C114訊 10月8日消息（苡臻）在日前召開的“衛星互聯網產業發展論壇”上，中國工程院原副院長鄔賀銓發表題為“AI加持下的衛星互聯網”的主旨演講，深入剖析AI如何破解衛星互聯網發展瓶頸，并指出AI賦能非地面網絡（NTN）將推動星地融合進入全新階段。

鄔賀銓指出，當前衛星互聯網面臨高時延、高誤碼環境、多普勒頻移、波束/衛星切換頻繁、天線面積受限、星上載荷與能耗制約、高中低軌/NTN星地協同等挑戰�！�AI的加持，可有效解決衛星通信面臨的技術發展生態問題，優化星間組網和地面網絡對NTN星地融合的適應；同時，衛星也能為AI提供支撐，例如，星上計算可解決跨洋數據交換實時性問題，還能在無地面網絡信號時提供應急AI通道。”

時延方面，AI能助力降低衛星高時延的影響。鄔賀銓指出，地面蜂窩網絡時延不到0.1毫秒，低軌衛星時延則需5-25毫秒，高軌衛星往返時延則達約半秒鐘。長時延使得理論最大吞吐量僅1Mbps，慢啟動和擁塞避免機制效率降低，資源浪費。AI可驅動預加載TCP窗口數據避免重傳，同時通過NFV（網絡功能虛擬化）動態調整TCP參數，比如根據信道質量切換UDP加速。

衛星鏈路方面，大雨衰減、強電離層閃爍、嚴重多徑干擾會導致深衰落（最高可達170dB），使衛星鏈路誤碼率從10⁻⁶至10⁻⁹降到10⁻³甚至更低。而且傳統TCP會將誤碼丟包判斷為網絡擁塞而啟動擁塞機制，既浪費信道資源又進一步增大了時延。因此，可在原有的應對鏈路誤碼基礎上，通過AI進一步幫助改進對誤碼的抵御能力，包括自適應失真補償、智能信道建模、智能干擾管理與頻譜感知、預測性網絡管理與維護等，更準確了解信道狀況，調整頻率，提前預測，抵銷干擾，降低衛星在特定場景下受到誤碼的影響。

多普勒效應是衛星通信的一個特點，低軌衛星相對地面高速移動（約7.56km/s），會產生極大的多普勒頻移。S波段軌道高度600km的LEO衛星多普勒頻移約24ppm。輕則降低解調性能增加誤碼率，重則導致鏈路失鎖、通信中斷。目前，已采用一些常規應對多普勒效應的措施，例如，頻率預測與開環補償、閉環跟蹤與自動頻率控制、擴頻技術等，而使用AI技術，可進一步完善對多普勒效應的補償，使預測更為精確。例如，利用時空神經網絡融合多維動態數據構建端到端頻移預測模型，預測殘差降低30%~50%，支持毫秒級頻移突變預警。此外，還可以更準確的閉環控制、在降低誤碼的同時保持一定的時延等。

衛星移動性方面，低軌衛星高速移動（7.9km/s）導致單星可見時間僅幾分鐘，終端需頻繁切換衛星。歐洲實測切換頻率超過5次/分鐘時丟包率可達15%。TCP協議在頻繁切換時因RTT波動觸發擁塞控制機制，吞吐量可能降至118kbps-1.067Mbps。而且終端頻繁切換導致能耗增加很快。常規的應對切換方法包括QUIC協議替代TCP、應用層自適應編碼、星上邊緣緩存、地面錨點緩存等。AI則增加了更多選擇，可以智能預測切換時機，實時分析衛星軌道數據/終端運動軌跡/歷史切換記錄，預判最佳切換窗口，切換決策時延降低80%，切換失敗率從8%降至0.5%；還可以做到快速波束對齊，新衛星接入后自動直接加載預配置波束，波束捕獲時間從100ms縮短至10ms。

衛星頻效方面，鄔賀銓指出傳統衛星面臨三大挑戰：一是天線尺寸限制，衛星受限于體積和功耗，難以部署地面網絡規模的大規模天線陣列，導致波束賦形精度和空間復用能力不足；二是動態環境適應，衛星高速移動和電離層干擾要求實時信道調整，傳統算法難以應對；三是資源分配復雜度，頻譜和功率需在廣域覆蓋與高密度用戶間動態平衡，人工優化效率低下。AI技術可針對性突破：比如智能波束管理，通過強化學習預測衛星的軌跡，實現毫秒級的切換；神經網絡結合MIMO與波束賦形聯合優化，在有限天線面積下提升空間復用率，星鏈將頻效提升至地面5G的80%水平。再如動態資源分配，LSTM模型預測區域流量需求，優化頻譜和功率分配；生成對抗網絡（GAN）模擬干擾場景，訓練抗干擾算法，使衛星頻效提升40%以上。

