“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”子專題的第一篇

遙感AI的真相：
最強大的模型，喂的是最公開的數據

NASA用40年積累的公開數據被一個開源模型數月變現。Google正試圖用AI"虛擬一顆衛星"。而大多數人沒有意識到的是——這場革命的最大贏家可能不是任何一家衛星公司。

文 | 老譚

2023年8月，NASA和IBM在HuggingFace上發布了一個名為Prithvi的AI模型。

它用的訓練數據——Landsat和Sentinel衛星影像——完全免費公開，任何人、任何國家、任何公司都可以下載。這個模型在洪水檢測任務上，據公開報道，將傳統方法的處理時間從數周級別壓縮到數小時級別。據公開資料，NASA花了約40年時間、投入數十億美元建設的數據基礎設施，被一個開源AI模型在幾個月內完成了價值的"二次釋放"。

這就是遙感AI最深刻也最反直覺的事實：這場革命的燃料——遙感數據——是世界上最公開的數據之一。但也正因如此，用好公開數據的能力本身，變成了最大的競爭壁壘。

2025年7月，Google DeepMind發布了AlphaEarth Foundations。它的官方文案用了"虛擬衛星"（virtual satellite）這個詞——不發射衛星，不占軌道位置，但能模擬衛星的全部觀測能力。這已經不是"用AI輔助看圖"了，這是在用AI重新定義"衛星"這個詞的含義。

從Prithvi到AlphaEarth，從NASA到Google，從開源社區到商業遙感公司——遙感AI正在發生一場深刻的變化。本文將沿著一條敘事線索展開：誰擁有數據不重要，誰擁有"從數據中提取價值的能力"才重要。而這條原則將顛覆整個遙感的商業邏輯。

一、Prithvi的教訓：NASA 40年的積累，被開源模型一夜變現

Prithvi的故事要從NASA的一個決定說起。據公開資料，2008年NASA將Landsat衛星的全部影像數據免費公開。此前，Landsat數據是按景收費的——每景約數百美元。開放后，據公開數據，數據使用量從每年數萬景級別增長到數百萬景級別，直接惠及全球的農業、林業、城市規劃研究者。

但直到2023年Prithvi出現之前，這些數據的使用方式仍然是"人看"而不是"AI看"。據業內估算，一名解譯員可能需要一周時間在一景Landsat影像上勾繪土地利用分類；一支團隊可能需要三個月做一次區域性洪水評估。數據的獲取成本降到了零，但數據處理成本居高不下。

Prithvi打破了這條成本曲線。據技術資料，它采用約13億參數規模（到2.0版本擴展到約6億參數的更高效架構），在HLS（Harmonized Landsat-Sentinel）數據上預訓練后，在洪水檢測任務上據報告達到了較高水平（90%以上的IoU，交并比）。更關鍵的是，它完全開源——模型權重、訓練代碼、微調教程全部公開。

這意味著：一個非洲國家的水利部門，只要有一個懂Python的研究員，就能用Prithvi構建自己的洪水監測系統，而數據成本為零。這在5年前需要一支百萬美元預算的遙感團隊才能完成。

Prithvi的深層意義在于：它證明了在遙感領域，AI的能力上限不由數據私有性決定，而由模型工程能力決定。數據公開是公平的——但能用好公開數據的能力，極不公平。

"Prithvi最震撼我的不是它的技術指標。而是它用所有人都能下載的數據，做到了只有少數機構才能做到的事情。這就像所有人都拿到了同樣的畫布和顏料，但只有少數人能畫出蒙娜麗莎。"—— 一位遙感算法工程師的評價

但Prithvi也有一個致命的局限：它基于Landsat數據訓練，空間分辨率30米。在精細場景下——比如識別一輛車、一棟建筑物的微小變化——30米的分辨率遠遠不夠。這給下一個玩家留下了巨大的空間。

二、AlphaEarth：Google的"虛擬衛星"野心

如果說Prithvi證明的是"用公開數據做出好模型"，那么AlphaEarth證明的是"用算力碾壓做出更強的模型"。

AlphaEarth Foundations是Google DeepMind和Google Research在2025年7月聯合發布的地理空間基礎模型。與Prithvi最大的不同是：它不止處理光學影像，而是實現了跨模態推理——同時融合衛星影像、航拍照片、矢量地圖、元數據等多種信號。它不是"看圖識物"，而是"理解地球"。

在17個國家的驗證中，AlphaEarth對人口分布、樹冠覆蓋、夜間燈光、海拔的預測R2評分據報告達到了較高水平（0.85以上）。但技術指標之外，真正值得關注的是它的產品化策略。

