随着低轨卫星和空间碎片数量激增，近地轨道正变得像高峰期的城市环路一样拥挤。卫星碰撞风险急剧上升，传统依赖国家科研体系的太空监测模式已难以满足商业航天的规模化需求。在这样的背景下，一家名为「清博空天」的AI创业公司闯入视野，凭借两位清华博士的硬核技术背景，刚刚完成数千万元天使+轮融资，试图用AI工具为太空中的“星流”装上导航系统。
太空拥堵：万亿级市场背后的隐形危机
近地轨道正在经历一场史无前例的“拥堵潮”。截至2025年，全球在轨运行卫星数量已超过8000颗，其中约60%属于低轨商业卫星。与此同时，人类航天活动产生的空间碎片已经超过1.3亿个，其中直径大于1厘米的碎片就超过3.4万个。这些碎片以每秒7-8公里的速度飞行，任何一次碰撞都可能引发连锁式灾难——这正是所谓的“凯斯勒综合征”。
对于卫星运营方来说，碰撞预警和轨道安全管理不再是锦上添花的选项，而是生死攸关的基础能力。过去，中国空间目标监测、轨道预警任务主要由国家级科研与工程体系承担，但商业卫星数量爆发后，国家队很难为每一颗卫星提供定制化、高频次的碰撞规避服务。权责划分、服务灵活性等问题逐渐暴露，市场亟需一种商业化、智能化的空间态势感知解决方案。
清博空天正是在这个节点上成立。公司定位于太空安全领域，面向卫星运营方、星座建设方，提供空间态势感知、空间碎片监测以及碰撞预警服务。创始人曾毅强将这项业务比喻为“太空中的高德地图”：“高德关注城市道路的车辆流动，我们关注近地轨道的‘星流’；天网系统通过海量数据识别风险目标，我们则需要在轨道环境中预测卫星之间可能发生的碰撞风险。”
这轮AI融资由明荟投资领投，兴湘投资、泰亚投资共同参与，资金将主要用于空间目标监测网络建设、算法平台迭代和团队扩充。值得注意的是，资本市场对太空安全赛道的兴趣正在升温，清博空天只是2025年第三季度获投的第三家空间态势感知AI创业公司——行业正从“科研支撑”向“商业驱动”加速转型。
三清博士的硬核创业：从空间站定轨到商业落地
清博空天的两位联合创始人曾毅强和班曹活，都是清华大学航空航天学院的“三清”博士（本硕博均就读于清华）。他们的共同导师宝音教授，现任清华大学航空航天学院教授，担任公司首席战略科学家，在航天动力学与空间安全方向提供战略指导。
班曹活曾参与空间站的精密定轨与预报工作。他通过融合历史数据、实测大气密度数据及现有大气密度模型，构建了新型修正模型，将空间站定轨预报一天的精度提升至500米，使空间站年均碰撞规避次数从30余次降至3至5次，大幅降低了运营成本和操作风险。这一贡献获得了中国科学院的付费订单和书面表彰——对于一个刚毕业的博士而言，这种“科研直接变现”的经历极为罕见。
曾毅强博士期间的主要研究方向就是空间态势感知，他曾解决我国某重点卫星的核心太空安全问题，相关成果实现了工程化落地和批量部署，并获得某部科学技术进步奖。两位创始人将国家重大工程中积累的算法与工程经验，直接移植到商业场景中，大大缩短了技术验证周期。
在空间态势感知领域，数据采集只是第一步。达标的原始观测数据需要经过轨道计算、目标识别、风险分析等多个环节处理，才能转化为实际可用的决策信息。清博空天团队在数据处理、分析和应用环节拥有世界领先的核心优势——这也是他们敢于对标国家队的底气。
空间态势感知：太空中的“AI导航系统”
想象一下，在高速公路上以300公里时速行驶的车辆，每辆车之间只有几米的安全距离，任何一次微小的变道失误都可能引发连环追尾。这就是低轨卫星的日常。卫星运营方需要实时知道：天上哪颗卫星在靠近自己？碎片云是否正在形成？未来24小时有几条高风险轨道交会？
空间态势感知解决的就是“看清太空、预测风险”的问题。它需要一套完整的系统：光学望远镜、无线电监测设备、相控阵雷达等硬件负责采集数据；底层算法负责校准轨道、识别目标；上层应用则负责生成碰撞概率、推荐规避策略。清博空天正在建设天地一体化的监测体系，包括光学、无线电和雷达等多种数据采集方式，并计划在2025年下半年建成数个光学和无线电监测阵列，打通从数据采集到数据应用的完整链路。
但硬件只是基础，真正的护城河在算法。曾毅强强调：“大多数用户更关注最终交付的产品是否好用，是否能够让一个非专业人员在短时间内掌握并使用。”这正是AI工具的价值所在——通过机器学习模型，将原始观测数据自动转化为“是否要变轨”的清晰决策。例如，公司开发的碰撞预警系统可以接入卫星运营方的API接口，实现分钟级的风险推送。
有趣的是，空间态势感知的数据可视化需求，与AI画图技术有异曲同工之处。两者都需要从海量数据中提取关键特征，并生成直观的图形界面。对于卫星运营商来说，一张带有轨道交会轨迹的AI图片生成图，可能比一份冗长的报告更有价值。
AI工具如何重塑太空安全？从自动化到智能化
