2月7日，AWS（亚马逊网络服务）卫星解决方案首席架构师阿利斯泰尔·麦克林（Alistair McLean）在美国硅谷举行的小卫星研讨会上表示，其客户利用生成式人工智能设计航天器部件，然后3D打印部件并开展一系列测试；这一流程带来设计的快速迭代，让设计变得“既直观又创新”。

　　生成式AI依赖于深度学习模型，根据在庞大数据集中检测到的模式回答问题或创建内容。对航天公司来说相当有利的是，可以将生成式AI与更传统的机器学习算法和计算机视觉模型相结合。“这是一个奇妙的组合。”

　　总部位于美国休斯敦的认知空间公司（Cognitive Space），看好使用自然语言模型进行图像档案搜索及回答卫星任务相关问题。公司总裁兼CEO汉娜·基希洛夫斯基（Hanna Steplewska）表示，比方说，客户只需要求查看“过去两周丹佛市上空的合成孔径雷达、高光谱和多光谱传感器”，就可以找到图像。

　　人工智能还帮助美国地理空间分析公司鹰眼360（HawkEye 360）识别世界各地的射频信号发射装置。该公司开发了一种新产品，功能超越了仅仅将某发射装置标记为“X波段雷达”。例如，它可以识别到某发射器是“凯特的X波段雷达”。

　　识别、定位全球射频信号发射源

　　小卫星会议成员讨论认为，如果没有云计算提供丰富的计算资源，所有这些进步都是不可能发生的。这些资源原本位于地球上，但日益增长的航天活动正在推动商业公司考虑使用天基云。

　　AWS Snowcone是一种边缘计算机，于2022年随美国公理空间（Axiom Space）任务飞往国际空间站。此后，AWS与合作伙伴开展了一系列验证工作。例如，2023年，从事卫星网络安全业务的美国蜘蛛橡树公司（SpiderOak）通过在地面网络和近地轨道之间传输数据，对其OrbitSecure网络安全软件进行了验证。

　　麦克林承认，在轨处理存在尺寸、重量和功率方面的限制，但“越来越多的应用案例表明，在太空中计算和存储非常有意义。”

　　美国初创企业低轨云（LEOcloud）致力于提供天基边缘计算，包括轨道上的数据中心。“针对在轨多源数据运行应用程序的能力缩短了操作延迟。我们必须改变那种将所有数据拖回地球、处理分析以满足客户需求的做法。”公司CEO兼创始人丹尼斯·盖恩斯认为，天基边缘计算处理将在“无法返回地球的医疗紧急情况、培训、维修和诊断”方面尤其有用。

　　根据欧空局的总结，从卫星星座的自主管理、卫星防撞操作、卫星图像质量提升、国际空间站人工智能辅助工作到月球火星探测器的独立可持续探测、小行星探测器的自主飞行和开普勒系外行星任务数据的有效筛选，人工智能与深度学习正在航天领域发挥新的作用。

　　国际空间站上的AWS Snowcon边缘计算机