SpaceMoE：面向轨道通用智能的分布式混合专家推理
网络与互联网体系结构
2026-05-19 v1
摘要
随着卫星网络演进以支持日益多样化的服务和人工通用智能（AGI），大型语言模型（LLM）正成为未来太空系统的关键基础。然而，在卫星上部署 LLM 受限于严格的 onboard 内存、计算和能源约束。在此背景下，混合专家（MoE）架构 emerged as 一个有前景的解决方案，利用稀疏专家激活实现可扩展的模型推理。凭借 MoE 的架构优势，本文提供了 SpaceMoE 概览，这是一种用于卫星网络中分布式 MoE 推理的新范式。我们首先回顾了近期工业进展和正在出现的标准化趋势，以推动向空间 AGI 系统演进。随后，我们介绍了 SpaceMoE 的基本概念和架构演进。随后，我们讨论了 SpaceMoE 中的三个基本设计问题，即专家放置、专家选择以及隐藏状态传输和路由，强调卫星特定因素如动态拓扑、电池退化和热限制如何根本性地重塑这些解决方案。最后，我们勾勒了实现未来卫星网络中可扩展、高效和可持续的轨道 MoE 推理的前景研究方向。
引用
@article{arxiv.2605.16849,
title = {SpaceMoE: Towards Orbital General Intelligence with Distributed Mixture-of-Experts Inference},
author = {Qian Chen and Xianhao Chen and Min Sheng and Kaibin Huang},
journal= {arXiv preprint arXiv:2605.16849},
year = {2026}
}
备注
7 pages, 5 figures