轨道数据中心中哪些工作负载合适？基于语义抽象的工作负载优先框架
计算机视觉与模式识别
2026-03-24 v1 分布式、并行与集群计算
网络与互联网体系结构
摘要
随着发射成本下降和数据密集型 AI 工作负载的增长，太空计算正变得可行。本文提出了一种以工作负载为中心的框架，用于决定哪些任务适合在轨道而非陆地云端运行，并提出了与轨道数据中心成熟度相关联的分阶段采纳模型。我们通过在轨语义降采样原型来支撑该框架。地球观测管道使用来自西雅图和班加罗 (原布拉加尔) 的 Sentinel-2 影像，实现 99.7-99.99% 的有效负载降采样，通过将原始影像转换为紧凑的语义制品。多路径立体重建原型将约 306 MB 降至约 1.57 MB 的派生 3D 表示 (99.49% 降采样)。这些结果支持一种以工作负载为中心的观点，即语义抽象而非原始计算规模驱动早期工作负载适用性。
引用
@article{arxiv.2603.20317,
title = {Which Workloads Belong in Orbit? A Workload-First Framework for Orbital Data Centers Using Semantic Abstraction},
author = {Durgendra Narayan Singh},
journal= {arXiv preprint arXiv:2603.20317},
year = {2026}
}