问题——智能机器人、无人系统等应用加速落地的背景下，算力正成为决定系统能力上限的关键资源。现实中，复杂任务往往依赖大模型推理和多模态融合处理：地面侧既要应对峰值算力供给不足、边缘端资源受限，也要面对灾害现场、远海荒漠等通信与基础设施薄弱环境下的保障难题。如何在兼顾安全与时效的前提下，为终端智能体持续提供高性能算力支撑，成为亟待解决的关键环节。 原因——一上，算力需求呈现“突发性、移动性、分布性”：应急救援、野外作业、复杂制造等场景任务强度变化快、部署地点不固定，依赖单一地面数据中心或本地芯片，往往难以同时兼顾性能、成本与部署效率。另一方面，智能体应用的网络安全要求不断抬升，涉及权限管理、数据跨域传输、模型调用边界等问题。既要让终端“用得上、用得起”高性能推理能力，也要确保关键数据“传得安全、看不见、改不了”，对系统架构提出更高要求。鉴于此，利用在轨平台提供弹性算力与分布式推理，成为可行探索方向之一。 影响——此次由国星宇航与上海交通大学太空计算联合实验室完成的试验，验证了“指令—上行—在轨推理—下行—执行”的闭环链路：操作者用自然语言提出动作请求，指令传至“星算”计划01组太空计算中心；中心在卫星端调用已部署模型完成推理决策，再将结果回传地面，由系统驱动人形机器人执行动作。其意义在于：一是推动太空平台从传统“数据获取端”更扩展为“计算与决策端”，为天地协同智能应用提供新的技术路径；二是为远程操控、任务规划等能力提供了可复现的工程样本，展示在轨算力对地面终端的支撑潜力；三是为智能体在极端环境、基础设施薄弱区域的稳定运行提供了新的可能。 对策——围绕安全与可控，本次试验在系统边界与数据链路上强调“可用但不可见”。据介绍，系统通过专用加密协议进行端到端传输，降低原始数据在公共网络中的暴露风险，并在权限与调用机制上重构安全边界，缓解本地权限管理与联网模型调用之间的矛盾。业内人士认为，面向更大规模的工程应用，还需形成体系化能力：其一，完善任务切分与算力调度策略，明确哪些环节适合在轨推理、哪些应留在本地或地面中心处理，以平衡时延、可靠性与成本；其二，建立端到端的安全审计与合规机制，覆盖数据采集、传输、推理、回传与执行全流程，防范链路攻击、指令篡改等风险；其三，提升天地链路的稳定性与应急保障能力，针对不同场景沉淀可复用的标准接口与工程规范，推动从“可演示”走向“可规模化”。 前景——随着卫星在轨计算能力、星间互联与地面接入能力持续提升，太空算力有望在“地面算力中心难以及时覆盖”或“边缘端算力不足”的场景中发挥补位作用，为人形机器人、四足机器人、无人驾驶及各类无人系统提供更灵活的智能供给。中长期看，太空算力与地面云、边缘计算将形成协同格局：地面承担大规模训练与集中管理，在轨侧承担部分推理与任务规划，端侧聚焦实时控制与安全执行，从而形成分层分布式的智能架构。，时延、链路容量、在轨资源约束与成本等因素仍会限制应用边界，技术演进与标准体系建设将影响其推广速度与产业化深度。
天地协同智能控制技术的进展，既展示了我国在涉及的领域的探索能力，也为太空资源服务地面应用提供了新的路径。在数字经济与航天科技加速融合的背景下，如何把太空资源优势转化为现实生产力，将成为未来重要的竞争方向。这个实践也表明，持续的自主创新与产学研协同，仍是突破关键技术、推动工程落地的重要支撑。