2025 年，Starcloud-1 成为第一颗把 NVIDIA H100 GPU 带入轨道的卫星 [1]。2026 年 2 月，美国联邦通信委员会正式受理了 SpaceX 建设轨道数据中心的申请 [2]。把数据中心搬到太空，正在从设想变成排上日程的工程。
这背后有两个趋势。在太空一侧，对地观测卫星产生数据的速度已经超过星地下行链路的容量，越来越多的数据需要在轨道上就地处理 [3]。在地面一侧，大模型推理的快速增长让电网和冷却水资源日益紧张 [4]，把计算搬到太空成为一个新的选项。太空数据中心（Space Data Center, SDC）因此出现：它把计算、存储和网络资源集成在航天平台上，为太空和地面的工作负载提供服务，多颗卫星再通过星间光链路互联，组成分布式的太空 AI 基础设施。
GPU 按月迭代，卫星按年研制
太空数据中心面临一个特殊的工程矛盾。在半导体技术的推动下，GPU 的能力以月为尺度快速演进 [5]，而卫星平台从设计、制造到发射往往需要数年 [6]。每一代新 GPU 的功耗、发热和集成要求都不相同，卫星平台必须随之调整。设计者需要在短时间内反复回答一系列相互耦合的问题：轨道选多高，太阳翼选多大，散热器用什么涂层，搭载哪一代 GPU。轨道决定光照和地影，光照决定发电功率，功率决定可用算力，算力产生热量，热量又反过来限制芯片性能。这些环节彼此纠缠，单独优化任何一项都无法保证整星的表现，所以需要能把多个物理过程耦合起来的系统级仿真。
现有工具难以直接满足这个需求。STK [7] 和 GMAT [8] 建模轨道动力学和空间环境，但都不考虑星上的计算载荷。Hypatia [9]、StarryNet [10] 和 LEOCraft [11] 把每颗卫星当作网络节点，不建模电力和热。COTE [12] 和 Rhone [13] 同时建模计算和电力，但 COTE 缺少热模型，Rhone 的模型建立在既有卫星和芯片的实测数据上。这些工具都不支持热重载（hot reload），任何部件改动都要重启仿真并丢弃全部历史状态，浪费时间和算力。
OrbitWiz：从拼装到仿真
针对这些问题，我们开发了 OrbitWiz，一个面向太空数据中心设计与评估的认知数字孪生（cognitive digital twin）。它提供主要 SDC 部件的资产库，每个部件都是符合 SimReady 规范 [14] 的仿真就绪资产：几何按照公开参考设计建模，同时携带质量、热容、热导、吸收率、发射率等物理属性。用户在交互式 3D 界面里拼装出一颗 SDC 卫星，配置轨道参数、机械结构、GPU 载荷和散热涂层，OrbitWiz 根据配置自动构建系统动力学模型，然后仿真整星的在轨运行。
系统动力学模型由五个相互耦合的子模型组成。轨道子模型提供高精度轨道预报和太阳星历，确定光照与地影。电力子模型根据光照条件和太阳翼配置计算 GPU 的可用功率。计算子模型估计大模型推理的 token 吞吐。热子模型根据 GPU 的耗散功率预测芯片温度。通信子模型给出星间可见窗口和链路带宽。修改任何部件属性后，服务模块会追踪子模型之间的依赖关系，只重建受影响的部分并保留其余状态，因此一次改动可以很快得到新的评估结果。整个系统基于 NVIDIA Omniverse [15] 构建，画面由 RTX 实时渲染并通过 WebRTC 推流到浏览器。应用模块内置星座、整星和任务三个层面的指标，包括收集能量、覆盖、GPU 芯片温度和 token 吞吐，也允许用户自定义指标。
模块验证
OrbitWiz 的各个子模型都和领域内的成熟工具或硬件实测做了对照验证。轨道子模型与 GMAT [8] 在一条代表性太阳同步轨道上对比 24 小时，太阳高度角误差不超过 0.017 度，地影窗口时刻误差不超过 0.82 秒，星间通信可见窗口时刻误差不超过 0.91 秒。计算子模型与 Qwen2.5-7B-Instruct 模型在 NVIDIA H200 上的实测吞吐对比，预填充（prefill）阶段误差不超过 2.4%，解码（decode）阶段不超过 4.2%。
更强的 GPU 在轨道上未必更快
一组对比实验说明了为什么需要系统级仿真。在同一颗卫星平台上运行相同的 Llama-3.3-70B 推理负载，峰值算力更强、功耗也更高的 H200 很快到达 85 摄氏度的热节流（thermal throttling）阈值，芯片被迫降频，持续利用率只能维持在 40%。功耗更低的 V100 稳定在 41 摄氏度，在不节流的情况下保持 69% 的利用率，持续吞吐反而更高。因此，硬件选型不能只看芯片规格，还要放进整星环境里评估。
OrbitWiz 的演示运行在一台普通台式机上，配置为 AMD Ryzen 5 8400F 处理器、32 GB 内存和一块 8 GB 显存的 NVIDIA GeForce RTX 5060。这项工作已整理成 Demo 论文，更多实验结果和演示视频见项目仓库 Demo-OrbitWiz。OrbitWiz 的用途很直接：在硬件送上轨道前，先在数字环境中比较不同设计方案并完成迭代。
引用文献
[1] Starcloud. Starcloud-1: The First Satellite with an NVIDIA H100 GPU in Orbit. https://www.starcloud.com/starcloud-1, 2025.
