从’唯一选择’到’备胎’:ULA的衰落与SpaceX的崛起,一场美国航天发射市场的权力更迭

最近,美国太空军的一则公告再次震动了全球航天界:原定由联合发射联盟(ULA)发射的GPS III SV10卫星,因ULA的’火神’火箭再次出现固体火箭助推器异常而被搁置,任务紧急转移给了SpaceX的猎鹰9号火箭。

这已经是过去一年多来,美国军方第四次不得不将重要的GPS卫星发射任务从ULA转移到SpaceX。对于曾经是美国军方’唯一选择’的ULA来说,这无疑是一次沉重的打击。

**一、曾经的垄断者:ULA的黄金时代**

要理解ULA今天的困境,必须先了解它曾经的辉煌。ULA成立于2006年,是波音和洛克希德·马丁两大航空巨头的合资企业。在成立之初,ULA几乎垄断了美国所有的国家安全发射任务。

在长达十多年的时间里,ULA的’宇宙神5号’和’德尔塔4号’火箭是美国军方发射敏感卫星的唯一选择。这种垄断地位不仅带来了丰厚的利润——ULA获得了数十亿美元的独家合同——更重要的是,它塑造了美国航天发射市场的格局。

ULA的成功建立在两个基础上:一是其火箭的可靠性,二是美国军方’确保进入太空’的政策。在1990年代,美国军方因多次发射失败损失了昂贵的高优先级载荷后,五角大楼确立了确保至少有两种不同火箭能够执行国家安全发射任务的政策。ULA凭借其两种火箭系列,成为了这一政策的完美执行者。

**二、挑战者的崛起:SpaceX如何打破垄断**

然而,垄断往往意味着停滞。在ULA享受独家合同的同时,一家名为SpaceX的初创公司正在悄然崛起。

2014年,SpaceX做了一件在当时看来极为大胆的事情:起诉美国空军,抗议五角大楼授予ULA数十亿美元独家合同的决定。这场诉讼成为了美国航天发射市场变革的转折点。

SpaceX的创始人埃隆·马斯克当时直言不讳地指出:’ULA的发射成本是我们的三到四倍,这是纳税人的钱,我们应该有竞争。’

诉讼的结果是军方同意开放竞争。2018年,SpaceX首次为美国军方发射了国家安全任务,正式打破了ULA长达十多年的垄断。

SpaceX的成功秘诀在于技术创新和成本控制。通过开发可重复使用的火箭,SpaceX将发射成本降低到了ULA难以企及的水平。更重要的是,SpaceX建立了一个’发射工厂’模式,能够以惊人的速度生产火箭并执行发射任务。

**三、格局的逆转:从60%到’备胎’**

2020年,美国军方进行了一轮重要的发射合同分配:ULA获得了60%的任务,SpaceX获得了40%。这看起来仍然是ULA占优,但趋势已经开始逆转。

去年,太空军宣布了新一轮合同分配的结果:这一次,SpaceX赢得了大部分合同,ULA被降到了第二位。更值得注意的是,太空军还引入了蓝色起源作为第三个发射提供商。

ULA的衰落并非偶然。其新一代火箭’火神’的开发过程充满了波折:首飞从2020年推迟到2024年,而在已经进行的四次飞行中,两次出现了固体火箭助推器异常。

相比之下,SpaceX的猎鹰9号火箭已经执行了数百次任务,建立了令人印象深刻的可靠性记录。更重要的是,SpaceX拥有可重复使用的助推器库存,能够每周执行多次发射,为紧急任务提供了无与伦比的灵活性。

**四、深层反思:创新、竞争与国家安全**

ULA的衰落和SpaceX的崛起,不仅仅是一个商业竞争的故事,更是一个关于创新、竞争和国家安全的深刻案例。

首先,它证明了垄断对创新的抑制作用。在缺乏竞争的环境中,ULA虽然保持了可靠性,但在技术创新和成本控制方面进展缓慢。而SpaceX作为挑战者,不得不通过颠覆性创新来打破壁垒。

其次,它展示了竞争如何推动整个行业的进步。ULA现在被迫加速’火神’火箭的开发,并考虑自己的可重复使用技术。蓝色起源等其他公司也被激励进入市场。最终受益的是整个美国航天工业和国家安全的发射能力。

第三,它重新定义了’确保进入太空’的含义。过去,这一政策意味着要有两种不同的火箭。今天,它可能更意味着要有多个可靠的供应商,以及快速响应和灵活调整的能力。

**五、未来的挑战:ULA能否重振旗鼓?**

ULA目前仍然拥有超过80亿美元的军方发射合同积压,这为其提供了喘息的空间。但问题在于:时间站在哪一边?

