（来源：中国航空报）

　　随着全球竞相迈向第六代移动通信网络（6G），真正的战场或许不在地球上，而是在轨道上。预计6G将于2030年左右实现商业化，研究人员已经开始重新思考人工智能将如何在全球范围内运行。

　　国际电信联盟（ITU）已确定了6G的未来应用场景，例如“人工智能（AI）与通信的融合”和“无处不在的连接”，这标志着网络功能正在发生转变，不再局限于数据传输。

　　一个主要障碍依然存在：如何在广袤、偏远且服务不足的地区提供无缝的人工智能服务。仅靠地面网络可能不足以满足这些需求，尤其是在人工智能工作负载日益繁重且对延迟更加敏感的情况下。

　　一项新的研究提出了一种超越地面的解决方案。香港大学和西安电子科技大学的研究人员提出了一种将边缘人工智能与空地融合网络（SGIN）相结合的框架，使卫星同时成为通信枢纽和计算服务器。

　　他们的方法被称为“空地流体人工智能”，旨在克服高速移动卫星和有限的空地链路容量带来的挑战，这两个问题长期以来一直限制着人工智能在轨道系统中的应用。

人工智能如水般流动

　　受水流跨越边界的启发，“空地流体人工智能”框架允许人工智能模型和数据在卫星和地面站之间持续流动。

　　研究人员将此描述为将传统的二维边缘人工智能架构扩展到太空。该框架基于三项核心技术：流体学习、流体推理和流体模型下载。每项技术都旨在确保人工智能服务在卫星移动性和间歇性连接的限制下也能流畅运行。

　　流体学习通过引入一种无需基础设施的联邦学习方案来解决训练时间过长的问题。该系统不依赖成本高昂的星间链路或密集的地面站，而是利用卫星自身的运动来混合和传播模型参数。通过这种方式，卫星移动不再是限制因素，而是优势，从而实现更快的收敛速度和更高的测试精度。

　　同时，流体推理专注于优化实时人工智能决策。神经网络被拆分为级联子模型，分布在卫星和地面节点上。这使得推理任务能够根据可用的计算资源和链路质量动态调整，并采用提前退出策略来平衡延迟和精度。　　

卫星作为人工智能服务器

　　第三个支柱，流体模型下载解决了如何高效地将人工智能模型交付给地面终端用户的问题。卫星上不再存储整个模型，而是仅缓存选定的参数块。这些参数块可以通过星间链路传输，从而提高缓存命中率并减少下载延迟。

　　多播可重用的模型参数进一步提高了效率，允许多个设备同时接收相同的人工智能组件，同时节省频谱资源。

　　然而，在太空部署人工智能也面临着一系列挑战。卫星在恶劣的辐射环境下运行，并且依赖于有限且间歇性的电力供应。为了解决这个问题，研究人员强调了抗辐射硬件、容错计算和节能任务调度的重要性。

　　展望未来，该团队概述了下一步研究方向，例如，节能型流体人工智能、低延迟流体人工智能和安全型流体人工智能，每个方向都旨在权衡性能、可靠性和安全性之间的关键因素。

　　正如《工程》（Engineering）期刊所详述的，通过利用可预测的卫星轨迹和重复的轨道运动，空地流体人工智能可以在6G时代为实现真正的全球边缘智能发挥核心作用。（逸文）