“太空與網絡”重磅推出《AI+商業航天》系列專題

本文是“AI看地球”子專題的第二篇

遙感AI的生意經一場結構性錯配正在重塑產業鏈

數據獲取成本每年下降30%，但從中提取價值的AI門檻反而在升高。衛星照片越來越便宜，AI遙感的服務和人才越來越貴。這個錯配決定了誰賺錢、誰虧錢。

文 | 老譚

2024年，據估算，全球在軌遙感衛星拍攝了約2EB（艾字節）的影像數據——相當于2萬億張手機照片。

據分析，其中被有效解譯的比例，可能不到5%。

這組數字揭示了一個刺眼的真相：據估算，人類為觀測地球已經投入了上千億美元建設衛星基礎設施。但這些投入產生的95%的潛在價值，以原始像素的形式躺在數據中心的硬盤里——從未被任何人看過、分析過、利用過。

這不是"我們還不夠努力"的問題。這是一個結構性錯配：數據獲取成本在急劇下降，但"從數據中提取價值"的門檻反而在快速升高。衛星發射成本（SpaceX效應）讓任何一家公司都能上天拍照，但訓練一個能看懂這些照片的基礎AI模型——需要數億美元和一支頂尖AI團隊。結果是：衛星照片越來越便宜，AI遙感的服務和人才越來越貴。

這個錯配正在重塑整個遙感產業鏈的利潤分配。本文拆解其中的數字。

一、三個市場的三種命運

遙感的"生意"從來不是一樁生意——至少三個利潤率和增長邏輯各不相同的市場被塞進了同一個標簽里。

$18億— 衛星制造與發射（據估算2024年全球規模）——據估算年增速約8.5%，毛利率據估算約10%以下
$14億— 遙感影像分發（賣圖）——據估算年增速約6.2%，毛利率約15-25%
$21億— AI分析與洞察（賣答案）——據估算年增速約27.3%，毛利率約30-50%
5%— 已獲取影像中被AI有效解譯的比例
95%— 未解譯數據所代表的潛在價值缺口

三組數據放在一起，結論不言自明：三個市場的規模正在交叉。賣圖市場的增速已經明顯放緩——數據商品化的浪潮正在侵蝕單價。制造和發射則是低利潤的規模生意。真正的高增長高利潤地帶，是AI分析層。

但這里藏著一個悖論：AI分析層的增長依賴衛星制造層和數據層的規模——沒有更多的衛星和更多的數據，AI就沒有訓練素材和推理場景。但AI分析層的利潤增長，并不會自然地回饋給數據層和硬件層。換種說法：衛星制造商和運營商正在為AI公司"修建基礎設施"。

這是遙感產業正在經歷的價值轉移——和整個互聯網產業的歷史一樣。思科修了互聯網的"路"，Google和亞馬遜在"路"上賺了大錢。遙感的"思科時刻"剛剛開始，而"Google時刻"已經有人搶跑了。

二、價值轉移：三層產業鏈的殘酷競爭

第一層：數據采集（毛利率10-20%）

發射成本快速下降正在蠶食這一層的利潤。2023年，據公開數據，Falcon 9的每公斤發射成本約2,500美元，是2010年代的約十分之一。衛星制造成本也在下降——據公開資料，Planet的"Dove"衛星單星成本已降至約10萬美元量級。但低成本也意味著低門檻：據公開報道，2024年全球有超過20家公司在規劃自己的遙感星座。這意味著供給過剩和價格戰正在逼近。

在這一層，規模效應能保護利潤率——但僅限于Starlink級別的規模（數千顆）。大多數遙感運營商（數十至數百顆衛星）將長期處于微利狀態。

第二層：模型與平臺（毛利率40-70%）

這是當前利潤率最高、但也是投入最重的環節。Google DeepMind訓練AlphaEarth的投入沒有公開數字，但從引用"數千TPU小時"和頂級研究團隊的配置來估算，據估算，研發投入在數億美元級別。NASA+IBM的Prithvi雖然開源，但IBM通過TerraTorch企業版和Granite地理空間模型實現商業化。微軟Planetary Computer則通過Azure的算力消耗獲得收入。

這一層的核心競爭壁壘不是數據——數據是公開的——而是"工程化的AI能力"：你有多少GPU、多強的AI團隊、多高效的訓練管線。以及，你能把模型部署到什么地步——既能服務NASA那樣的科研用戶，也能服務一家加州的農業保險公司。這一層的壁壘正在快速升高，而不是降低。