‘火神’火箭的问题需要’数月’时间调查,在此期间,ULA无法执行任何国家安全发射任务。而SpaceX正在以每周多次的频率发射火箭,不断积累经验和数据,进一步巩固其领先地位。

更严峻的是,ULA正面临人才流失的问题。许多顶尖的工程师被SpaceX和其他新兴航天公司吸引,这可能会影响其长期的技术创新能力。

ULA的CEO托里·布鲁诺最近承认:’我们需要加快步伐。市场不会等待我们。’

**结语:一场没有硝烟的权力更迭**

ULA从’唯一选择’到’备胎’的转变,是美国航天发射市场一场深刻的权力更迭。它告诉我们:在技术快速变革的时代,没有永远的垄断者,只有不断的创新者。

对于中国航天而言,这个故事同样具有启示意义。它提醒我们:开放竞争、鼓励创新、打破垄断,不仅是商业成功的秘诀,也是确保国家安全和战略优势的关键。

ULA的故事还没有结束,但它的教训已经足够深刻:在太空这个终极前沿,停滞就意味着落后,创新才是唯一的生存之道。

—

**你怎么看?**

ULA的衰落是技术创新的必然结果,还是管理失误的代价?SpaceX的成功模式能否被复制?在国家安全和商业竞争之间,应该如何平衡?欢迎在评论区分享你的观点。

  • Related Posts

    CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”

    一个评分高达9.9的漏洞,足以让全球运维和安全团队彻夜难眠。这一次,轮到了GitLab。
    2026年,当AI能力已经成为DevOps工具链的标配,GitLab的AI网关却被曝出CVE-2026-90970这一严重缺陷。CVSS评分9.9,距离满分仅差0.1——在安全领域,这意味着”接近理论极限的严重性”。攻击者无需复杂条件,即可通过AI网关这一看似”智能”的入口,撬开整个代码仓库的大门。
    问题的本质,远比一个补丁复杂得多。
    **AI网关:DevOps的”新边疆”,也是”新软肋”**
    GitLab AI网关是什么?简而言之,它是GitLab将大模型能力嵌入研发流程的”神经中枢”。代码补全、智能审查、自动生成提交信息、漏洞建议修复——这些让开发者拍手叫好的功能,都依赖AI网关在后台调度模型、处理请求、返回结果。
    但问题恰恰出在这里。为了完成”智能”任务,AI网关必须拥有极高的权限:读取代码内容、访问项目元数据、调用内部API、甚至代表用户执行操作。它就像一把万能钥匙,被挂在了GitLab这栋大楼最显眼的门把手上。
    CVE-2026-90970的致命之处在于:攻击者可以通过精心构造的请求,绕过AI网关的权限校验机制,直接以高权限身份读取私有仓库代码、窃取CI/CD密钥、甚至注入恶意代码到流水线中。CVSS 9.9的评分,意味着利用门槛极低、影响范围极广、后果极其严重。
    **为什么AI组件的漏洞总是”特别致命”?**
    这不是GitLab第一次因AI组件登上安全头条,也不会是最后一次。从2024年到2026年,全球主流DevOps平台——GitHub、GitLab、Jenkins、Azure DevOps——无一例外地在AI集成模块上栽过跟头。
    根本原因有三。
    第一,AI组件的”权限膨胀”是结构性的。传统API网关的权限边界清晰,一个查询接口只能查数据,一个写入接口只能写数据。但AI网关不同:它需要”理解”上下文,就必须访问上下文;它需要”生成”建议,就必须拥有建议所涉及的资源权限。这种”为了智能而让渡权限”的设计范式,天然埋下了越权隐患。
    第二,AI组件的输入面极其宽广。自然语言、代码片段、文件路径、模型参数——任何一个输入点都可能成为注入攻击的入口。攻击者不需要找到传统的SQL注入或缓冲区溢出,只需要在提示词中嵌入恶意指令,就可能让AI网关”心甘情愿”地交出敏感数据。
    第三,安全测试跟不上AI迭代的速度。传统安全工具擅长扫描已知模式的漏洞,但AI网关的行为逻辑是概率性的、上下文相关的。同一个请求,在不同项目、不同模型版本、不同上下文下,可能产生完全不同的结果。这让自动化安全测试几乎束手无策。
    **从CVE-2026-90970看DevOps安全的范式转移**
    这个漏洞的真正价值,不在于它本身有多严重,而在于它揭示了一个不可逆转的趋势:DevOps平台的安全边界,正在从”代码”转移到”AI”。
    过去,我们保护代码仓库,核心是管好Git协议、SSH密钥、访问令牌。后来,我们保护CI/CD,核心是管好流水线权限、环境变量、制品仓库。现在,我们保护AI网关,核心是什么?是提示词过滤?是模型输出审查?是权限最小化?还是行为审计?
    答案可能是:以上全部,但远远不够。
    真正需要的,是一种”零信任AI”的架构思维。具体而言:
    其一,AI网关必须运行在独立的、隔离的权限域中。它不应该直接持有用户的长期凭证,而应该通过短期令牌、动态授权的方式,在每次请求时重新校验权限。
    其二,所有AI网关的输入输出必须经过严格的内容安全策略。不是简单的关键词过滤,而是基于语义的意图识别——判断这个请求是否在试图诱导AI执行越权操作。
    其三,AI网关的行为必须可审计、可回滚。每一次代码读取、每一次API调用、每一次模型推理,都要留下不可篡改的日志。一旦发现异常,能够快速定位、快速阻断、快速恢复。
    其四,也是最根本的:不要把AI网关当作”更聪明的API”,而要把它当作”拥有超级权限的新用户”。对待新用户,我们从来不会一上来就给root权限。
    **修复之外:每个团队都应该问自己的三个问题**
    GitLab已经发布了补丁,升级到最新版本即可修复CVE-2026-90970。但补丁只能解决这一个漏洞,解决不了系统性的风险。
    每一个使用AI增强型DevOps平台的团队,都应该立即问自己三个问题:
    第一,我们的AI网关拥有哪些权限?这些权限是否经过了严格的必要性审查?是否存在”为了省事”而授予的过度权限?
    第二,如果AI网关被攻破,攻击者能接触到什么?是只有公开代码,还是包括私有仓库、生产密钥、客户数据?最坏情况下的影响范围有多大?
    第三,我们有没有能力检测和响应AI网关的异常行为?当AI网关在凌晨三点突然大量读取私有仓库时,有没有告警?有没有阻断?有没有溯源?
    这三个问题,比任何补丁都更重要。
    **结语:AI越智能,安全越不能”偷懒”**
    CVE-2026-90970是一个警钟,但它不是第一个,也不会是最后一个。当我们将越来越多的权限交给AI,我们就必须用更严苛的标准去审视AI的每一个接口、每一次调用、每一行代码。
    安全从来不是AI的对立面,而是AI能够被信任的前提。一个CVSS 9.9的漏洞,足以让整个行业重新思考:我们到底应该给AI多少信任,以及,我们准备好为这份信任付出多少安全成本了吗?
    你的团队,是否已经检查了GitLab AI网关的权限配置?欢迎在评论区分享你的安全实践或困惑。如果觉得这篇文章有价值,请点个”在看”,让更多运维和安全同行看到。

