中国工程院院士邬贺铨在“卫星互联网产业发展论坛”上指出，AI技术可有效解决卫星互联网面临的高时延、高误码、多普勒频移、频繁切换、天线受限、星上载荷与能耗制约及星地协同等挑战。

针对高时延问题，低轨卫星往返时延为5-25毫秒，高轨可达半秒，导致TCP吞吐量受限。AI可通过预加载TCP窗口数据、利用NFV动态调整TCP参数，如根据信道质量切换UDP加速，降低重传与资源浪费。

在高误码环境下，大雨衰减、电离层闪烁等因素可致链路深衰落达170dB，误码率显著上升。传统机制易误判为拥塞，AI则通过自适应失真补偿、智能信道建模、频谱感知与预测性管理，精准掌握信道状态，优化频率配置，提前抵销干扰。

多普勒频移方面，低轨卫星相对地面移动速度达7.56km/s，S波段频移约24ppm，影响解调甚至导致失锁。AI结合时空神经网络构建端到端预测模型，融合多维动态数据，使预测残差降低30%~50%，支持毫秒级突变预警，并提升闭环控制精度。

卫星高速移动导致可见时间短，终端频繁切换。实测显示切换超5次/分钟时丢包率达15%，TCP吞吐量下降。AI可智能预测切换时机，分析轨道、轨迹与历史记录，决策时延降低80%，失败率从8%降至0.5%；同时实现快速波束对齐，捕获时间由100ms缩短至10ms。

频效提升方面，受限于天线尺寸、动态环境与资源分配复杂度，传统卫星能力有限。AI通过强化学习实现毫秒级波束切换，神经网络优化MIMO与波束赋形联合设计，提升空间复用率；LSTM预测流量需求，GAN模拟干扰训练抗扰算法，频效提升超40%。

容量优化中，AI助力实现0.1度级超分辨率波束赋形，波束数量增10倍，空口容量贡献45%；星间资源动态调用（含强化学习、数字孪生、多轨协同）贡献30%；终端侧优化贡献15%；新频段开拓贡献10%。

星上载荷四类功能包括透明转发、星载基站、星载UPF和星上计算，复杂度逐级提升。AI使透明转发信号压缩至1/4带宽，容量提升4倍；星载基站频效提升3倍；星载UPF路径优化降时延40%；星上计算模型压缩至1/10（精度损失<2%），支持联邦学习。目前星上计算仅中国开展试验，面临抗辐射芯片算力不足、能耗矛盾等挑战。

星间互联必要性体现在跨洋交易延迟低（20ms vs 海缆200ms）、万星自治需求、遥感数据直传过滤及境外落地难等问题。挑战包括激光链路对准、路由表爆炸、太阳耀斑致误码上升、高功耗（100Gbps链路超500W）及频谱分配冲突。AI通过深度学习补偿震颤、LSTM预测等离子扰动、DQN动态调功率降耗65%，提升链路可靠性。

NTN推动星地融合，区别于传统独立协议栈与透明转发架构，采用3GPP统一框架，支持在轨解调编码。网络升级为“星载5G基站+UPF下沉+边缘计算+AI调度+动态波束赋形”，地面网虚拟化、终端双接入。核心网统一调度切换，AI共享频段，性能达峰值1Gbps、时延30-50ms、单星连接百万终端、可靠性99.999%。

邬贺铨总结称，低轨卫星与星上处理技术发展推动卫星通信向全球IP宽带接入演进，卫星互联网实现代际跃升。其与高空平台、无人机基站构成非地面网络（NTN），成为6G空间维度延伸。AI与NTN历史性交汇，推动基站、UPF乃至算力上星，形成“星载核心网即服务”新模式。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。