随着低轨卫星和空间碎片的数量激增，近地轨道正在变得比北京早高峰的环路还要拥挤。当一颗卫星的碰撞规避次数从每年三十多次骤降到三五次，背后是精密算法和AI模型的强力支撑。在这场太空交通管理的新战役中，一家名为清博空天的AI创业公司悄然崛起，凭借两位清华博士的技术积累，在空间态势感知（SSA）领域快速卡位。近日，该公司宣布完成数千万元天使+轮融资，由明荟投资领投，兴湘投资、泰亚投资跟投。这笔资金将用于天地一体化监测网络建设、算法平台迭代以及团队扩充。
太空拥堵下的商业机遇：SSA为何成为刚需
如果把地球比作一个繁忙的港口，那么近地轨道上的卫星就是穿梭往来的船只。但和港口不同，太空没有红绿灯，没有交警，卫星之间一旦发生碰撞，后果往往是毁灭性的——不仅卫星报废，还会产生大量碎片，引发连锁反应。
空间态势感知（Space Situational Awareness，SSA）应运而生，它本质上就是太空中的“交通监控系统”。传统上，这一任务由国家级科研机构承担，比如像我国的天网系统，能够识别和跟踪空间目标。但随着商业航天进入规模化发展阶段，马斯克的Starlink、我国的“千帆星座”等巨型星座密集部署，轨道资源变得极度紧张。
据行业数据，目前可追踪的空间碎片超过3万块，而微小碎片数量可能达到上亿级别。卫星运营方对于碰撞预警、轨道安全管理等服务的需求正在爆发式增长。然而，国家队资源有限，很难专门针对商业卫星提供定制化、高频率的预警服务。这就为AI创业公司打开了市场缺口——谁能用更灵活、更低成本的方式提供SSA服务，谁就能在商业航天产业链中占据关键位置。
清博空天正是瞄准了这一痛点。该公司成立于2025年8月，专注于为卫星运营方和星座建设方提供空间态势感知、碎片监测及碰撞预警服务。与传统的“国家队”模式不同，清博空天更强调技术标准化和平台化，让用户可以通过API接口直接调用碰撞预警信息，降低了使用门槛。
三清博士的硬核技术壁垒：从空间站到商业卫星
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），师从宝音教授。这样的教育背景在AI创业圈并不多见，但正是这种深度的学术积累，造就了他们在航天动力学领域的独特优势。
班曹活曾参与中国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，构建了一种新型修正模型，将空间站定轨预报一天的精度提升至500米——这相当于把原本几公里的误差缩小到了半个足球场的大小。成果直接体现在操作层面：空间站年均碰撞规避次数从三十余次降至3至5次，大幅降低了运营成本和风险。这项贡献甚至获得了中国科学院的付费订单和书面表彰。
曾毅强博士期间的主攻方向正是空间态势感知。他解决了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。两位创始人联手，等于同时拥有了“精密定轨”和“碰撞预警”两个核心能力。
对于一家AI创业公司而言，技术团队的实力是首要壁垒。清博空天在数据处理、分析和应用环节拥有世界领先的核心优势。他们不仅能够采集原始观测数据，还能通过轨道计算、目标识别、风险分析等环节，将数据转化为可执行的决策信息。这种全链条的能力，在商业SSA领域极为稀缺。
天地一体化监测：构建太空“天眼”网络
空间态势感知的第一步是数据采集。如果没有足够多的观测数据，再好的算法也是“巧妇难为无米之炊”。清博空天正在建设天地一体化的监测体系，包括光学望远镜、无线电监测设备以及相控阵雷达等多种数据采集方式。
光学望远镜是目前推进最快的方案，因为建设周期短、实施难度相对较低。光学设备可以捕捉到可见光波段的目标，适合在夜间或暗光条件下观测高轨道目标。但光学观测受天气影响较大，云层遮挡就会失效。无线电监测则能弥补这一不足，通过接收卫星的无线电信号来定位和跟踪。而相控阵雷达虽然成本高、建设复杂，但拥有全天候、高精度的追踪能力。
曾毅强透露，下半年公司的目标是建设数个光学和无线电监测阵列，打通从数据采集到数据应用（包括AI图片生成用于可视化分析）的完整链路。这就像在太空中铺设一张“天眼”网络，每一颗卫星的轨迹、每一个碎片的位置都能够被实时监控。
