一家雄心勃勃的卫星制造商即将发射有史以来功率最高的航天器之一,以验证建设轨道数据中心所需的技术。
K2公司由前SpaceX工程师兄弟Karan和Neel Kunjur于2022年创立,已将其卫星Gravitas装载到预计本月底发射的SpaceX猎鹰9号火箭中。Gravitas重达两公吨,太阳能板展开后翼展达40米。
这颗大型卫星的核心在于大功率:Gravitas能够产生20千瓦的电力,为强大的传感器、收发器和计算机等有效载荷供电。相比之下,更大更昂贵的ViaSat-3航天器可产生超过25千瓦功率,而Starlink V2卫星估计可产生28千瓦,但大多数航天器仅能产生几千瓦。
"未来是高功率时代,"首席执行官Karan Kunjur解释说。K2已筹集4.25亿美元实现这一愿景,在2025年12月获得投资者30亿美元估值。这次发射将是公司首次真正的太空作业,也是Kunjur所说的"迭代之旅的开始"。
Gravitas任务将搭载来自包括国防部在内的多个客户的12个未公开有效载荷模块,以及一台该公司预期将成为太空中最强大的20千瓦电推进器。
Kunjur表示,这次演示将在几个成功层面进行评估——首先,K2能否让航天器部署并产生电力?其次,能否开始运行有效载荷并测试强大的推进器?如果进展顺利,能否使用推进器将航天器提升到数千公里的更高轨道?
Kunjur意识到发射新航天器并非易事——85%的组件都是内部设计制造的——市场对异常情况判断迅速。他说最重要的是最大化数据收集,为下一代卫星设计提供信息;K2计划在未来两年内发射十一颗卫星,执行演示和商业任务。到2028年,Kunjur预计公司将为客户生产卫星,建设高功率太空飞行器商业网络。
随着卫星在经济中发挥越来越大的作用,功率有助于实现新的商业案例。Kunjur预计首次影响将体现在通信网络上——更大功率意味着更高吞吐量和更不易受干扰的信号。随着轨道数据处理变得更重要,需要高功率卫星来操作先进处理器。
然而,数据中心和各种大型卫星面临的重大挑战是将其发射到太空的费用。K2的创立理念是利用SpaceX正在开发的巨型火箭星舰的力量,该火箭可能大幅降低进入轨道的成本。但目前尚不清楚该飞行器何时投入运营或开始提供低成本服务。
但对轨道更大功率需求的增长为K2独特航天器提供了不同定位。像Starlink和Amazon LEO这样的大型通信网络、考虑轨道计算潜力的超大规模云服务商,以及五角大楼计划的1850亿美元导弹防御系统(包含数千颗新卫星),都指向需要更强电力能力的卫星。
K2认为,即使在发射成本约720万美元(猎鹰9号客户价格)而非60万美元(星舰为外部客户降低发射成本)的世界中,其航天器仍具有意义。Kunjur认为Gravitas的1500万美元价格点仍比传统承包商制造的高功率卫星更便宜,同时比同等价位的小型航天器更强大。
一旦最大型火箭开始定期飞行,Kunjur表示他的团队将准备好更大的选择。
"我们的想法是,让我们构建当星舰和新格伦火箭对所有人可用时成为先行者所需的所有组件,"他告诉TechCrunch。K2已在工厂车间准备好100千瓦卫星的设计图,遍布整个建筑。
Q&A
Q1:K2公司的Gravitas卫星有什么特殊之处?
A:Gravitas是一颗重达两公吨、翼展40米的高功率卫星,能够产生20千瓦电力,这使其成为有史以来功率最高的航天器之一。相比大多数仅能产生几千瓦的航天器,Gravitas可为强大的传感器、收发器和计算机提供充足电力。
Q2:高功率卫星技术主要应用在哪些领域?
A:高功率卫星技术首先将影响通信网络,更大功率意味着更高吞吐量和更不易受干扰的信号。随着轨道数据处理变得更重要,高功率卫星还将用于操作先进处理器,支持轨道数据中心建设。
Q3:K2公司未来的发展计划是什么?
A:K2计划在未来两年内发射十一颗卫星,执行演示和商业任务。到2028年,公司预计将为客户生产卫星,建设高功率太空飞行器商业网络。公司还准备了100千瓦卫星设计,等待更大型火箭如星舰投入使用。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。