Google沒有把AlphaEarth當作一個研究項目晾在那里。它與Google Earth AI深度綁定——后者是面向數十億用戶的品牌。想象一下：哪天你在Google Earth上點擊一個地點，AI自動告訴你"這里過去三年人口增加了15%，樹冠減少了8%，建筑密度增加了22%"——這些信息不是從任何政府部門獲取的，而是AlphaEarth"讀取"衛星影像后自己推斷出來的。

這是一場關于"地球理解權"的爭奪。Google不擁有任何一顆遙感衛星，但它擁有世界上最大的AI算力集群、最先進的AI研究團隊、以及面向數十億用戶的軟件生態。如果AlphaEarth成功，Google將不再需要發射衛星——它只需要別人的衛星數據，然后用AI做出更好的地球產品。

這對傳統遙感衛星運營商的威脅是結構性的。一家衛星公司花了5年時間、數億美元部署一個30顆衛星的星座，最終的產品是"每天給客戶提供一張照片"。而Google什么都沒發射，但它通過AI提供的"洞察"可能比照片本身更有價值。這就是"虛擬衛星"概念的殺傷力。

三、Clay：開源的理想與困境

在Prithvi和AlphaEarth之間，還有一個叫Clay Foundation Model的開源項目——由Development Seed、NASA和Microsoft共同推進。它的技術路線比Prithvi更進一步：多模態融合，不僅能處理光學影像，還能整合SAR數據、高程數據、氣象數據。

Clay采用了類似CLIP的對比學習范式，讓模型學會在不同傳感器模態之間建立關聯。你可以輸入一幅SAR圖像，模型自動找到對應的光學影像位置；輸入一段描述"植被覆蓋率高的區域"，模型在影像中定位出最匹配的區域。

但Clay面臨一個尖銳的問題：在AI領域，開源模型在通用性上幾乎永遠無法與巨頭資源堆砌的閉源模型競爭。這在NLP領域早已驗證——GPT-4和Claude的能力遠超過任何開源模型。在遙感領域，同樣的劇本正在上演。

如果AlphaEarth最終閉源并收費，開源遙感模型將被迫進入一個"永遠差一步"的困境——就像LlaMA永遠追不上GPT。而這直接關系到遙感AI的"訪問公平性"：發展中國家的災害管理部門、小型農業保險公司、學術研究者——他們用得起Google的付費API嗎？

四、不可見的光譜：SAR+AI才是真正的暗線

前面講的所有模型都依賴光學影像——晴天效果極好，但有云就抓瞎。而合成孔徑雷達（SAR）可以穿透云層，晝夜成像。但傳統SAR的解譯需要極深的物理背景知識。AI正在改變這一切。

這也是本輪遙感AI革命中最被低估的一條暗線。

芬蘭的ICEYE和美國的Capella Space是商業SAR領域的兩大代表。據公開資料，ICEYE的AI系統實現了毫米級地表形變檢測——通過分析多次SAR觀測的相位差，AI模型可以識別出建筑物約10毫米級別的微小位移。這對城市沉降監測、礦區塌陷預警、大壩安全評估具有直接價值。傳統上這需要昂貴的地面GPS網或InSAR人工處理，現在一顆SAR衛星+AI就可以做到。

Capella Space則將深度學習直接嵌入SAR處理管線。在高分辨率SAR圖像上，AI可以自動識別船舶類型、估算噸位、判斷航向——對海上緝私、漁業監管、港口管理的客戶來說，這比光學衛星更有價值，因為SAR不依賴天氣。

SAR+AI的真正意義在于：它打破了"遙感必須靠光線"的物理限制。光學遙感的AI化是"把已經很好的東西做得更好"，SAR的AI化是"把一個極其專業、普通人完全看不懂的東西變成了可自動解譯的產品"。后者的商業價值可能更大。

但SAR AI面臨一個特殊的挑戰——標注數據。光學影像普通人可以標注（"這里有樹、這里有房子"），但SAR影像的噪聲模式和幾何畸變使得標注極其困難且昂貴。這導致SAR AI的標注數據規模只有光學AI的十分之一。ICEYE和Capella解決這個問題的方法是：用仿真數據訓練基礎模型，再用少量真實數據微調。這是一個聰明的但不算完美的折中。