衛星容量方面，通過超分辨率波束賦形等技術，利用AI精準矯正波束，可生成0.1度級超窄波束（傳統波束寬度1°），波束數量提升10倍，空口提升容量可貢獻45%；其次，星間資源動態調用（通過分布式強化學習、數字孿生、高中低軌的星座協同）可貢獻30%的容量提升；終端側可再貢獻15%；新頻段開拓貢獻10%。

星上載荷功能分為星上透明轉發、星載基站、星載UPF、星上計算四類，硬件復雜度、算力與能耗呈逐步提升趨勢。AI為各類載荷帶來顯著優化：透明轉發用自編碼器將信號壓縮至1/4帶寬，容量提升4倍且功耗不變；星載基站借GNN和強化學習，頻效提升3倍；星載UPF通過GNN預測最優路徑，時延降40%；星上計算可將模型壓縮至1/10（精度損失<2%），支持星座級聯邦學習。應用場景各有側重，其中星上計算全球僅中國開展試驗。當前面臨抗輻射芯片算力不足、星載能耗與算力矛盾、星上算法簡化難度大等挑戰。

同時，星間互聯十分必要：跨洋金融交易經衛星僅需20毫秒（海纜可能需200毫秒）；萬星量級星座難以全靠地面指令，需自治；遙感衛星日均50PB數據也需星間直傳過濾以節省帶寬，且中國低軌星座境外落地難，需星間鏈路回傳境內。但星間互聯面臨多重挑戰：激光鏈路需解決衛星振動、多普勒頻移下的對準問題；萬星規模易導致路由表“爆炸”；太陽耀斑會使誤碼率驟升百倍；100Gbps激光鏈路功耗超500W，受能源限制；還存在各國頻譜分配沖突的標準化難題。AI技術為星間互聯提供了突破路徑：通過深度學習（DL）算法可實時補償衛星震顫、優化激光路由；利用長短時記憶模型（LSTM）預測太陽等離子體擾動，提前切換路由；深度Q網絡（DQN）能動態調整發射功率，降低65%能耗等，從而提升星間鏈路的可靠性和穩定性。

除了星上處理、星間互聯，星地融合是NTN相對傳統衛星通信的特點。傳統衛星通信僅作為地面網補充（覆蓋海洋、偏遠區域），采用獨立協議棧（如DVB-S2），以“透明轉發器+獨立信關站”為架構，終端專用，服務“盡力而為”，用戶峰值速率100Mbps、端到端時延600ms，單星連接1萬終端，可靠性99.9%。NTN則實現空天地一體3D覆蓋，基于3GPP統一框架（如5G-NR增強），網絡架構升級為“星載5G基站+UPF下沉+邊緣計算+AI調度+動態波束賦形”，支持在軌解調編碼。地面網需核心網虛擬化、基站增強，終端可同時接入衛星與地面基站。此外，NTN由核心網統一調度衛星切換，通過AI動態共享地面頻段，服務有SLA保障，性能躍升至峰值1Gbps、時延30-50ms，單星連接100萬終端，可靠性提高兩個數量級，達99.999%。

演講最后，鄔賀銓總結道，低軌衛星的快速發展，星上處理+星間路由的技術進步推動衛星通信從點到點連接到全球IP寬帶接入，衛星互聯網成為傳統衛星通信的代際躍升。衛星互聯網和高空平臺（HAPS）以及無人機基站構成非地面移動網（NTN），其中衛星互聯網是NTN的主要組成部分。NTN將太空/空基網絡融入地面5G/6G體系，衛星互聯網將逐步升維到NTN架構中，成為6G網絡的空間維度延伸。同時，NTN也推動地面網絡為適應非地面小區管理而升級。

NTN的提出與AI的興起正好歷史性交匯，AI+NTN開啟星地融合新時代。AI+NTN從基站上星開始，還將推動UPF上星，進一步發展到算力上星。衛星的應用將以“星載核心網即服務（Core-in-Space PaaS）新模式呈現。