衛星 AI 邊緣運算，外太空的「雲端機房」

當亞馬遜（Amazon）於 2026 年初獲得美國聯邦傳播委員會（FCC）核准，將「Amazon Leo」（原 Project Kuiper）低軌衛星總數擴增至 7,700 顆時，外界目光大多聚焦在頻寬與覆蓋率。除了傳統的供應鏈受惠與美中商戰外，第二代衛星重點除通訊外，其「算力」延伸議題更值得關注。

這場耗資逾 110 億美元的布局，核心已從地面訊號中繼轉向大氣層外的「算力卡位」。亞馬遜積極布局 Ku 與 V 頻段，並追加 10 億美元預算以確保能在 2026 年內啟動大規模商業化測試。其企圖將 AWS 的雲端基礎設施延伸至約 600 公里的低軌道，打造具備持續運算能力的「太空資料中心」。

將AI 算力搬上太空的商業邏輯

過去衛星被視為會飛的路由器，採單純資料轉發模式。亞馬遜二代衛星的真正突破，在於將其轉型為分散式算力節點。隨著光學星間鏈路（OISL）技術趨於成熟，衛星群不再是孤立的點，更像是巨大的軌道網格。

從分析角度看，這解決了傳統衛星通訊致命的往返延遲問題。當資料能在衛星群間直接預處理，不必頻繁回傳地面站時，不僅節省頻寬，更是對全球網路架構的重塑。這說明通訊產業正經歷與 15 年前行動網路相同的轉型：從單純的「通話」演變為「運算」。

亞馬遜追加投資的背後，反映出科技巨頭對「AI 邊緣運算」的戰略重視。將AI 算力搬上太空，在商業邏輯上具有極高合理性：太空提供了取之不盡的太陽能與天然真空冷卻優勢，對比地面資料中心面臨的能源與法規限制，優勢顯而易見。

衛星 AI 邊緣運算的顯著價值在「時效性」

為因應此趨勢，亞馬遜已與 SpaceX 及Blue Origin簽署數十次發射合約，確保在 2032 年限期前完50%的部署，首批二代衛星預計搭載具備「抗總劑量輻射（TID）」強化技術的自研處理器。

業界分析指出，隨著 Nvidia 投資的 Starcloud 成功在軌道運行 H100 GPU，亞馬遜極可能透過與 Nvidia 的戰略聯盟，或利用其自研的抗輻射 Trainium 系列 ASIC 晶片，在二代衛星上部署軌道推理引擎。這種「軌道邊緣運算」能直接在太空過濾雜訊、萃取關鍵特徵，確保回傳至地面的每一位元資料皆具備高度決策價值，將衛星從傳輸管道轉化為高效能的雲端預處理站。

在實務應用層面，衛星AI邊緣運算最顯著價值在於時效性。以全球監測或軍事偵察為例，傳統衛星獲取影像後，需等待運行至地面站上方才能下載處理，往往存在數小時時差。在二代衛星架構下，AI模型在軌道上即能完成物體辨識。