河北
編輯丨&
AI 的誕生注定其將在各個領域帶來無與倫比的技術進步，火箭技術也不例外。有馬斯克的火箭在前，歐洲航天局（ESA）未來運載火箭準備計劃（FLPP）也在研究利用 AI 開發更好的工藝，甚至是材料的全新形狀，這些材料可應用于未來的火箭或航天器。
歐洲航天局正與德國 MT 航天公司合作，致力于將材料工藝技術應用于整個行業。
FLPP 計劃
Phoebus 是歐洲航天局（ESA）與阿麗亞娜集團和 MT 航空航天合作的項目。該項目旨在評估用碳纖維增強塑料罐替換歐洲航天局阿麗亞娜 6 號上面級的金屬燃料箱的可行性和效益。該項目主要采用分層結構，并集成了 MT 公司采用的全新激光傳感器技術，由 AI 驅動，能夠實時檢測和分類缺陷，從而維持生產進程并顯著縮短生產時間。
https://phys.org/news/2026-01-artificial-intelligence-rocket.html
圖示：Phoebus 2 米比例氫罐自動置放機。
ESA 研究項目經理表示，AI 結合新的數字技術正在改變運載火箭制造，從自動化復雜分析任務到減少繁瑣的機器停止-啟動，在研究項目中能看到所有材料和成型工藝的益處。
這種金屬部件在完成制造后，其安裝過程也有 AI 的參與。摩擦攪拌焊，這種精密焊接技術使金屬熔接，使結構更堅固，而借助焊接力、溫度及其他機器遙測等數字監測技術，機器學習現在幫助更快地安裝機器，并自動檢查最終焊接的形狀。這種對焊縫的自動評估使分析時間比傳統工藝縮短了 95%。
來自 NASA
心臟研究與 AI 是 NASA 遠征 74 號隊周五的主要課題，研究利用人工智能提升軌道前哨站乘員效率。
在此次研究中，俄羅斯航天局兩位宇航員測試了 AI 輔助工具，將語音轉文字，并提升機組人員與地面控制員之間的數據處理和通信。研究人員希望利用這項新技術加快并提高乘員記錄的準確性，從而惠及航天器上的作業。
圖示：SpaceX 的 Dragon 飛船，來自 NASA。
而不久之后，1 月 30 日，一篇名為「Life and AI at NASA: An Ethnography of How Scientists and Engineers Make Tools to Explore Other Worlds」的論文即將發布。文中探討了 AI 在 NASA 任務中的應用，探索其他行星和衛星上現今或過去生命的條件，以及這對知識生產方式的意義。
論文鏈接：https://research.chalmers.se/en/publication/550000
該內容基于 NASA 戈達德航天飛行中心科學家和工程師的實地工作。盡管在研究案例中，AI 仍處于發展初期，但它已經通過引入新的認知秩序理念，并改變由誰來決定數據的價值和可用性，重塑了科學知識生產中的權力關系。
比如說，針對地外任務（如土衛六、火星探測）面臨數據傳輸距離遠、信號弱、耗時久等問題，NASA 提出 「科學自主性」 理念，讓 AI 在航天器上實時分析數據、優先傳輸高價值信息。
此外，論文中還論述了關于 AI 數據采集源頭（如阿塔卡馬沙漠、死亡谷）、實驗室、數字數據庫（如 NIST）共同構成的「真理場所」，這些地點受認知形態沖突，導致 AI 過度依賴性能指標，忽視科學意義。對于更難獲取的地外實驗數據，則會更多采用「合成數據」。
關于這些數據，評估標準常會分歧：科學家參考實驗室實測數據，工程師依賴算法準確率等性能指標。缺乏領域專家參與時，合成數據可能出現 「認知幻覺」（如不符合地外化學環境的虛假信號），影響 AI 可靠性。
https://phys.org/news/2026-01-qa-ai-nasa-life-outer.html
小結
AI 正在迅速占據高端技術的新聞已不算少見，火箭制作與航空任務只能算上是其中的一個信號。通過構思、設計和投資尚未出現的技術，如 FLPP 計劃正在降低開發未經驗證的太空項目所帶來的風險。
但在設計研發的過程中，AI 對數據的依賴不見得是一件好事，尤其是缺乏實地數據的起步階段。希望這位強大工具助手不要成為限制科技進步的瓶頸。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
