C114讯 10月8日消息（苡臻）在日前召开的“卫星互联网产业发展论坛”上，中国工程院原副院长邬贺铨发表题为“AI加持下的卫星互联网”的主旨演讲，深入剖析AI如何破解卫星互联网发展瓶颈，并指出AI赋能非地面网络（NTN）将推动星地融合进入全新阶段。

邬贺铨指出，当前卫星互联网面临高时延、高误码环境、多普勒频移、波束/卫星切换频繁、天线面积受限、星上载荷与能耗制约、高中低轨/NTN星地协同等挑战。“AI的加持，可有效解决卫星通信面临的技术发展生态问题，优化星间组网和地面网络对NTN星地融合的适应；同时，卫星也能为AI提供支撑，例如，星上计算可解决跨洋数据交换实时性问题，还能在无地面网络信号时提供应急AI通道。”

时延方面，AI能助力降低卫星高时延的影响。邬贺铨指出，地面蜂窝网络时延不到0.1毫秒，低轨卫星时延则需5-25毫秒，高轨卫星往返时延则达约半秒钟。长时延使得理论最大吞吐量仅1Mbps，慢启动和拥塞避免机制效率降低，资源浪费。AI可驱动预加载TCP窗口数据避免重传，同时通过NFV（网络功能虚拟化）动态调整TCP参数，比如根据信道质量切换UDP加速。

卫星链路方面，大雨衰减、强电离层闪烁、严重多径干扰会导致深衰落（最高可达170dB），使卫星链路误码率从10⁻⁶至10⁻⁹降到10⁻³甚至更低。而且传统TCP会将误码丢包判断为网络拥塞而启动拥塞机制，既浪费信道资源又进一步增大了时延。因此，可在原有的应对链路误码基础上，通过AI进一步帮助改进对误码的抵御能力，包括自适应失真补偿、智能信道建模、智能干扰管理与频谱感知、预测性网络管理与维护等，更准确了解信道状况，调整频率，提前预测，抵销干扰，降低卫星在特定场景下受到误码的影响。

多普勒效应是卫星通信的一个特点，低轨卫星相对地面高速移动（约7.56km/s），会产生极大的多普勒频移。S波段轨道高度600km的LEO卫星多普勒频移约24ppm。轻则降低解调性能增加误码率，重则导致链路失锁、通信中断。目前，已采用一些常规应对多普勒效应的措施，例如，频率预测与开环补偿、闭环跟踪与自动频率控制、扩频技术等，而使用AI技术，可进一步完善对多普勒效应的补偿，使预测更为精确。例如，利用时空神经网络融合多维动态数据构建端到端频移预测模型，预测残差降低30%~50%，支持毫秒级频移突变预警。此外，还可以更准确的闭环控制、在降低误码的同时保持一定的时延等。

卫星移动性方面，低轨卫星高速移动（7.9km/s）导致单星可见时间仅几分钟，终端需频繁切换卫星。欧洲实测切换频率超过5次/分钟时丢包率可达15%。TCP协议在频繁切换时因RTT波动触发拥塞控制机制，吞吐量可能降至118kbps-1.067Mbps。而且终端频繁切换导致能耗增加很快。常规的应对切换方法包括QUIC协议替代TCP、应用层自适应编码、星上边缘缓存、地面锚点缓存等。AI则增加了更多选择，可以智能预测切换时机，实时分析卫星轨道数据/终端运动轨迹/历史切换记录，预判最佳切换窗口，切换决策时延降低80%，切换失败率从8%降至0.5%；还可以做到快速波束对齐，新卫星接入后自动直接加载预配置波束，波束捕获时间从100ms缩短至10ms。

卫星频效方面，邬贺铨指出传统卫星面临三大挑战：一是天线尺寸限制，卫星受限于体积和功耗，难以部署地面网络规模的大规模天线阵列，导致波束赋形精度和空间复用能力不足；二是动态环境适应，卫星高速移动和电离层干扰要求实时信道调整，传统算法难以应对；三是资源分配复杂度，频谱和功率需在广域覆盖与高密度用户间动态平衡，人工优化效率低下。AI技术可针对性突破：比如智能波束管理，通过强化学习预测卫星的轨迹，实现毫秒级的切换；神经网络结合MIMO与波束赋形联合优化，在有限天线面积下提升空间复用率，星链将频效提升至地面5G的80%水平。再如动态资源分配，LSTM模型预测区域流量需求，优化频谱和功率分配；生成对抗网络（GAN）模拟干扰场景，训练抗干扰算法，使卫星频效提升40%以上。

