

以至于做抗辐CPU，采用Sparc架构的创业板上市公司航宇微(300053.SZ)，当年欧比特在业绩下滑的解释性公告中，FPGA冲得太猛，也是原因之一。

微芯科技在器件级别(Hardened By Device)的抗辐射FPGA芯片RTG4，已经是传统抗辐CPU的1个数量级以上。

AMD的耐辐射(Radiation-Tolerant)技术，需要用户在设计时加固(Design-Level Hardening)的SRAM FPGA芯片，又是前者的数十倍。

并且可预期的性能优势领先优势