卫星学会自己看图，效率翻倍

🤖 太空发生了一件大事：一颗地球观测卫星领先次在没有地面人类帮忙的情况下，自己找到了它要找的目标。这不仅是卫星自主性的里程碑，也是我们领先次看到视觉语言模型（VLM）真的跑在轨道上。 📌 这颗卫星名为YAM-9，由空间基础设施公司Loft Orbital建造，2025年秋季发射，搭载了Nvidia Jetson Orin AGX芯片。它的“大脑”软件由NASA喷气推进实验室（JPL）打造，运行的正是Google DeepMind的Gemma 3模型——一个专门为远离数据中心、硬件有限的边缘场景设计的视觉语言模型。 🎯 研究人员给卫星下达了自然语言指令，比如在传感器数据里找出自然环境与人类开发交界的地方，或者识别铁路枢纽周围的基础设施。卫星不但听懂了，而且准确完成了分类和识别，全程没有地面分析师堆海量数据。 ⚡ 对普通人有什么用？最直接的就是卫星可以自己“看图说话”。以后找森林火灾、盯边境异常、查基础设施变化，可能不用等数据传回地面再派一群人熬夜看。遥感、安防、灾害响应等领域的朋友，你可以把这种能力当做一个不知疲倦的太空助手，帮你快速筛出重点，而不是取代你。 🚀 行业玩家们早已在卡位。Loft Orbital目前在轨有12颗卫星，AI负责人Paul Lasserre透露，想要实现地球上任何地方实时覆盖，大约需要50到100颗这样的YAM-9级卫星。该公司最近还为EarthDaily发射了六颗新卫星。Planet Labs的卫星上也搭载了Jetson Orin处理器，目前在做更简单的物体检测，同时正在研究包括VLM在内的AI应用。另一家Kepler Communications自曝拥有太空中最大的GPU群，1月发射的航天器上出现了多个未公开的计算用例，但以保密为由不愿透露是否已经部署VLM。

EntAI观察

把Gemma 3搬上卫星，远不止是一次技术炫技。它可能意味着，对地观测行业正在从“拍照片传回来”跨入“星上理解再下传”的新阶段。这会成倍降低数据传输压力，也打开了全球实时AI巡逻层的大门——无论是环境监测还是安全预警，反应速度都会被拉快。不过，卫星能自己看懂地面，也势必带来误判风险和隐私忧虑，后续的治理规则需要同步跟上。 ✅ 今天这几个动作告诉我们：太空AI的竞赛不再是纸上谈兵，谁先把星载AI网络搭起来，谁就可能掌握下一代对地感知的主动权。