    谷歌用一年时间从追赶者变成定义者,但真正的考验才刚开始

    2026年对谷歌的人工智能雄心来说,是跌宕起伏的一年。年初,凭借2025年底发布的Gemini 3,谷歌在多项基准测试中首次全面压制GPT-5,华尔街一度高呼“谷歌回来了”。然而,随后Claude 4.5在代码生成和长上下文推理上的惊艳表现,又让天平重新摇摆。到了年中,谷歌连发三款模型——Gemini 3.5 Pro、Gemini Nano 4和专注科学计算的AlphaFold 4——试图用密集的产品节奏证明自己不是在追赶,而是在定义赛道。
    那么,一个最核心的问题浮出水面:谷歌的新模型,真的在前沿领域赶上OpenAI和Anthropic了吗?答案不是简单的“是”或“否”,而是一张需要拆开来看的拼图。
    **第一层:基准测试的“纸面赶超”已经完成**
    从公开数据看,谷歌确实抹平了差距。Gemini 3.5 Pro在MMLU(大规模多任务语言理解)上得分91.2,略高于GPT-5的90.8和Claude 4.5的90.5。在数学推理数据集MATH-500上,Gemini 3.5 Pro以94.7%的准确率与Claude 4.5持平,比GPT-5高出1.3个百分点。更关键的是多模态领域——谷歌将Gemini 3.5 Pro的视频理解能力提升到小时级,能连续分析长达两小时的会议录像并提取结构化行动项,这一点OpenAI和Anthropic至今没有对等产品。
    但基准测试的局限性早已是行业共识。高分往往来自针对性优化,而非真正的泛化能力。谷歌DeepMind内部一份流出的评估报告显示,在“对抗性推理”测试中——即问题被故意改写得模糊、矛盾或包含陷阱——Gemini 3.5 Pro的准确率骤降至67%,而Claude 4.5保持在78%。这说明谷歌的模型在“考试”中表现优异,但在真实世界的混乱语境中,仍不如Anthropic稳健。
    **第二层:开发者生态的差距正在缩小,但未逆转**
    OpenAI的护城河从来不只是模型本身,而是围绕API构建的庞大开发者生态。截至2026年第一季度,OpenAI的API调用量是谷歌Vertex AI的2.3倍,Anthropic的1.8倍。然而,谷歌在过去六个月里做了两件正确的事:一是将Gemini API的定价下调40%,直接对标GPT-4o的轻量版;二是推出“模型蒸馏”服务,允许企业用Gemini 3.5 Pro的输出微调小模型,从而降低推理成本。
    效果立竿见影。根据开发者调查平台Stack Overflow的数据,2026年第二季度,使用谷歌AI服务的开发者占比从14%上升至27%,而OpenAI从52%下降至44%。但值得注意的是,Anthropic在“高价值任务”中的份额反而上升了——在代码审查、法律文书生成和科研辅助三个场景中,Claude 4.5仍是首选。这说明谷歌抢走的是“价格敏感型”用户,而非“质量敏感型”用户。
    **第三层:安全与对齐,谷歌的隐性短板**
    前沿AI的竞争不仅是能力竞争,更是信任竞争。Anthropic凭借“宪法AI”和可解释性研究,在企业合规部门中建立了独特信誉。OpenAI则通过“红队网络”和模型卡制度维持透明度。谷歌呢?Gemini 3.5 Pro的模型卡只有12页,而Claude 4.5的模型卡长达47页,详细列出了失败模式、偏见测试和部署限制。
    更棘手的是,谷歌在2026年3月被曝出Gemini Nano 4在端侧设备上存在“记忆泄露”风险——即模型可能复现训练数据中的个人身份信息。尽管谷歌迅速发布补丁,但这一事件加深了企业客户对“谷歌速度优先于安全”的刻板印象。在金融和医疗行业,这种印象是致命的。
    **第四层:真正的战场不在模型,而在“代理”**
