Meta 開源模型上太空：Space Llama 進駐國際空間站，離線跑多模態

Space Llama 是 Meta 聯手諮詢技術公司 Booz Allen 為國際空間站（ISS）定製的一套邊緣 AI 系統。它的底座是開源的 Llama 3.2，經過定向微調後，專門用來在沒有網路連線的太空軌道上處理複雜的科研和技術支援任務。

在距地球數百公里的國際空間站上，普通網際網路根本連不上，哪怕是向地面傳回資料也受到頻寬和延遲的嚴苛限制。Space Llama 的核心價值，就是讓宇航員把大模型裝進空間站本地硬體，不用聯網、不用依賴地面的算力中心，隨時隨地直接問答和檢索。

空間站裡的硬核技術棧

要把多模態大模型塞進對功耗和體積要求極高的地方，光有一個模型權重遠遠不夠。

這套系統整合了四方技術：Booz Allen 負責邊緣環境 AI 框架 A2E2，計算硬體採用 HPE 的太空計算機 Spaceborne Computer-2，底層加速依靠輝達的 GPU 算力及 CUDA、cuDNN、cuBLAS 等加速庫，再加上 Meta 提供的 Llama 視覺理解能力。

這套架構類似於現代小衛星上的緊湊型低能耗系統。最亮眼的數字在於速度：經過輝達軟體棧微調和加速後，原本在空間站邊緣裝置上可能需要好幾分鐘的 AI 任務，被直接壓縮到了剛剛超過 1 秒。

這也是人類第一次在地球之外的軌道環境中，部署執行這樣高規格的軟硬體 AI 組合。

離線跑多模態與排障

Space Llama 同時具備生成式對話和多模態理解能力，能處理文本、影像以及聲音等多種資料。

在日常維護和科研中，空間站裡堆積了海量的技術參考手冊、裝置排障指南和實驗規程。以往宇航員遇到突發故障，需要耗費大量時間去翻閱文件，或者等待地面指揮中心的無線電指導。

現在有了 Space Llama，宇航員可以在完全斷網的狀態下，用自然語言快速檢索關鍵技術規程，甚至直接分析裝置狀態。

Booz Allen 技術長 Bill Vass 表示，以往太空創新的最大瓶頸就是依賴地球的連線與計算能力，而 Space Llama 直接把算力推到了太空任務的最邊緣，能為空間站維護和緊急搶修節省下極為寶貴的時間。

這項任務並不是平地起步。早在 2024 年 8 月，Booz Allen 就已經在 HPE 的 Spaceborne Computer-2 上成功測試了離線 LLM 的執行；同年 11 月，Meta 宣佈將開源 Llama 模型開放給美國政府機構及私營防務合作伙伴，為這次太空部署掃清了路徑。

怎麼試與侷限性

普通人顯然沒辦法登上空間站去玩 Space Llama，Booz Allen 和 Meta 也沒有為公眾單獨打包這一太空特調版映象。

但它能跑起來的前提，是因為底座 Llama 3.2 是完全開放權重的開源模型。如果你手頭有本地伺服器、工控機或者邊緣計算裝置，同樣可以在斷網環境下復現這套離線 AI 的能力。

你可以直接在 Hugging Face 或 Meta 官網獲取 Llama 3.2 權重，配合 vLLM、Ollama 等本地推理工具，在斷網工控機甚至消費級顯示卡上搭建本地知識庫。

需要注意的是，太空部署面對的最大限制是極端功耗預算和宇宙輻射環境，普通開發者雖然不用考慮防輻射硬體，但離線邊緣部署對本地視訊記憶體和量化精度的權衡，依然需要反覆除錯。

為什麼重要

這件事情最大的看點，是給所有需要在極端環境下作業的行業打了個樣。

很多人平時習慣了依賴雲端 API，但現實中諸如遠洋船舶、深地礦井、偏遠野外科考以及國防現場，網路要麼頻寬極貴，要麼隨時會斷。在這些地方，閉源且依賴網路呼叫的商業大模型幾乎毫無用武之地。Space Llama 證明了高水平的開源邊緣模型不僅能用，而且能在極小算力下做到秒級響應。

我們認為，Meta 這一步走得相當老練。通過把開源模型推向空間站和防務科研場景，Meta 徹底坐實了開源生態在關鍵基礎設施中的不可替代性，這是閉源競品很難切入的陣地。隨著未來深空探測走向月球和火星，這種完全不依賴母星通訊的本地自給型 AI，必然會成為所有自主航天器的標配。