聚焦前沿 赋能决策
中茗汇产业研究
2026年9月18日，一则消息在国内外天文学界引发广泛关注。中国科学院国家天文台研发的星语望远镜（StarWhisper Telescope）成功入选美国斯坦福大学《2026年人工智能指数报告》，作为物理、天文、化学和材料科学领域2025年代表性AI智能体案例，获得国际权威认可。
这标志着我国AI赋能天文观测的创新实践，正在从“数据后处理”走向“观测全流程”，一场关于天文科研范式的深层变革已经发生。
星语望远镜：说出目标，望远镜自己干活
千百年来，人类观测宇宙始终离不开人的判断、规划与值守。如今，人工智能不再只是帮科学家处理星空数据，更走进了望远镜的观测全流程，成为能够自主研判、规划、执行观测任务的智能“观星者”。
星语望远镜由国家天文台银河系三维结构组与兴隆观测基地打造，是一套全新的天文具身智能观测系统。它的核心逻辑并不复杂：把大模型、AI智能体与望远镜控制系统打通。
科研人员只需要说出想要观测的科学目标，AI智能体就可以完成一整套工作：测算天体位置、评估云量天气等观测环境、研判设备运行状态，自主生成观测方案，调度望远镜开展观测。
为了让AI学会“操控望远镜”，科研团队搭建了一套数字化仿真环境——如同给望远镜建了一个数字孪生模型，不用占用真实望远镜宝贵的夜间观测时间，就可以在虚拟空间反复演练观测策略、训练智能体。借助大模型辅助开发，这套仿真系统实现了低成本快速搭建，整体开发成本可控制在千元级别，刷新了科学装置仿真的研发思路。
这套智能系统已经落地实战。依托接入的“司天”探路者与原型机设备，星语望远镜的智能体已经识别预警8颗极早期超新星候选，其中2颗在气象条件合适时完成后续跟踪观测。
从“自动”到“自主”：望远镜缺的不是自动化，是判断力
如果星语望远镜解决的是“观测什么”和“怎么观测”的问题，那么国家天文台在太阳望远镜上部署的JW-ASTClaw，解决的则是更深一层的问题——判断力。
2026年4月，国家天文台在子午工程II期全日面矢量磁像仪上成功部署JW-ASTClaw，这是全球首个大语言模型驱动的科学级太阳望远镜多智能体自主控制系统，相关研究论文已被RAA接收并线上发表。
过去几十年，望远镜控制系统沿着自动化方向走到了极致。但这些系统有一个共同的基因局限：它们运行在确定性状态机或优先级队列之上，只能应对被预先编程的场景。当多云、视宁度恶化、耀斑爆发三种条件同时出现时，固定规则系统无法像人类观测者那样综合判断、动态权衡。望远镜不缺自动化，它缺的是“判断力”。
JW-ASTClaw的核心，是三个感知智能体并行值守：耀斑检测智能体利用SFMM四谱线探测能力，将耀斑响应延迟压至5秒以内；数据质量智能体实时筛查废图，防止无效数据入库；云况分析智能体实现四级云况判断，能在云层遮挡太阳前预警。三路观测建议汇聚至大模型中央引擎进行冲突仲裁——当“云逼近”与“高概率耀斑”同时出现时，系统自主推理出最优综合策略。
更关键的是，系统设计了四级优雅降级（云端AI→本地模型→规则系统→人工兜底）和六层纵深安全防线，AI负责“想”，安全链负责“管”，职责分离、全程可追溯。夜间Dreamer进程自动整合当日经验，系统在运行中持续学习。
AI正在重新定义天文观测的每一个环节
星语望远镜和JW-ASTClaw之外，中国团队在天文AI的多个方向上同时推进，形成了一个覆盖“数据处理—科学发现—观测执行”的完整技术矩阵。
在深空探测端，清华大学戴琼海院士团队、天文系蔡峥副教授团队提出的AI天文观测增强模型“星衍”（ASTERIS），攻克了极低信噪比下的高保真光子重构难题，将詹姆斯·韦布空间望远镜探测深度提升1个星等，探测准确度提升1.6个星等。依托新技术，团队在韦布望远镜数据中发现了超过160个宇宙早期的候选高红移星系，数量是先前发现的3倍，这些星系存在于宇宙大爆炸后2亿至5亿年的“宇宙黎明”时期。