五、商業遙感公司的隱形困境

講完AI公司和研究機構的故事，再來看那些真正擁有衛星的公司——Planet Labs、Maxar、Satellogic。他們的處境比想象中尷尬。

Planet Labs有全球最大的遙感星座——據公開資料約200顆Dove衛星，每天覆蓋全球一次，分辨率約3.7米。Maxar有全球分辨率最高的商業衛星——WorldView Legion，據公開資料達30厘米級。他們都是數據領域的王者。但當AI成為價值核心時，他們的優勢在減弱。

原因很簡單：數據本身正在被商品化。Landsat和Sentinel的免費公開數據已經覆蓋了10-30米分辨率級別。據市場觀察，商業遙感數據（亞米級）的價格在過去數年呈下降趨勢。在數據層面，Planet和Maxar的護城河在被侵蝕。但在AI層面，他們正在與Google、微軟、IBM競爭——這不是他們的主場。

Maxar的GBDX平臺試圖成為一個"數據+AI"的平臺，但它在AI能力上與微軟Planetary Computer（整合約80PB遙感數據+AI推理）相比沒有明顯優勢。Planet收購了Sinergise加強AI能力，但與Google的AlphaEarth相比仍然是"小玩家"級別的投入。

衛星運營商正在被夾在中間：上游的AI平臺公司（Google、微軟、IBM）在逼近，下游的客戶要求從"賣圖"升級到"賣答案"。如果不能快速完成AI能力的躍遷，他們可能淪為AI公司的"數據管道"——價值最低、利潤率最薄的那個角色。

"衛星運營商的終極恐懼不是另一家衛星公司搶走市場。而是有一天客戶說'我不需要你的衛星影像了，Google的AI就能告訴我足夠多的信息'。"—— 某遙感行業從業者的觀察

六、AI上天：Φsat-2與在軌推理的開始

前面講的所有AI處理都是在地面完成的——衛星拍照，數據下傳，地面運行AI模型。但ESA的Φsat-2正在驗證另一個方向：AI直接在天上運行。

2024年發射的Φsat-2搭載了一顆Intel Movidius Myriad X的AI加速芯片。這顆小小的芯片在約500公里高空運行著深度學習模型，實現云檢測與選擇性下傳、船舶識別與自動告警、超分辨率重建等功能。ESA的驗證結果是：據ESA驗證結果，星上AI處理可以將需要下傳的數據量減少約70%以上。

這意味著什么？對于巨型星座來說，地面站帶寬是硬約束。即使你有幾千顆衛星，能同時建立通信鏈路的地面站有限。如果每顆衛星都把全部原始數據下傳，地面站很快飽和。星上AI讓衛星只下傳"有價值的信息"——這可能是整個遙感經濟學中最被低估的效率杠桿。

但星上AI也有它的反對者。質疑的論點很直接：讓AI在軌做處理意味著你在發射前就要決定"什么是重要的"。如果一顆SAR衛星的AI在軌丟棄了云遮擋的影像，但恰好那片云的背后有一個你事后才意識到重要的目標——這個錯誤是不可逆的。地面處理雖然慢，但保留了全部原始數據。在軌AI則是一次性的決策。

這個爭議沒有標準答案。但一個趨勢是清晰的：隨著星上算力提升和AI模型壓縮技術的進步，在軌AI處理的比例只會越來越高。五年后，完全不使用星上AI處理的遙感衛星可能會被視為"浪費帶寬的過時設計"。

回到開篇的那個問題：當遙感AI的燃料是公開數據，而煉油能力（AI模型）集中在少數巨頭手中時，這場革命的最大受益者是誰？

不是NASA——它的角色是"數據提供者"，而非價值捕獲者。不是衛星運營商——他們被困在數據商品化和AI能力不足的夾縫中。不是開源社區——他們的模型很好，但在資源投入上與巨頭差距太大。

最大受益者可能是Google——它不發射衛星，但它擁有最先進的AI、最龐大的算力集群、最面向用戶的產品渠道。AlphaEarth+Google Earth AI的組合正在驗證一個可怕的商業邏輯：在遙感AI時代，擁有衛星可能不如擁有"看懂衛星數據的能力"。

那這背后到底是一門多大的生意？誰在賺錢、誰在燒錢？谷歌的"虛擬衛星"能盈利嗎？衛星運營商的AI投入有回報嗎？

下一篇，我們用數據拆解遙感AI的經濟賬。

? 下篇預告：

遙感AI的生意經

數據越來越便宜，AI越來越貴——遙感行業正在經歷一場結構的價值轉移。三個市場層次、四種商業模式、誰的利潤率最高？

本專題系列：? 國外在干什么（本篇）→ ? 產業邏輯 → ? 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