36氪首发丨佳都科技入局太空智算，孵化企业获亿元级融资
作者 | 乔钰杰
编辑 | 袁斯来
本文约2600字，建议阅读7分钟
硬氪获悉，宇算星河科技有限公司在两个月内完成亿元级天使轮及pre-A轮融资。由麟阁创投领投、海珠城发、清新资本、高捷资本、知识城集团、吉富资本跟投。
宇算星河成立于今年5月，由A股上市公司佳都科技（600728）战略孵化，是一家专注于“天数天算”赛道的太空计算公司，核心业务是可在轨运行的“天基大模型”，希望实现遥感数据在太空端的实时训练、推理与闭环处理，为在轨计算提供原生的智能模型能力。
现阶段，国内太空算力产业正处于从在轨验证走向商业化落地的加速阶段。伴随低轨星座批量组网、星载AI芯片持续迭代以及发射成本不断下降，在轨计算需求正在加速释放，多个试验型太空算力星座相继落地，相关项目的融资与技术落地节奏也明显加快。
但算力卫星入轨后，还有一个更现实的问题：运行什么模型，以及如何利用有限的星上算力更高效地处理数据？这正是宇算星河的切入点。
宇算星河核心人员来自智慧交通龙头佳都科技，联合创始人王凯，清华-加州理工联合培养博士，曾任佳都科技集团首席AI科学家及中央研究院院长。依托佳都科技30年的智慧城市产业积累，团队已形成从算力卫星、人工智能到行业应用服务的软硬一体化能力。
2025年5月，国星宇航（ADA Space）发射业界首组算力卫星星座12颗算力卫星入轨，宇算星河团队便开始与国星宇航合作进行星上大模型的研发。
王凯向硬氪介绍，目前业内大部分在轨运算模型的尝试，是将地面已有的模型进行裁剪，再部署到卫星上运行，而真正基于太空数据训练的模型目前还不存在。
在王凯看来，太空计算并不是简单地把地面大模型“搬上天”。不同于地面通用模型，卫星面对的是遥感等由太空端产生的数据，其模型架构、算力配置以及数据处理方式，都需要围绕太空场景重新设计。“
宇算星河希望实现的“天基大模型”，是以太空数据为核心，在太空端训练模型，同时以太空数据作为推理输入，最终形成一个完整运行在轨的模型闭环。
传统遥感分析通常需要经过大气辐射校正、几何与正射校正、噪声掩模、图像拼接，再结合YOLO等算法完成识别，处理链条较长。宇算星河希望通过端到端的大模型，直接从原始遥感图像中推理并输出结果，减少传统遥感处理流程中的中间环节。
为适应太空计算场景，宇算星河的“天基大模型”采用动态计算架构，从“均匀网格”走向“潜空间推演”，通过自适应多尺度计算范式，在有限算力下完成从感知到认知的处理。同时，模型将融合多源物理约束进行混合建模，在潜空间预测器中对未来动态表征进行约束式演化，使未来状态预测具备一定的物理可解释性。在跨模态地球场感知方面，模型也将从单一遥感识别，进一步走向对宏观与微观地球状态的统一建模。
2025年9月22日，在第四届琶洲算法大赛中，宇算星河团队已实现自研大模型在轨运行，成为全球首个将多模态大模型部署于太空算力卫星并完成商业任务的团队。
团队在2025年琶洲算法大赛颁奖典礼上公开展示“天数天算”
现阶段，宇算星河正同步推进天基大模型模型在太空运行每一环节的在轨验证。
王凯介绍，宇算星河希望从在轨大模型侧出发，反向定义对算力卫星的需求，从而进一步提高算力卫星与模型之间的适配程度。公司计划首批建设24颗算力卫星，构成一个“在轨AI实验室”，用于验证专为太空环境原生设计的天基大模型推理与训练架构，并为后续天基大模型的应用提供基础设施。
今年，公司继续与国星宇航合作，双方计划于今年内推进首批卫星的入轨验证。
商业化方面，宇算星河目前主要提供两类服务。一类是MaaS（Model as a Service），向行业平台提供模型Token接口；另一类是SaaS（Software as a Service），直接面向交通、金融保险等行业客户，通过对话界面输出分析结果。王凯透露，目前公司已有客户提前预付套餐费用，待卫星在轨交付后使用相关天基大模型服务。
以下是硬氪与宇算星河创始人王凯博士交流节选：
硬氪：为什么太空算力场景需要专用的天基模型？
王凯：遥感卫星产生的数据中，相当一部分无法及时回传地面。因此，我们希望用天上的数据在天上训练大模型，同时推理的输入也是天上的数据，最终让整个闭环在天上完成，形成真正原生的“天基大模型”。
天上训练最大的价值是实时性。未来多颗卫星可以通过激光通信传输数据，及时更新模型，让模型持续感知最新的地球动态。而如果所有数据都回传地面，再进行训练和分析，就会面临数据传输能力有限、应急拍摄数据回传延迟等问题。
目前真正面向大规模遥感数据预训练的大模型非常少，Google的AlphaEarth更偏科研属性，需要用户上传数据进行二次微调训练，并不面向普通用户的交互。我们的目标则是让用户像日常使用大模型一样，通过自然语言与天基大模型进行交互。
硬氪：早期的“天数天算”主要做图像分割和识别，宇算星河的天基模型有什么不同？
王凯：我们从单纯的图像识别升级到真正理解地球的空间和时间。
以前的遥感大模型更像是“看图说话”，输入一张图像，让模型进行分类、分割或者识别。但我们的天基大模型覆盖整个地球的空间网格，用户甚至不需要主动上传一张图片，而是可以直接用自然语言提问。比如用户问“今年新疆棉花的播种面积是多少”，天基大模型可以基于对相应地球表面植被状态的理解直接回答。
这也是我们和机器人世界模型的一个区别。机器人世界模型主要覆盖人类活动区域，而我们的天基大模型需要覆盖整个地球，包括沙漠、森林等人类活动较少的区域。下一步，我们还会加入时间维度。比如不仅判断过去五年的作物长势，还可以结合历史数据，对今年的产量进行预测。
我们计划在9月份发布天基大模型的一个版本，11月份也会结合相关节奏进一步发布，包括白皮书和更多技术细节。
硬氪：现阶段硬件还做不到在太空进行大规模的模型训练，公司现阶段主要在做什么？
王凯：现阶段我们首先会利用离线数据，把基于遥感数据最先进的原生大模型技术方案跑通，同时进行在轨训练的前置准备。例如，我们计划今年10月先发射首组算力卫星，验证星间数据传输和协同工作的能力。公司的整体规划是发射24颗算力卫星组成算力卫星星座，每个阶段先把基础能力验证好，最终实现完整的在轨训练管线。
算力卫星是我们自己联合研制并采购的，这有点像智谱早期为了训练大模型，先采购自己的GPU集群搭建样板间，验证训练方法并提升推理效率。我们也是类似的思路，所以算力卫星星座由我们自己采购建设。
第一组算力卫星预计在今年10月发射。我们需要验证一些此前没有被系统验证过的能力。第一，大模型能否在轨7×24小时连续运行。目前还没有算力卫星能够做到这一点，我们的算力卫星会按照这一目标进行设计。第二，算力卫星不是单星工作，而是多星协同工作。需要验证天上不同卫星通过激光通信建立高带宽链路，让多颗卫星并行、分布式地进行计算。
我们需要完成一系列此前没有人系统验证过的工作，把“天数天训”和“天数天推”的每一个技术环节逐步验证清楚，最终实现完整的在轨训练与推理闭环。