在时域天文端，墨子巡天望远镜团队成功开发了基于深度学习架构的潮汐瓦解事件自动分类器，如同一位不知疲倦的“AI捕手”，能在海量巡天数据中精准捕捉黑洞吞噬恒星的瞬间。该算法已率先部署于墨子巡天望远镜深场巡天数据中，成功筛选出约20个极具潜力的TDE候选体。
在天文基础模型端，中国科研团队研发的SpecCLIP人工智能模型，将类似“大语言模型”的思想引入恒星光谱分析，为跨巡天数据融合和精密恒星物理参数研究提供了全新思路。该模型已部署在国家天文科学数据中心AI大模型平台，用户可上传光谱数据，以类似ChatGPT的对话方式开展参数测量。
从单兵到蜂群：智慧天文台白皮书
这些分散的技术突破，正在汇聚成一个更大的系统性蓝图。
2026年8月，之江实验室和中国科学院国家天文台联合编制的《智慧天文台白皮书（征求意见稿）》正式发布。白皮书提出，通过融合人工智能、大模型、云边协同、数字孪生和开放数据平台，构建集智能观测、智能运维、科学分析和自主决策于一体的新型天文基础设施，推动天文观测从传统人工模式向自主智能发现转变。
白皮书重点回应两个紧密关联的挑战：一是如何利用人工智能处理和理解海量、多模态天文数据；二是如何让分布式望远镜具备自主响应、智能决策和协同观测能力。依托青海冷湖优质台址和望远镜集群基础，未来可建设世界级智能观测网络，支撑瞬变源、近地天体等前沿科学研究。
之江实验室研究员施钧辉表示，白皮书目前提出的是首版框架，智慧天文台的建设涉及数据、模型、软件、接口、评测方法和协作规则，也涉及不同国家、不同机构和不同观测设施之间的开放合作，所有设想都需要在真实观测中不断检验和完善。
三大产业信号
信号一：AI在天文领域的角色，正在从“工具”变为“主体”。 从星语望远镜的自主观测调度，到JW-ASTClaw的自主判断与冲突仲裁，AI不再只是帮助科学家处理数据，而是深度参与科研执行本身。正如专家所言，天文科研范式已迎来变革，AI不再是单纯的数据分析工具，而是深度参与科研执行的核心力量。
信号二：天文观测的“门槛”正在被系统性降低。 千元级别的望远镜数字化仿真系统、以对话方式开展光谱分析的SpecCLIP模型、三步出片的消费级智能天文望远镜——从科研级到消费级，AI正在让天文观测变得前所未有的“可及”。苏州振旺光电旗下Seestar S50 Pro智能天文望远镜，将传统深空摄影流程压缩为“开机—选目标—拍摄”三步，被视为大众天文摄影领域的一次重要突破。
信号三：天文AI正在成为“AI for Science”的标杆场景。 星语望远镜入选斯坦福AI Index Report，标志着中国在“AI+科学”领域的探索获得了国际学界的认可。国家天文台自2022年底开启系统性布局，设立人工智能推进委员会，打通天文、人工智能、计算技术跨学科力量，构建起覆盖数据采集、分析发现、仿真验证、观测执行的AI科研链条。未来，相关技术成果还将上线中国科学院“磐石”大模型平台，面向行业开放共享。
从肉眼观星到光学望远镜，从大型巡天设备到AI智能体自主观测——人类捕捉宇宙信号的方式，正在经历一次根本性的迭代。
星语望远镜入选斯坦福报告，不是终点，而是一个起点。当AI学会“操控望远镜”，当天文台从“自动化”走向“自主化”，当科研人员把精力从繁复的操作中解放出来、聚焦于提出科学问题本身——天文观测的新范式，已经在中国率先落地。
而这，或许只是“AI for Science”更大变革的第一章。