卫星容量方面，通过超分辨率波束赋形等技术，利用AI精准矫正波束，可生成0.1度级超窄波束（传统波束宽度1°），波束数量提升10倍，空口提升容量可贡献45%；其次，星间资源动态调用（通过分布式强化学习、数字孪生、高中低轨的星座协同）可贡献30%的容量提升；终端侧可再贡献15%；新频段开拓贡献10%。

星上载荷功能分为星上透明转发、星载基站、星载UPF、星上计算四类，硬件复杂度、算力与能耗呈逐步提升趋势。AI为各类载荷带来显著优化：透明转发用自编码器将信号压缩至1/4带宽，容量提升4倍且功耗不变；星载基站借GNN和强化学习，频效提升3倍；星载UPF通过GNN预测最优路径，时延降40%；星上计算可将模型压缩至1/10（精度损失<2%），支持星座级联邦学习。应用场景各有侧重，其中星上计算全球仅中国开展试验。当前面临抗辐射芯片算力不足、星载能耗与算力矛盾、星上算法简化难度大等挑战。

同时，星间互联十分必要：跨洋金融交易经卫星仅需20毫秒（海缆可能需200毫秒）；万星量级星座难以全靠地面指令，需自治；遥感卫星日均50PB数据也需星间直传过滤以节省带宽，且中国低轨星座境外落地难，需星间链路回传境内。但星间互联面临多重挑战：激光链路需解决卫星振动、多普勒频移下的对准问题；万星规模易导致路由表“爆炸”；太阳耀斑会使误码率骤升百倍；100Gbps激光链路功耗超500W，受能源限制；还存在各国频谱分配冲突的标准化难题。AI技术为星间互联提供了突破路径：通过深度学习（DL）算法可实时补偿卫星震颤、优化激光路由；利用长短时记忆模型（LSTM）预测太阳等离子体扰动，提前切换路由；深度Q网络（DQN）能动态调整发射功率，降低65%能耗等，从而提升星间链路的可靠性和稳定性。

除了星上处理、星间互联，星地融合是NTN相对传统卫星通信的特点。传统卫星通信仅作为地面网补充（覆盖海洋、偏远区域），采用独立协议栈（如DVB-S2），以“透明转发器+独立信关站”为架构，终端专用，服务“尽力而为”，用户峰值速率100Mbps、端到端时延600ms，单星连接1万终端，可靠性99.9%。NTN则实现空天地一体3D覆盖，基于3GPP统一框架（如5G-NR增强），网络架构升级为“星载5G基站+UPF下沉+边缘计算+AI调度+动态波束赋形”，支持在轨解调编码。地面网需核心网虚拟化、基站增强，终端可同时接入卫星与地面基站。此外，NTN由核心网统一调度卫星切换，通过AI动态共享地面频段，服务有SLA保障，性能跃升至峰值1Gbps、时延30-50ms，单星连接100万终端，可靠性提高两个数量级，达99.999%。

演讲最后，邬贺铨总结道，低轨卫星的快速发展，星上处理+星间路由的技术进步推动卫星通信从点到点连接到全球IP宽带接入，卫星互联网成为传统卫星通信的代际跃升。卫星互联网和高空平台（HAPS）以及无人机基站构成非地面移动网（NTN），其中卫星互联网是NTN的主要组成部分。NTN将太空/空基网络融入地面5G/6G体系，卫星互联网将逐步升维到NTN架构中，成为6G网络的空间维度延伸。同时，NTN也推动地面网络为适应非地面小区管理而升级。

NTN的提出与AI的兴起正好历史性交汇，AI+NTN开启星地融合新时代。AI+NTN从基站上星开始，还将推动UPF上星，进一步发展到算力上星。卫星的应用将以“星载核心网即服务（Core-in-Space PaaS）新模式呈现。