[2] Federal Communications Commission, Space Bureau. Space Bureau Accepts for Filing SpaceX’s Application for Orbital Data Centers. Public Notice DA 26-113, ICFS File No. SAT-LOA-20260108-00016, February 2026.
[3] Ablimit Aili, Jihwan Choi, Yew Soon Ong, and Yonggang Wen. The development of carbon-neutral data centres in space. Nature Electronics, 8(11):1016-1026, 2025.
[4] International Energy Agency. Energy and AI. Technical report, IEA, Paris, 2025. https://www.iea.org/reports/energy-and-ai.
[5] NVIDIA. ‘Accelerate everything,’ NVIDIA CEO says ahead of COMPUTEX. NVIDIA Blog, June 2024.
[6] Lorrie A. Davis and Lucien Filip. How long does it take to develop and launch government satellite systems? Technical Report ATR-2015-00535, The Aerospace Corporation, El Segundo, CA, March 2015.
[7] Ansys. Ansys Systems Tool Kit (STK). https://www.ansys.com/products/missions/ansys-stk, 2026.
[8] NASA. General Mission Analysis Tool (GMAT). https://gmat.atlassian.net/wiki/spaces/GW, 2026.
[9] Simon Kassing, Debopam Bhattacherjee, André Baptista Águas, Jens Eirik Saethre, and Ankit Singla. Exploring the “Internet from space” with Hypatia. In Proceedings of the ACM Internet Measurement Conference (IMC), pages 214-229, 2020.
[10] Zeqi Lai, Hewu Li, Yangtao Deng, Qian Wu, Jun Liu, Yuanjie Li, Jihao Li, Lixin Liu, Weisen Liu, and Jianping Wu. StarryNet: Empowering researchers to evaluate futuristic integrated space and terrestrial networks. In 20th USENIX Symposium on Networked Systems Design and Implementation (NSDI), pages 1309-1324, 2023.
[11] Suvam Basak, Amitangshu Pal, and Debopam Bhattacherjee. LEOCraft: Towards designing performant LEO networks. In 2025 USENIX Annual Technical Conference (ATC), pages 789-813, 2025.
[12] Bradley Denby and Brandon Lucia. Orbital edge computing: Nanosatellite constellations as a new class of computer system. In Proceedings of the 25th International Conference on Architectural Support for Programming Languages and Operating Systems (ASPLOS), pages 939-954, 2020.
[13] Liying Wang, Qirui Liu, Qing Li, Shangguang Wang, Xuanzhe Liu, and Chenren Xu. Demo: Emulating space computing networks with Rhone. In Proceedings of the 31st Annual International Conference on Mobile Computing and Networking (MobiCom), pages 1239-1241, 2025.
[14] NVIDIA. SimReady Asset Specification. https://docs.omniverse.nvidia.com/simready/latest/index.html, 2026.
[15] NVIDIA. Omniverse Kit App Streaming Documentation. https://docs.omniverse.nvidia.com/kit/docs/kit-app-template/latest/docs/streaming.html, 2026.