值得注意的是，数据采集只是第一步。真正的价值在于如何处理海量数据。清博空天团队在算法层面下了很大功夫——他们需要从噪声中识别出目标，预测其轨道演化，并计算碰撞概率。这一过程涉及复杂的动力学模型和概率统计，传统方法计算量大、实时性差。而AI技术的引入，使得预测速度和精度都得到了大幅提升。
AI赋能：从“看见”到“预见”的智能化跃迁
“今年以来，我们明显感觉到AI正在重塑整个航天行业。”曾毅强在一次谈话中表示。国家队的态势感知体系正在从数字化、信息化走向自动化和智能化。过去几年更多是在完成数据基础设施建设，而未来几年，智能能力将成为新的竞争焦点。
清博空天已经在布局AI能力。在数据处理环节，他们利用机器学习模型对原始观测数据进行降噪、分类和特征提取，大幅提高了目标识别准确率。在轨道预测环节，基于AI Agent技术的智能算法能够实时调整模型参数，适应空间环境的变化。例如，太阳活动、大气密度波动等不确定因素常常导致轨道预测偏差，AI可以学习这些规律并自动修正。
更值得关注的是，清博空天正在将AI能力嵌入到服务平台中，让用户能够以更直观的方式使用SSA服务。比如，通过AI画图技术生成实时的轨道态势图，让非专业人士也能一目了然地看到卫星之间的相对位置和碰撞风险。这种“可视化+智能化”的组合，正是AI创业公司区别于传统航天机构的差异化优势。
此外，AI还能降低使用门槛。大多数卫星运营商并不需要深入了解轨道动力学，他们只关心“我的卫星是否安全”。清博空天提供的标准化产品，可以直接通过API调用，让客户在几分钟内获得碰撞预警信息。这种“AI即服务”的模式，与当前企业数字化转型的趋势高度契合。
商业化落地：从单一客户到平台化服务
目前，清博空天已与我国某巨型星座运营企业建立合作关系，围绕软件系统和数据服务开展业务。具体包括接口建设、标准化碰撞预警信息服务等。相关系统正在测试中，后续将长期为客户提供持续服务。
对一个AI创业公司来说，能够获得头部星座运营商的认可，本身就是实力的证明。曾毅强表示，商业化的关键在于“标准化”和“可复用”。他们希望构建一个空间态势数据分析平台，让下游客户能够像使用云计算一样使用SSA能力——通过API快速接入，按需付费。
这种模式的优势在于，不需要每个客户都自建监测系统，也无需培养专业团队。清博空天以AI工具箱的形式，将碰撞预警、碎片监测、轨道优化等服务打包输出，大幅降低了客户的运营成本。
当然，商业化也面临挑战。目前国内商业SSA市场还处于早期阶段，客户认知度不高，采购决策周期较长。但长远来看，随着低轨卫星数量持续增长，碰撞风险将呈指数级上升，届时SSA将成为卫星运营的“刚需”，就像今天的网络安全一样不可或缺。
创业者视角：商业化与国家队如何共存
在采访中，曾毅强坦诚地分析了商业SSA公司与国家队的关系。他认为，国家队的核心任务是服务国家安全和军事需求，很难专门投入大量资源去满足商业卫星日益增长的碰撞规避需求，同时也存在权责划分的问题。而商业公司则可以更加灵活，聚焦于提供更好的服务，随时调整合作模式。
“虽然在基础设施层面，比如雷达等监测设备建设上，商业公司和国家队还有差距，但我们可以更大胆地应用新技术。”曾毅强说，“在数据处理、分析和应用环节，对原始观测数据进行二次、三次加工分析，转化成用户真正需要的决策信息。促进新技术的应用落地，而非进行重复建设，这是商业公司的优势。”
这种定位与当前AI创业领域的普遍逻辑一致：不做底层的“造轮子”，而是在已有基础设施上做“上层应用”。就像AI工具导航平台一样，清博空天希望成为太空安全领域的“服务枢纽”，连接数据源和最终用户。
展望未来，清博空天计划在2025年下半年继续扩大监测网络，并推出更多AI驱动的产品。随着融资到位，团队也将在算法、工程和商务方面招聘更多人才。在太空安全这个充满想象力的赛道上，这家AI创业公司正在书写自己的故事。
太空不再是遥不可及的边疆，而是需要精心维护的“第二空间”。当AI创业遇见太空安全，一个全新的蓝海市场正在打开。