"兩年前，訓練一個遙感模型只需要幾塊GPU。現在，如果你想做出世界級的遙感基礎模型，需要的算力是百萬美元級別的。這個門檻每年都在翻倍。"—— 某遙感AI初創公司CTO

第三層：應用與決策（毛利率50-80%）

這是最碎片化、但也利潤最豐厚的環節。每一個垂直行業都是一個獨立的市場，每個市場都有不同的定價邏輯。

農業保險公司的AI作物估產：年費+按畝計費模式，毛利率60-70%。保險公司的支付意愿極高——一次準確的作物估產可以幫助他們避免數百萬美元的誤賠。大宗商品交易商的AI石油儲量監測：按API調用次數收費，每次查詢可能價值數萬美元的交易決策。國防部門的AI變化檢測：按年合同計費，單合同規模通常在500萬-2000萬美元。

在這一層，核心競爭力是行業知識的深度——不是AI多強，而是你多懂這個行業的問題、術語、決策流程和采購邏輯。

三、四種商業模式：從賣圖到賣決策

遙感AI的商業化正在經歷一個清晰的四階段演化。每個階段的利潤率和可擴展性截然不同。

① 賣影像— 按幅/平方公里出售原始影像。毛利率15-20%。瓶頸：數據商品化壓價。
② 賣API— 按API調用提供AI推理結果。毛利率30-40%。瓶頸：客戶需要自行集成。
③ 賣SaaS— 月費/年費訂閱AI分析儀表盤。毛利率50-60%。瓶頸：客戶獲取成本高。
④ 賣決策— 按結果/效果付費，輸出"應該怎么做"。毛利率60-80%。瓶頸：信任積累需要時間。

每一家公司的轉型路徑在方向上高度一致——但執行速度差異巨大。

Maxar的GBDX平臺從賣圖向SaaS轉型，但AI能力仍依賴與第三方的合作。Planet在2023年收購Sinergise加速AI分析建設，但2024年的財報顯示SaaS收入仍只占不到30%。Capella則直接將低分辨率原始SAR圖+AI推理打包為一個產品，定價介于"賣圖"和"賣SaaS"之間——這是一個聰明的折中。

真正跑在最前面的是誰？不是任何一家傳統遙感公司。而是那些從未發射過一顆衛星，但用別人的數據和自己的AI做出決策產品的公司——Orbital Insight、Descartes Labs。他們的毛利率在60-80%區間，據估算，用人均產值是傳統遙感公司的約3-5倍。他們沒有衛星維護成本，沒有發射風險，沒有軌道資源焦慮。他們的全部資產是人才和算力。

這提出了一個令衛星運營商不安的問題：在遙感AI的價值鏈中，最賺錢的角色是否必須擁有衛星？

四、錢流向哪里：資本信號

2023-2025年，遙感AI領域的風險投資流向給出了明確的方向指示。

2024年，據公開數據，流向遙感AI軟件層的風險投資達到約8.7億美元，同比增長約41%，據估算，占整個航天投資的約19%。而2019年這一比例僅為6%。錢正在從"發射臺"轉移到"服務器"。

$8.7億— 2024年遙感AI軟件層VC融資額（同比+41%）
19%— 占全年航天投資的比例（2019年: 6%）
$3.5億— 國防SSA領域的合同金額（2024）
40%— 國防與安全部門貢獻的遙感AI營收占比
35%— 氣候與保險場景的年增速

值得注意的幾筆交易：Planet收購Sinergise——傳統遙感公司正在"補課"AI能力；Synthetaic獲$1,500萬+政府合同——其RAIC平臺用AI在PB級歷史衛星數據中回溯搜索——"事后AI"的商業模式比實時AI更能說服政府客戶（你可以用已有的數據驗證AI的準確率再下單）；Bjorn Land Systems獲$2,000萬A輪——專注于SAR+AI海洋監控，客戶包括北約和歐洲海事安全局——再次確認國防是最大的付費場景。

"如果你想賭遙感AI的未來，不應該投衛星公司。應該投那些用別人的衛星數據、用自己的AI、賣決策給政府和大公司的公司。他們的資產在人才和算力上——不在軌道上。"—— 某專注航天的VC合伙人的投資邏輯—

