AstrolabFLIP月球车将首次运行大语言模型，HPE高性能计算机搭载定制LLM实验

人类探索深空的智能化进程正迈入新阶段：2026 年 11 月，美国航天初创企业 Astrolab 的 FLIP（FLEX Lunar Innovation Platform）月球车有望成为首个在月球表面运行大语言模型（LLM）的探测器。这一突破性尝试并非为展示技术噱头，而是直指深空探测的核心瓶颈——通信延迟与带宽限制。

FLIP 是 NASA 与 Astrolab 签署合同后开发的首辆月面 rover，重 480 千克，设计寿命至少覆盖 150 小时的月夜极寒环境。其核心任务之一是搭载由慧与科技（HPE）研制的高性能计算单元，该单元将首次在月表实际环境中部署定制化 LLM。HPE 首席科学家 Mark Fernandez 在项目发布会上指出：“地月通信虽仅约 1.3 秒延迟，但数据仍属‘过时’；而火星任务中延迟可达 20 分钟，苏联曾因此因操作失误损失两台月面巡视器。”

FLIP 携带 20 项科学载荷，包括激光雷达 3D 地形测绘仪、氦-3 同位素浓度传感器等。而 LLM 的具体任务将聚焦于三方面：一是实时分析车载摄像头与激光雷达数据，辅助路径规划与障碍规避；二是对采集的地质与环境数据进行初步语义提炼，压缩需回传至地球的信息量；三是通过本地推理实现部分自主决策，例如在突发光照变化或局部地形异常时快速响应，避免等待地面指令。

值得注意的是，此次部署的并非通用大模型（如 GPT 或 Claude），而是针对月面任务轻量化、低功耗、高鲁棒性需求专门训练的定制 LLM。其训练数据将涵盖模拟月壤图像、地形语义标签、历史探月任务日志及故障案例库，并在地面完成抗辐射加固与热循环测试。HPE 表示，该系统将采用“边缘推理+增量学习”架构，在有限算力下实现持续状态更新，而非依赖云端反馈闭环。

这一方向与近期多模态 AI 的演进趋势高度契合。例如，由百度、清华大学、中国人民大学等联合提出的 LoopVL 模型，正是通过分层循环机制复用参数，在仅 0.14T 训练 token 的前提下，性能超越部分 2B~4B 参数量级的视觉语言模型。其关键创新在于“跨循环视觉注意力重组”——即模型在多次迭代中动态调整关注区域，类似人类反复审视图像时的认知深化过程。该机制对资源受限场景（如星载计算）极具参考价值：它不增加参数规模，却显著提升推理深度与信息提取效率。

从技术路径看，FLIP 的 LLM 实验代表了“空间智能”的第三阶段演进：第一阶段为预编程逻辑控制（如 Apollo 月球车），第二阶段为有限自主导航（如 Curiosity 火星车的 AutoNav 功能），第三阶段则迈向基于语义理解的上下文感知决策。后者要求系统不仅能识别“前方有陨石坑”，还能结合任务目标判断“是否绕行”“是否值得采样”“是否上报异常”。这正是 LLM 所擅长的推理链构建能力。

不过，月面部署面临严峻挑战。除温差（-173°C 至 127°C）、真空、高能粒子辐射外，计算单元还需应对电源波动与振动冲击。HPE 未公开具体芯片型号，但透露采用“异构加速架构”，包含专用 AI 张量单元与冗余校验模块，确保单次推理错误率低于 10⁻⁹。此外，LLM 推理将严格限定在离线模式，不连接任何外部网络，彻底规避安全风险。

行业观察认为，FLIP 的 LLM 实验具有示范意义。若成功，后续 Artemis 计划中的载人月面漫游车（如 NASA 与 Astrolab 合作开发的 Crew Mobility Vehicle）将直接集成同类系统，使宇航员能通过自然语言指令调取实时地质分析、设备状态摘要甚至应急处置建议。更远期，该技术可延伸至小行星采样、木卫二冰下探测等任务——在通信中断窗口期，AI 将成为探测器的“临时大脑”。

目前，全球尚无其他机构公开类似计划。中国嫦娥系列任务侧重于高精度导航与自主避障算法，尚未披露 LLM 应用；日本 MMX 火卫一采样任务（2026 年 10 月发射）聚焦轨道动力学与样本封装，亦未涉及星载语言模型。FLIP 因此成为首个将生成式 AI 推向地外天体表面的工程实践。

值得补充的是，LLM 上月并非孤立事件，而是与航天计算小型化浪潮同步推进。过去五年，SpaceX 星链卫星已部署数千台定制 AI 加速器用于星上信号处理；NASA 的“深空原子钟”项目则验证了高稳定性时频基准对自主导航的关键作用。FLIP 的价值在于，它首次将“语义级智能”纳入月面作业闭环，标志着机器人从“执行者”向“协作者”角色转变的临界点。

任务预计持续约 14 天（一个完整月昼），期间 LLM 将完成至少 50 轮实测实验，涵盖不同光照条件、尘埃覆盖场景及模拟通信中断恢复流程。所有原始数据与推理日志将随任务结束回传，供学术界与工业界共同评估模型在极端环境下的泛化边界。

随着深空探索进入常态化阶段，算力下沉至探测前端已成为必然趋势。FLIP 的这次尝试，或许只是人类在宇宙中部署“智能节点”的第一步。