Meta 开源模型上太空：Space Llama 进驻国际空间站，离线跑多模态

Space Llama 是 Meta 联手咨询技术公司 Booz Allen 为国际空间站（ISS）定制的一套边缘 AI 系统。它的底座是开源的 Llama 3.2，经过定向微调后，专门用来在没有网络连接的太空轨道上处理复杂的科研和技术支持任务。

在距地球数百公里的国际空间站上，普通互联网根本连不上，哪怕是向地面传回数据也受到带宽和延迟的严苛限制。Space Llama 的核心价值，就是让宇航员把大模型装进空间站本地硬件，不用联网、不用依赖地面的算力中心，随时随地直接问答和检索。

空间站里的硬核技术栈

要把多模态大模型塞进对功耗和体积要求极高的地方，光有一个模型权重远远不够。

这套系统整合了四方技术：Booz Allen 负责边缘环境 AI 框架 A2E2，计算硬件采用 HPE 的太空计算机 Spaceborne Computer-2，底层加速依靠英伟达的 GPU 算力及 CUDA、cuDNN、cuBLAS 等加速库，再加上 Meta 提供的 Llama 视觉理解能力。

这套架构类似于现代小卫星上的紧凑型低能耗系统。最亮眼的数字在于速度：经过英伟达软件栈微调和加速后，原本在空间站边缘设备上可能需要好几分钟的 AI 任务，被直接压缩到了刚刚超过 1 秒。

这也是人类第一次在地球之外的轨道环境中，部署运行这样高规格的软硬件 AI 组合。

离线跑多模态与排障

Space Llama 同时具备生成式对话和多模态理解能力，能处理文本、图像以及声音等多种数据。

在日常维护和科研中，空间站里堆积了海量的技术参考手册、设备排障指南和实验规程。以往宇航员遇到突发故障，需要耗费大量时间去翻阅文档，或者等待地面指挥中心的无线电指导。

现在有了 Space Llama，宇航员可以在完全断网的状态下，用自然语言快速检索关键技术规程，甚至直接分析设备状态。

Booz Allen 首席技术官 Bill Vass 表示，以往太空创新的最大瓶颈就是依赖地球的连接与计算能力，而 Space Llama 直接把算力推到了太空任务的最边缘，能为空间站维护和紧急抢修节省下极为宝贵的时间。

这项任务并不是平地起步。早在 2024 年 8 月，Booz Allen 就已经在 HPE 的 Spaceborne Computer-2 上成功测试了离线 LLM 的运行；同年 11 月，Meta 宣布将开源 Llama 模型开放给美国政府机构及私营防务合作伙伴，为这次太空部署扫清了路径。

怎么试与局限性

普通人显然没办法登上空间站去玩 Space Llama，Booz Allen 和 Meta 也没有为公众单独打包这一太空特调版镜像。

但它能跑起来的前提，是因为底座 Llama 3.2 是完全开放权重的开源模型。如果你手头有本地服务器、工控机或者边缘计算设备，同样可以在断网环境下复现这套离线 AI 的能力。

你可以直接在 Hugging Face 或 Meta 官网获取 Llama 3.2 权重，配合 vLLM、Ollama 等本地推理工具，在断网工控机甚至消费级显卡上搭建本地知识库。

需要注意的是，太空部署面对的最大限制是极端功耗预算和宇宙辐射环境，普通开发者虽然不用考虑防辐射硬件，但离线边缘部署对本地显存和量化精度的权衡，依然需要反复调试。

为什么重要

这件事情最大的看点，是给所有需要在极端环境下作业的行业打了个样。

很多人平时习惯了依赖云端 API，但现实中诸如远洋船舶、深地矿井、偏远野外科考以及国防现场，网络要么带宽极贵，要么随时会断。在这些地方，闭源且依赖网络调用的商业大模型几乎毫无用武之地。Space Llama 证明了高水平的开源边缘模型不仅能用，而且能在极小算力下做到秒级响应。

我们认为，Meta 这一步走得相当老练。通过把开源模型推向空间站和防务科研场景，Meta 彻底坐实了开源生态在关键基础设施中的不可替代性，这是闭源竞品很难切入的阵地。随着未来深空探测走向月球和火星，这种完全不依赖母星通信的本地自给型 AI，必然会成为所有自主航天器的标配。