7.8
深览指数
科技虎嗅·太空与网络··AI 生成
遥感AI的真相：最强大的模型，喂的是最公开的数据
本文揭示了遥感AI领域一个反直觉的核心事实：最先进的遥感AI模型（如NASA的Prithvi、Google的AlphaEarth）依赖的训练数据，是完全免费公开的Landsat和Sentinel卫星影像。作者认为，在这场革命中，谁拥有数据已不重要，谁拥有从公开数据中高效提取价值的能力（即AI模型工程能力）才是真正的竞争壁垒。文章系统分析了从开源模型到商业巨头的不同路径，指出传统卫星运营商正面临被AI平台公司‘降维打击’的结构性威胁。适合关注科技产业变革、AI应用落地及地缘技术博弈的深度读者。
核心观点
- ▍在遥感AI领域，数据已趋于公开商品化，竞争的核心从‘拥有专有数据’转向‘利用公开数据提取价值的能力’，即AI模型工程能力，这使得不发射卫星的AI巨头（如Google）可能成为最大受益者。
- 01NASA与IBM于2023年发布的Prithvi模型，基于完全免费的Landsat和Sentinel数据，在洪水检测任务上将传统处理时间从数周压缩至数小时，证明公开数据经AI处理可释放巨大价值。
- 02Google DeepMind于2025年发布的AlphaEarth Foundations提出‘虚拟卫星’概念，通过跨模态AI推理，在不发射卫星的情况下，从公开影像中推断出人口分布、树冠覆盖等高价值信息。
- 03商业SAR（合成孔径雷达）卫星公司如ICEYE和Capella Space，利用AI实现毫米级地表形变检测和船舶自动识别，打破了遥感依赖光线的物理限制，这被认为是该领域被低估的暗线。
- 04传统卫星运营商（如Planet Labs、Maxar）面临双重挤压：其核心数据产品因公开数据普及而商品化，在AI能力上又难以与Google、微软等巨头竞争，存在沦为‘数据管道’的风险。
- 05ESA的Φsat-2卫星验证了星上AI处理，可将需下传的数据量减少约70%，这一效率杠杆对巨型星座的运营经济性至关重要，但存在‘在轨误判导致数据永久丢失’的争议。
反方 / 局限
- — 开源遥感模型（如Clay）面临资源鸿沟：在AI领域，开源模型几乎永远无法与巨头（如Google）的闭源模型竞争，可能陷入‘永远差一步’的困境，影响全球访问公平性。
- — 星上AI处理虽有巨大效率优势，但其‘一次性的决策’存在风险：若AI在轨丢弃了看似无意义但事后发现重要的影像数据，则此错误不可逆，而地面处理保留了所有原始数据。
NASAIBMPrithviGoogle DeepMindAlphaEarth FoundationsLandsatSentinelClay Foundation ModelICEYECapella SpaceESA (欧洲航天局)Φsat-2合成孔径雷达 (SAR)虚拟卫星
12 分钟 · 4 卡片 · 12 资料
读原文 →