太空算力竞赛：OpenAI与DeepSeek的多模态路线分野

当GPT-5o在2026年6月实现实时视频理解与生成时，业界曾以为多模态大模型的竞赛已趋同于"更大参数、更多数据"的单一叙事。然而短短三个月后，DeepSeek于9月发布的Janus-Pro-2却以不到前者三分之一的训练成本，在卫星遥感图像解译、航天器故障诊断等垂直场景展现出惊人精度。两条技术路线的分野，正深刻重塑AI与商业航天的融合逻辑——OpenAI向上求索太空算力，DeepSeek向下扎根地面效率，而卫星互联网恰好成为检验二者成色的终极考场。

技术路线：太空分布式 vs 地面集约化

OpenAI的技术哲学建立在一个激进假设之上：多模态模型的终极形态需要近乎无限的实时数据流与算力供给。2026年3月，其与AST SpaceMobile达成战略合作，将低轨卫星星座作为"边缘算力节点"的试验场。具体而言，搭载定制AI加速器的卫星可直接在轨处理光学、SAR雷达及红外载荷数据，仅将高价值特征向量回传地面，而非原始影像。这一架构的理论优势在于延迟——对于灾害响应、军事侦察等场景，秒级决策意味着不可替代的商业溢价。

DeepSeek则选择了另一条路径。其Janus系列的核心创新在于"动态专家路由"机制：模型根据输入模态自动激活对应子网络，视觉、文本、时序数据共享底层表征空间却互不干扰。这使得单个模型可在消费级GPU集群上完成训练，推理时更可压缩至边缘设备部署。2026年8月，DeepSeek与中国"千帆星座"运营方联合验证了这一能力：地面站接收卫星原始数据后，由轻量化模型在本地完成云图识别、船舶追踪等任务，全程无需调用云端API。成本账单一目了然——单次推理成本不足OpenAI太空方案的七分之一。

商业化落地：高端定制与规模复制的博弈

技术路线的差异直接投射于商业模式。OpenAI的太空算力网络目前服务于三类高净值客户：美国国防部高级研究计划局（DARPA）的实时战场感知合同、欧洲气象卫星组织的极端天气预警项目，以及两家私营采矿公司的资源勘探订阅。这些场景的共性是对"绝对低延迟"的刚性支付意愿，年合同金额均在千万美元量级，但客户总数被严格控制在两位数。

DeepSeek的策略则是将卫星AI能力"水电化"。2026年第二季度，其通过阿里云、华为云向超过四千家企业开放遥感分析API，单价低至每平方公里0.12美元。更关键的是其"模型即服务"的嵌套设计——农业保险公司可调用作物长势监测模块，港口运营商可激活集装箱计数功能，而底层基座模型无需重新训练。这种碎片化、高频次的收入结构，在规模效应下展现出惊人韧性：据DeepSeek披露，其航天相关API调用量在2026年7月至9月间环比增长340%，客户续约率超过92%。

商业航天的角色重构：从数据传输到智能层

两条路线的交锋，意外推动了卫星产业链的价值迁移。传统卫星运营商的核心资产是频谱与轨道位，而AI模型的嵌入正在改写这一逻辑。SpaceX星链在2026年5月发布的"V3卫星"已预留20%载荷质量用于可升级AI模块，被业界解读为对OpenAI路线的隐性押注；与此同时，中国银河航天的"灵犀"平台则兼容DeepSeek的模型容器标准，允许客户在地面预训练后一键上注卫星。

更具深远意义的是标准之争。OpenAI主导的"在轨推理协议"（OIP）与DeepSeek推动的"地面-卫星协同框架"（GSCF），正分别吸引产业链上下游站队。前者利好卫星制造商（如洛克希德·马丁、长光卫星）的高附加值硬件销售，后者则降低星座运营方的总体拥有成本。2026年9月于深圳举行的全球卫星应用大会上，两大阵营的闭门谈判未能达成互操作共识，暗示这场技术路线之争将长期化。

终局预判：收敛还是并存？

短期来看，两条路线各有不可逾越的边界。OpenAI的太空算力受限于卫星能源供给与散热瓶颈，单星算力天花板清晰可见；DeepSeek的地面方案则在跨域协同场景（如洲际导弹预警）中面临固有延迟劣势。但一个微妙的融合信号已经出现：2026年10月初，OpenAI被曝测试"混合架构"——由地面大模型生成任务策略，卫星边缘节点执行实时感知，二者通过激光星间链路同步状态。这与DeepSeek最新论文中提出的"天地协同蒸馏"框架，在工程实现层面已高度趋同。

商业航天的终极命题或许不在于选择哪条路线，而在于证明AI能力可以脱离地面数据中心的物理垄断。当卫星星座同时承载通信、导航与智能计算，"太空即计算机"的愿景便不再遥远。OpenAI与DeepSeek的竞赛，不过是这一宏大叙事的开篇注脚。