卫星现已能够自主探测目标，标志着太空人工智能领域的进步

一颗地球观测卫星首次在无需地面人类分析师协助的情况下，独立锁定了目标。今年4月这一里程碑事件标志着首次有报道称在轨道上使用了视觉-语言模型，让人得以一窥人工智能将如何从根本上重塑空间传感器的能力与价值。

通常情况下，卫星会将海量数据发送给地面的分析人员，由他们依靠机器学习或人工检查来解读这些数据。但在由Loft Orbital公司研制的Yam-9卫星上，美国宇航局喷气推进实验室（JPL）开发的一套软件包能够响应自然语言查询，识别出感兴趣区域。

为此次演示提供支持的视觉语言模型（VLM）——谷歌DeepMind的Gemma 3，专为边缘应用设计，可在远离数据中心的有限硬件上运行。VLM将大型语言模型的上下文推理能力与图像分析能力相结合。 例如，研究人员要求该模型对自然环境与人类开发区域交界处的传感器数据进行分类，或识别铁路枢纽附近的基础设施，该模型均成功完成了任务。

此次演示的重要性体现在两个方面。从短期来看，它能在轨道上对数据进行初步筛选，从而大幅提升空间传感器的实用性，减少分析师目前不得不处理的海量原始数据。从长期来看，它为在太空中运行更大规模的人工智能基础设施提供了概念验证。

“这为在太空建立全天候巡逻层打开了大门，”Loft的人工智能负责人保罗·拉塞尔（Paul Lasserre）告诉TechCrunch。“借助VLM，你可以实现诸如‘监控这条边界，一旦发现可疑情况就向我发出警报’之类的逻辑，并与卫星进行双向交互。”

Loft的航天器是作为第三方客户的平台而建造的。其商业模式更接近“基础设施即服务”（IaaS），而非传统的卫星制造模式。在最近的一项交易中，Loft为EarthDaily建造、发射并运营了六颗新卫星，EarthDaily将负责分析并销售这些卫星收集的数据。 Yam-9将于2025年秋季发射，作为该公司轨道人工智能项目的先驱，其搭载了Nvidia Jetson Orin AGX GPU——这是太空计算领域领先的芯片之一。

美国宇航局喷气推进实验室（NASA JPL）人工智能小组的技术负责人胡安·德尔法·维多利亚（Juan Delfa Victoria）领导了NAVI-Orbital软件包的开发，该软件包作为Gemma 3 VLM的控制平台。尽管Gemma 3是现成的产品，但软件工程师仍需对软件包进行优化，以减少所需的库和内存。

虽然这是首次有报道称在轨道上使用了VLM，但预计其他公司也将效仿。Planet Labs运营的卫星搭载了Jetson Orin处理器，目前将其用于较简单的物体检测任务。不过，该公司一位发言人表示，关于其他AI应用（包括VLM）的研究正在进行中。

运营着太空最大规模 GPU 集群的 Kepler Communications 公司，以与合作伙伴签订的保密协议为由，拒绝就其是否已在轨道上部署 VLM 发表评论。不过，该公司指出，自今年 1 月这些航天器发射以来，其计算环境已有“若干未公开的应用案例”。

“既然我们已经验证了这一概念，这就是我们未来的发展方向，”拉塞尔表示。 目标是将卫星星座扩展至覆盖地球任何地点的实时通信，他表示这需要50到100颗类似Yam-9的卫星。（Loft目前在轨运营着12颗卫星。）

在轨道上部署这些小型卫星所获得的经验，将指导企业如何构建更大规模的太空计算基础设施，特别是在电源和内存管理这些看似平凡却至关重要的领域。

这些经验还可能为新型科学工具铺平道路。NAVI-Space的概念源于喷气推进实验室（JPL）研究员塔兰·西里亚克·约翰，他设想为探索月球或火星的宇航员配备数字助手。

“我们的设想是：宇航员身穿加压宇航服，无法在键盘上敲击——无论他们想做什么都很复杂，”德尔法·维多利亚说道。“那么，如果我们提供一个助手，就像电子游戏和电影中那种可以互动的人工智能，怎么样？”

只是千万别叫它“HAL 9000”。