SpaceX的潛在對手之一！Orbital ATK成功將兩年前爆炸的火箭送上太空|數位時代 BusinessNext

提起火箭爆炸，你可能會想到前不久的 SpaceX。

但今天我們要說的不是SpaceX ，也不是亞馬遜CEO貝佐斯投資的那家Blue Origin，而是它另外一個潛在對手——Orbital ATK。

因為就在昨天，它們將自己兩年前爆炸的火箭再次發射上了天空。

任務&曾經爆炸的火箭

此次任務代號為CRS OA-5，實際實行的火箭為Antares 230。主要目標是將裝滿各種ISS（國際太空站）所需物資（食品、用品、科學實驗設備）的Cygnus飛船運輸到ISS附近軌道，從而讓後者能夠直接捕獲，並且在對接之後獲取這些資源。

作為完成整個任務的最關鍵設備，Antares火箭高41.9公尺、直徑達到3.9公尺、近地軌道（LEO）載荷達到6120公斤。

負責攜帶貨物的Cygnus飛船也非常有特點，前端是一個能夠直接與太空站對接的儲存模塊PCM，後端是一個整體控制的任務模塊，控制系統和推進系統都包含其中。

更有意思的是，任務模塊中還能搭載數顆小尺寸的「微衛星」，在Cygnus飛船上升到太空之後再行釋放。

但就在兩年前，Antares實際上卻遭遇了一次「大爆炸」。CRS OA-3任務的Antares火箭在升空後的數秒內在空中突然失去動力。整隻火箭也就此向下「墜落」，並最終化為一個壯觀的「大火球」。

那次事故原因最終被歸罪於Orbital ATK在火箭第一級使用的AJ26-62火箭發動機。說來有趣，這款發動機實際上由前蘇聯在上世紀70年代打造，原來的型號為NK-33，後來才被Orbital ATK前身之一的Orbital公司所進口。

Elon Musk為此也曾專門表示：「Orbital ATK太過依賴過去的技術」。考慮到SpaceX前不久才為火星計劃打造了全新使用液態甲烷液氧火箭燃料的Raptor發動機，這一說法似乎的確有道理。

雖然尚未確定，但是根據Wikipedia資料，全新的Antares 200系列火箭已經改用了俄羅斯出品的RD-181火箭發動機。這款2001年才定型的新產品除了更加可靠，性能也得到了一定的提升。

Antares 230這次的成功也為接下來12月以及2017、2018年規劃中的發射任務打了一劑「強心針」。

回收利用與一次性，太空探索分岔路

提到SpaceX一定會想到其火箭回收技術，而Orbital ATK則恰好相反，專心攻堅中小型一次性火箭以及配套的液氧/煤油發動機。

這實際也反映出了太空探索的分岔路：究竟要不要做火箭回收？SpaceX雖然已經數次成功回收火箭，但是失敗的次數同樣多。而且在Elon Musk最新提出的「火星殖民計劃」中還出現了一級火箭短時間內再次發射的設定。

可以說，Elon Musk的創新計劃仍在不斷打破傳統宇宙探索「常規」。但毫無疑問，這樣的風險也更大。

而Orbital採用了更加保險的做法。它雖然看起來是家小公司，實際旗下卻設有3個集團：飛行系統、防務系統、航太系統。並且每個方向中都獲得了不小的成績。比如為空客A350 XWB打造機身結構，為美軍M2布雷德利戰車提供武器和彈藥等等。

而航太領域更是如此，Orbital ATK在火箭、火箭發動機、衛星方面均有所建樹。但總體來說，主攻方向還是在中小型一次性火箭、固體火箭助推器、專用衛星3個方向上。

「與其挑戰最困難，倒不如把簡單的事做到最好」，Orbital ATK這種做法未必不是一種好策略。

本文授權轉載自：愛范兒

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。