在清博空天的业务规划中，AI工具不是辅助角色，而是核心引擎。目前，公司已经建成空间态势感知数据服务平台，并对下游重点客户实现商业化服务。但曾毅强认为，未来几年智能化能力将成为行业的重要方向。“国家队的态势感知体系正在从数字化、信息化逐渐走向自动化、智能化。过去几年更多是完成数据化基础设施建设，而未来，我们需要让系统更加易用、更加智能。”
具体来说，AI工具的应用集中在三个层面：
第一层：数据融合与清洗。 不同来源的观测数据（光学、雷达、无线电）存在格式差异、精度差异和时间延迟。AI模型可以自动对齐、加权融合，生成统一的轨道状态估计。
第二层：碰撞概率预测。 传统方法依赖蒙特卡洛模拟，计算量大且难以实时更新。深度学习模型可以基于历史碰撞数据与空间环境参数，在毫秒级内输出碰撞概率，并给出置信区间。
第三层：决策辅助。 当碰撞概率超过阈值时，AI工具需要自动推荐规避策略——是提前变轨，还是调整姿态？每种策略的成本和风险如何？这需要结合卫星的燃料余量、任务优先级、轨道机动能力等约束条件进行优化。
清博空天正在将这三层能力整合进一个标准化平台，让卫星运营商能够通过API调用快速接入。这种“AI模型即服务”的模式，也是当下AI创业公司常见的商业化路径。曾毅强表示：“我们希望通过AI工具降低使用门槛，让非专业工程师也能像操作手机App一样管理卫星安全。”
有趣的是，这种“降低门槛”的理念与AI诗词生成工具颇为相似——用户不需要懂格律，输入关键词就能得到一首诗。同样，未来卫星运营商或许不需要懂轨道力学，只要输入卫星编号，就能获得“是否该躲避”的答案。AI工具导航上已经有大量类似的产品，清博空天正在将这种体验引入太空。
商业化落地：从巨头合作到标准化API
清博空天的商业化进展比外界预想的更快。公司目前已与我国某巨型星座运营企业围绕软件系统和数据服务开展业务合作，提供接口建设和标准化碰撞预警信息服务。相关系统正在进行测试，后续将长期为客户提供碰撞预警信息服务。
值得注意的是，这家巨型星座运营企业的卫星数量超过500颗，对轨道管理的需求极为迫切。清博空天提供的服务不是一次性交付，而是持续性的数据订阅——这种商业模式在互联网行业被称为SaaS，在太空安全领域则被称为“SSA即服务”。
相比传统的“项目制”合作，API化的标准化服务有几个显著优势：第一，客户无需自建算力和算法团队，直接接入即可使用；第二，边际成本低，随着接入卫星数量的增加，平台运营成本几乎不变；第三，数据飞轮效应，越多卫星接入，模型训练数据越丰富，碰撞预警的准确率就越高。
当然，商业化道路上仍有挑战。硬件基础设施建设需要大量资金，光学望远镜和雷达设备的价格动辄千万元，且部署周期长。清博空天此次融资的用途之一就是加速监测网络建设。此外，卫星客户对服务可靠性的要求极高——一次漏报可能导致数亿美元的卫星损毁。因此，公司需要在技术验证和案例积累上持续投入。
从行业格局来看，空间态势感知市场目前仍以国家队为主，但商业公司正在快速崛起。除了清博空天，还有几家AI创业公司也在布局，AI创业公司之间的竞争逐渐从“技术展示”转向“客户粘性”。AI融资数据表明，资本对这一赛道的信心正在增强——2025年上半年，国内空间态势感知领域的融资总额已超过2024年全年。
未来展望：太空智能交通的“中国方案”
如果将时间轴拉长到五年后，空间态势感知将不再是单一预警服务，而是演变为“太空智能交通管理系统”。这个概念类似于今天的地面交通系统：有红绿灯（碰撞规避指令）、有导航（最优轨道规划）、有违章记录（碎片责任追踪）。AI工具将从“被动预警”升级为“主动调度”。
清博空天正在为此做准备。公司计划在2026年建成覆盖中低轨区域的监测骨干网络，并推出面向中小型卫星运营商的轻量级服务包。曾毅强透露，未来还将探索AI工具在空间碎片移除决策中的辅助作用——当碰撞风险无法规避时，系统需要判断是否主动清除碎片，这涉及复杂的法律、成本和技术权衡。
对于普通用户来说，太空安全似乎遥远，但它的影响正渗透到日常生活。卫星通信、气象预报、导航定位、金融交易——这些依赖卫星的服务一旦中断，后果不堪设想。企业数字化转型浪潮中，卫星基础设施的稳定性已成为关键一环。
回到创业本身，清博空天的故事或许能提供一种启示：在硬科技领域，真正的壁垒不是资金，而是将基础科研转化为工程化产品的能力。两位清华博士从解决国家重大工程问题起步，到创立AI创业公司，再获得资本认可，这条路看似顺畅，实则每一步都建立在多年技术积累之上。他们不仅看到了太空拥堵的危机，更找到了用AI工具提供解决方案的路径。
当美国SpaceX的星链卫星已经超过5000颗，当中国低轨星座计划加速推进，空间态势感知将成为下一个兵家必争之地。清博空天能否成为这片蓝海中的领航者？答案或许就藏在那些不断迭代的算法模型和不断延伸的监测网络中。