五、中國的位置

在全球遙感AI的價值鏈分布中，中國的位置非常微妙。

數據采集層：中國擁有全球第二大的遙感衛星星座（高分系列+商業遙感），規模和重訪頻率僅次于美國。但商業化開放程度遠低于歐美——Prithvi和AlphaEarth的基礎是Landsat和Sentinel的完全公開數據，而中國的高分數據獲取成本高、流程復雜。這意味著：中國的AI模型團隊無法免費獲得大規模訓練數據——這是一個結構性的競爭劣勢。

基礎模型層：中國目前沒有一個可以對標Prithvi（開源）或AlphaEarth（谷歌級投入）的遙感基礎模型。氣象領域有"風烏"和"盤古"大模型，但遙感領域的通用基礎模型仍是空白。在AI能力和算力資源上中國并不缺乏——缺的是跨界的合作機制和開放的訓練數據。

應用層：中國在特定場景（農業、減災、城市規劃）有豐富的AI遙感實踐，但產品化程度低。缺少像Orbital Insight那樣將"遙感AI輸出轉化為金融決策"的商業模式創新。

這種價值鏈分布的后果是：中國在全球遙感AI市場中更多扮演"應用跟隨者"，而非"標準定義者"。如果不在基礎模型層和數據開放層實現突破，中國將長期處于"用別人的AI分析自己的數據"的被動局面。

95%的數據未被有效解譯——這不是一個"還沒輪到的任務"，這是一個結構性錯配的機會。誰先填上這個"95%的鴻溝"，誰就能在全球遙感AI的競爭中獲得最大的份額。

而填上這道鴻溝，需要的不是更多的衛星，而是更好的AI模型、更開放的訓練數據、更深入垂直行業的應用產品。以及——對產業鏈價值轉移的清醒認知：在遙感AI時代，擁有數據的能力不再等于擁有價值的能力。

第三篇，我們將聚焦中國：如何構建自主的遙感AI生態？

? 下篇預告：

打破數據高墻：中國如何不掉隊于遙感AI革命？

中國有全球第二大的遙感衛星星座，但中國沒有一個世界級的遙感基礎模型。不是因為沒人才、沒算力——而是因為數據太貴、流程太復雜、開放程度太低。這是一個政策問題，不是技術問題。

本專題系列：? 國外在干什么→? 產業邏輯（本篇） → ? 中國啟示

關聯系列：

主系列《AI+商業航天》— / /

子系列《星上AI芯片》— / /

子系列《AI看地球》— 國外案例 / 產業邏輯 / 中國啟示

>End

本文系“太空與網絡”公眾號原創，轉載全文及引用核心觀點至微信公眾號或其它新媒體平臺、及網站，請注明出處、公眾號ID及作者。感謝支持有態度的媒體！

未按照規范轉載及引用者，我們保留追究相應責任的權利

部分圖片難以找到原始出處，故文中未加以標注，如若侵犯了您的權益，請第一時間聯系我們。

HISTORY/往期推薦

充滿激情的新時代，

充滿挑戰的新疆域，

與踔厲奮發的引領者，

卓爾不群的企業家，

一起開拓，

一起體驗，

一起感悟，

共同打造更真品質，

共同實現更高價值，

共同見證商業航天更大的跨越！

——《太空與網絡》，觀察，記錄，傳播，引領。

·《衛星與網絡》創始人：劉雨菲

·《衛星與網絡》副社長：王俊峰

·微信公眾號（ID：satnetdy）團隊

編輯：艷玲、哈玫，周泳、邱莉、黃榕、娜娜

主筆記者：李剛、魏興、張雪松、霍劍、樂瑜、稻子、趙棟

策劃部：楊艷、若?、李真子

視覺總監：董濘

專業攝影：馮小京、宋偉

設計部：顧錳、潘希峎、楊小明

行政部：姜河、林紫

業務部：王錦熙、瑾怡

原創文章轉載授權、轉載文章侵權、投稿等事宜，請加微信：15910858067

商務合作；展覽展廳設計、企業VI/CI及室內設計、企業文化建設及品牌推廣；企業口碑傳播及整體營銷傳播等，請加微信：13811260603

雜志訂閱，請加微信：wangxiaoyu9960

·衛星與網絡各分部：

成都分部負責人：沈淮

長沙分部負責人：賓鴻浦

西安分部負責人：郭朝暉

青島分部負責人：江偉

·衛星與網絡總部負責人：農燕

·會議活動部負責人：喬顥益、許克新、董今福

· 投融資及戰略層面合作：劉雨菲

·本平臺簽約設計公司：一畫開天（北京）文化創意設計有限公司

· 航天加（深圳）股權投資基金管理負責人：楊艷