问题：随着人形机器人、无人机、无人驾驶等智能体加速落地，对高性能推理算力和稳定网络的依赖越来越明显。一方面，复杂任务往往需要调用大模型和高算力资源；另一方面，智能体通常拥有较高的本地控制权限，一旦通过公网连接外部模型与服务，数据传输和指令链路就可能暴露攻击面，带来安全与可靠性风险。在地面算力中心覆盖不足、灾害或突发事件导致通信受限等情况下，“算力从哪里来、任务如何不断链”成为规模化应用的现实难题。 原因：业内正尝试把计算能力从集中式机房延伸到边缘节点和终端设备，但受功耗、体积、散热和成本限制，终端算力难以长期承载高强度推理；而跨域调用地面云端算力又容易受到网络质量、跨境链路以及安全合规要求影响。由此，具备全球覆盖潜力的在轨计算被视为重要补充：卫星可以在更大范围内提供可调度的计算资源，并通过专用通信链路建立相对独立的传输通道，为关键任务提供更稳定的算力与连接保障。 影响：国星宇航3月19日发布信息称，3月11日至13日，国星宇航—上海交通大学太空计算联合实验室基于开源智能体“龙虾”OpenClaw开展试验，完成“自然语言指令—太空端推理—地面机器人执行”的闭环流程：操作者通过语音下达动作指令，智能体接收后将任务上传至“星算”计划01组太空计算中心，由部署在卫星上的大模型在轨完成推理计算，再将决策结果下传至地面，智能体读取后驱动人形机器人完成动作。该试验初步验证了太空端计算资源可作为可调用的推理能力，为地面智能体提供认知与决策支持，也为“太空算力即服务”的工程化落地提供了可验证路径。对行业而言，这不仅拓展了算力供给形态，也为跨地域协同控制、应急响应与远程运维提供了新的技术组合。 对策：在提升能力的同时守住安全底线，是远程智能体控制必须面对的问题。上海交通大学人工智能学院执行院长、联合实验室主任王延峰认为，智能体的安全困境核心在于“能力与权限”的张力：本地权限越高，联网调用外部模型时的潜在风险越大。此次试验对应的思路，尝试从三层重划安全边界：通信层面，依托专用链路与加密机制实现端到端防护，减少对公网的暴露；数据层面，尽量降低原始数据经公共网络流转的比例，使关键数据“可用但不可见”；物理层面，将算力设施部署在轨道环境，可在一定程度上避开部分地面攻击与破坏风险。下一步仍需在链路稳定性、时延抖动、在轨算力调度、任务容错以及审计追溯等完善工程标准与测试体系，推动从单次试验走向可规模化、可监管的服务能力。 前景：从应用端看，太空算力有望在偏远地区、海上作业、跨区域巡检、重大灾害应急等地面基础设施薄弱的场景中发挥补位作用，为机器人、机器狗、无人机、车辆等智能体提供高性能推理支持与跨域协同能力。同时，随着卫星互联网和在轨计算载荷的发展，算力资源可能以更细粒度实现按需调用，并与地面云、边缘节点形成分层协同：地面负责训练与长期存储，边缘负责低时延控制，在轨负责跨域覆盖与应急保障。业内也需理性评估其边界条件，包括在轨能耗与散热约束、链路时延对精细操控的影响、服务成本与商业模式，以及对应的频率与数据合规要求等。只有在技术可行、经济可承受、治理可落地的前提下，“在轨算力服务”才可能成为智能体产业的重要基础设施。
从地面算力向在轨算力延伸，本质上是信息基础设施向更广覆盖、更强韧性的方向演进。此次试验展示的闭环能力表明，未来智能体的竞争不仅在硬件与算法，也在算力是否可达、链路是否安全可控。把关键能力建立在更可靠、更可管理的体系之上，才能让机器人进入更复杂的真实场景，并在关键时刻真正用得上、靠得住。