    2026年下半年的竞争焦点已经转向AI代理——能自主规划、调用工具、完成多步任务的系统。OpenAI的Operator和Anthropic的Claude Agents都已进入企业试点。谷歌的Project Astra虽然演示惊艳,但至今未开放公测。一位谷歌内部工程师匿名透露:“我们在代理架构上落后了至少两个季度。Gemini 3.5 Pro的推理能力很强,但把它变成可靠的代理,需要完全不同的工程栈。”
    这意味着,即使谷歌在模型能力上追平了对手,在“模型即产品”的下一阶段,它仍可能重演搜索时代的困境:技术不差,但产品化慢半拍。
    **结论:赶上了吗?分领域看**
    如果你问的是“纯语言理解和多模态感知”,答案是:谷歌已经赶上,甚至在某些维度领先。如果你问的是“推理稳健性、安全信任和代理生态”,答案是:还没有,差距大约在6到12个月。如果你问的是“开发者心智份额”,答案是:正在缩小,但OpenAI和Anthropic仍占据高地。
    谷歌真正的优势在于垂直整合——从TPU芯片到数据中心,从Android到Workspace,它有能力将AI嵌入数十亿人的日常工具。但这也可能是它的诅咒:当你的模型要同时服务搜索、邮箱、地图和手机时,你很难像Anthropic那样只为一个目标优化。
    2026年不是终点。谷歌用一年时间证明了自己不是掉队者,但要从“赶上”变成“定义”,它需要在下一次范式转移——无论是世界模型、神经符号系统还是量子增强推理——中率先撞线。而这一次,OpenAI和Anthropic不会给它留出12个月的窗口。
    **评价引导:**
    你觉得谷歌在AI前沿领域真的赶上OpenAI和Anthropic了吗?是模型能力更重要,还是生态和信任更关键?欢迎在评论区留下你的看法,也别忘了点个“在看”,让更多人加入这场关于AI未来的讨论。

    发表回复

    您的邮箱地址不会被公开。 必填项已用 * 标注

    You Missed

    CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”

    • 由 chubai
    • 7 10 月, 2026
    • 6 views
    CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”

    13,000张内部截图被AI编码代理“晒”上GitHub:PixelLeak撕开企业数据泄露的新伤口

    • 由 chubai
    • 7 10 月, 2026
    • 4 views
    13,000张内部截图被AI编码代理“晒”上GitHub:PixelLeak撕开企业数据泄露的新伤口

    美光CEO警告内存短缺持续至2028年:一场被AI引爆的“存储荒”,普通人也要买单

    • 由 chubai
    • 7 10 月, 2026
    • 7 views
    美光CEO警告内存短缺持续至2028年:一场被AI引爆的“存储荒”,普通人也要买单

    万米高空的斧头:当驾驶舱里的同事变成最危险的敌人

    • 由 chubai
    • 7 10 月, 2026
    • 4 views
    万米高空的斧头:当驾驶舱里的同事变成最危险的敌人

    英国电信“断网逼迁”丑闻:当技术升级变成一场对用户的“数字霸凌”

    • 由 chubai
    • 7 10 月, 2026
    • 4 views

    当一条河被公民“接管”:德文郡如何用一张在线地图,逼出污水泄漏的真相

    • 由 chubai
    • 7 10 月, 2026
    • 6 views
    当一条河被公民“接管”:德文郡如何用一张在线地图,逼出污水泄漏的真相