卫星首次自主识别目标

关键信息

该模型被用于回答自然语言提示，例如对自然环境与人类开发交界区域进行分类，以及识别铁路枢纽附近的基础设施。Loft 表示，YAM-9 搭载了 Nvidia Jetson Orin AGX GPU，而 NASA JPL 还必须精简软件框架 NAVI-Orbital，以适应有限的机载内存和库资源。

资讯摘要

据报道，这是第一颗在没有地面人工分析员帮助的情况下，自主找到目标的地球观测卫星。该里程碑发生在4月，并被描述为首个在轨使用视觉语言模型的案例。演示是在 Loft Orbital 的 YAM-9 号航天器上完成的，这艘卫星更多是面向第三方客户的在轨平台，而不是传统意义上的单一卫星产品。NASA 喷气推进实验室开发了一套软件，使机载模型能够响应自然语言查询。演示中使用的模型是 Google DeepMind 的 Gemma 3，它面向边缘部署，而不是数据中心硬件。报道指出，研究人员让模型对自然环境与人类开发交界处的传感器数据进行分类，并识别铁路枢纽周围的基础设施。

Loft 认为，这项能力短期内可以让卫星在把数据传回地面之前先进行初步筛选，长期来看则可能帮助在太空中部署更大规模的 AI 系统。Loft 的 AI 负责人 Paul Lasserre 将其描述为一种“始终在线”的轨道巡逻层，可以回答诸如监控边境是否有可疑活动之类的问题。YAM-9 于 2025 年秋季发射，作为 Loft 轨道 AI 项目的先导平台，并搭载了 Nvidia Jetson Orin AGX GPU。NASA JPL 技术负责人 Juan Delfa Victoria 开发了 NAVI-Orbital，而为了适应卫星的硬件限制，软件本身还必须被进一步精简。其他太空公司也已经在尝试机载计算，Planet Labs 和 Kepler Communications 都暗示，更高级的在轨 AI 用例很可能会随后出现。

资讯正文

首次，一颗地球观测卫星自己找到了它想找的东西——无需地面上的人工分析员介入。这个里程碑发生在4月，标志着首次有报道称视觉语言模型被用于轨道上，也让人得以一窥：人工智能可能从根本上改变太空传感器的能力，以及它们的价值。

通常情况下，卫星会将大量数据下载给地球上的分析员，由他们使用机器学习算法或肉眼来判断究竟发生了什么。但在由空间基础设施公司 Loft Orbital 打造的航天器 YAM-9 上，一个由 NASA 喷气推进实验室开发的软件包会对自然语言查询作出响应，识别感兴趣区域。

支撑这次演示的是 Google DeepMind 的 Gemma 3——一款视觉语言模型（VLM），专为边缘应用设计，这意味着它被设计为可在远离数据中心、硬件受限的环境中运行。VLM 将大语言模型的上下文理解能力与图像分析能力结合起来：研究人员让模型对传感器数据进行分类，例如识别自然环境与人类开发建设相接的区域，或识别铁路枢纽周边的基础设施——它都做到了。

这项演示之所以重要，有两个原因。短期来看，它可以通过在轨进行初步数据分流，让太空传感器变得更有用，减少分析员如今必须处理的海量原始数据。长期来看，它则是朝着在太空中运行更大规模 AI 基础设施迈出的一个证明性步骤。

Loft 的 AI 主管 Paul Lasserre 告诉 TechCrunch：“这为太空中的持续在线、巡逻式层级打开了大门。如果你有一个 VLM，你就可以拥有逻辑——比如‘帮我监控这条边境，发现可疑情况时告诉我’——并与卫星来回交互。”

Loft 的航天器被设计为面向第三方客户的平台。其商业模式更接近基础设施即服务，而非传统的卫星制造。最近的一笔交易中，公司为 EarthDaily 建造、发射并运营了6颗新卫星，EarthDaily 将分析并销售这些航天器在轨收集到的数据。YAM-9 于2025年秋季发射，作为公司轨道 AI 项目的探路者，其中搭载了一块 Nvidia Jetson Orin AGX GPU，这是空间计算中使用的领先芯片之一。

NASA JPL AI 团队的技术负责人 Juan Delfa Victoria 主导开发了 NAVI-Orbital，这是一套软件包，实际上相当于 Gemma 3 VLM 的承载框架。虽然 Gemma 3 是现成产品，但软件工程师仍不得不精简这套软件包，以减少它所需的库和内存占用。

尽管这是首次有报道称 VLM 被用于轨道上，但可以预期其他公司也会效仿。Planet Labs 的卫星搭载了 Jetson Orin 处理器；目前它们主要用于更简单的目标检测任务，但一位发言人表示，公司正在研究其他 AI 应用，包括 VLM。

Kepler Communications 运营着太空中规模最大的 GPU 集群。由于与合作伙伴签有 NDA，该公司拒绝透露是否已在太空中部署 VLM，不过它指出，自这些航天器于 1 月发射以来，已经出现了“若干未公开的计算环境使用案例”。

Lasserre 表示：“既然我们已经证明了这个概念，那实际上就是接下来的发展方向。” 目标是把星座规模扩展到能够对地球任意位置实现实时覆盖；他说，这大约需要 50 到 100 颗像 YAM-9 这样的卫星。（Loft 目前在轨运行着 12 颗航天器。）

在轨部署这些更小模型过程中学到的经验，将为各家公司未来如何在太空部署更大规模的计算基础设施提供参考，尤其是在电力和内存管理这些看似平淡却至关重要的领域。

它们也可能为新的科学工具铺平道路。NAVI-Space 的构想始于 Delfa Victoria 和 JPL 研究员 Taran Cyriac John 思考如何为探索月球或火星的宇航员提供数字助手的时候。

Delfa Victoria 说：“我们在想，好吧，你有穿着加压宇航服的宇航员，而且你知道他们不可能去敲键盘；无论他们想做什么，都会很复杂。” 她说，“所以，我们能不能提供一个助手，就像在电子游戏和电影里那样，你会看到一个可交互的 AI？”

只是别叫它 HAL 9000。

来源与参考

1. 原始链接
2. A satellite just learned to find things on its own — here's what that means | TechCrunch