12 月 10 日，在 KubeCon2021 上，北京邮电大学教授王尚广与华为云分布式云原生平台(UCS)和智能边缘平台(IEF)首席架构师张琦发表了《突破地心引力！与 KubeEdge 一起迈向太空的云原生》专题演讲，分享了如何基于 KubeEdge 构建云原生卫星计算平台。

演讲主要包含四个部分的内容：

*前两部分由王尚广教授分享，第三部分与第四部分的分享来自张琦

1）卫星计算的现状和问题

2）天算星座计划

3）KubeEdge 在卫星项目中的使用情况

4）下一步计划

01 卫星计算的现状和问题

1）卫星制造面向通用化、智能化、软件化的趋势已经加快。主要原因是卫星的技术已经越来越倾向于通用化，一些工业级的地面上的器件，其实都可以在卫星中使用，尤其定位卫星。另外，卫星也越来越智能化，星上的载荷，也能支持 GPU、NPU 这样的计算。此外，软件化趋势也是一个特征，星上的载荷，包括卫星的一些系统，软件之间也可以通过 API 进行调用，星载计算机通过网口也可以把载荷上的软件进行互联互通。

2）卫星组网呈现便捷性、多样性、融合性的特点。

问题和挑战

1）众所周知，2020 年后，全球在轨卫星产生的数据已经超过卫星通信所产生的数据量。卫星以前主要是负责通信，或者是负责把 a 的数据通过卫星快速地传给 b，所以它最早其实是负责数据和网络信号传输的。但从 2000 年以后，随着轨道上不同的卫星越来越多，产生的数据也越来越多，卫星本身产生的数据量其实已超过卫星所传输的数据量，这就需要卫星进行在轨的实时处理，把一些冗余的数据丢弃。同时能够提升响应时间，另外也减少网络链路的压力或网络链路传输的消耗。

2）以遥感、应急、灾害预警为代表的需求迫切需要通过在轨计算处理，提高响应时间和预测精度。

02 天算星座计划

因此，围绕上述的一些新需求的出现，北京邮电大学深圳研究院于 2020 年 6 月成立了星际网络与智能计算实验室，研究方向包括星际网络、卫星网络、分布式 AI 计算。在实验室成立之后，一直在密切的在卫星上做一些研究工作。

• 在今年 3 月份将星地融合服务平台完成封装；

• 7 月份，进行了在轨智能计算与服务平台封装。这两个封装目前已经在 12 月 2 日与 KubeEdge 一起在酒泉卫星发射中心进行发射；

• 8 月份，我们通过在轨卫星首次实现了将我们开发的轻量级的星载的 5G 核心网进行部署，同时实现了与地面 5G 专网在信令层面的互联互通，并实现了视频通话和边缘计算的分流；

• 9 月份，我们启动了研制北邮 1 号的工作；

• 10 月份，我们与长沙天翼一起，开启了共建天算星座

天算星座的定位和目标

目标：为构建智能化综合性数字信息基础设施开展前期探索，为 6G、卫星互联网等技术发展提供支撑，构建空天计算在轨试验开放开源服务平台。

为什么这么说呢？众所周知，目前地球上有 80%的陆地和 90%的海洋是没有网络信号覆盖的。比如在非洲，在一些贫穷的地区，无法享受到人类社会在信息通信技术发展的成果。因此我们觉得有必要通过构建一个天算星座，让更多的人、让更多的科研工作者在这个星座上进行一些开放开源的实验工作，从而能更好地满足人类的某些需求。

我们重点任务有以下六点：

1）6G 核心网的系统实验：我们想构建一个基于认知服务的分布式的核心网架构。

2）同时我们也对卫星数联网，就是以数据进行互联的网络进行一个实验。

3）研发新一代的卫星操作系统，能够把卫星平台本身的系统和载荷的系统进行互联互通。

4）对一些器件和有效载荷，在空间进行实验测试。

5）在分布式如机器学习、联邦学习以及 AI 加速方面做一些实验验证。

6）在星载服务能力开放方面做一些实验验证。

以上是我们目前的规划，今年的 12 月 2 日发射的两颗卫星，上面搭载了计算平台的一个实验任务，来做前期的实验验证；在明年 5 月份，我们会发射天算星座的首颗卫星北邮 1 号；在 2023 年，所有的卫星都会完成组网工作。

03 KubeEdge 在卫星项目中的使用情况

KubeEdge 简介

KubeEdge 是华为在 2018 年开源的面向边缘计算场景，专门为边缘协同设计的项目，项目发展历程如下：

在 18 年以及 19 年，我们的发展重心是在 KubeEdge 的自身能力；在 20 年，发展的重心是与周边生态项目的协同；在 21 年我们在 AI、机器人、无线、MEC 等领域进行了更加深度和广度的尝试。到现在为止，KubeEdge 已经成为 CNCF（云原生计算基金会）唯一的孵化级项目，并且在全球已经获得了来自 50 多个组织，800 多个贡献者以及 220 多个代码贡献者。

基于 KubeEdge 的云原生卫星计算平台

1）首先使用 KubeEdge 边缘协同 AI 子项目 Sedna, 构建地面与卫星的多模型协同推理以及地面的模型增量训练使用场景，在卫星上使用小模型，在地面使用大模型，以此能够支持在卫星上使用非常少的资源来更好的支持 AI 推理的效果。

2）使用 KubeEdge device mapper 来对卫星上的各个传感器进行统一的建模和管理，以便让地面管理人员时时刻刻地知道卫星上面的设备工作情况。而所有的这一切都是通过 KubeEdge 建立起来的  高可靠的云边通道来进行通信的。并且我们实现了使用 K8s 的数据模型，来对卫星上的应用来进行统一的生命周期的管理。

04 下一步计划：让卫星在轨计算更加智能

基于“天算星座”计划的推进，下一步我们在卫星上的试验计划将从两方面开展:

• 一方面让卫星在轨计算更加智能。我们会加速边缘侧的推理，优化推理算法，从而进一步降低数据从卫星传到地面的数据量。另外我们会引入终身学习的方法，使用终身学习，可以在边缘侧更好的处理这种异构数据，也可以更好的在多个卫星之间进行知识库的建立和分享，让多个卫星之间的协同真正做到智能。

• 另外一方面是建立一个云原生空天计算平台。将卫星根据本身的设备和所处的位置，来进行角色的划分。比如有些卫星负责跟地面通信，有些卫星负责数据和图像的采集，另外的一些卫星主要负责智能计算。如此太空中的卫星就可以进行动态组网，来进行协商，从而真正做到互相的协同。这些都是下一步需要在 KubeEdge 中进行探索和实现的。

最后，欢迎大家加入 KubeEdge 社区，来参与卫星在轨计算和空天计算的一些实验和讨论，一起让 KubeEdge 在更多行业发挥价值！

附：KubeEdge 社区贡献和技术交流地址

网站: https://kubeedge.io

Github 地址: https://github.com/kubeedge/kubeedge

Slack 地址: https://kubeedge.slack.com

邮件列表: https://groups.google.com/forum/#!forum/kubeedge

每周社区例会: https://zoom.us/j/4167237304

Twitter: https://twitter.com/KubeEdge

文档地址: https://docs.kubeedge.io/en/latest/