一颗卫星首次自主发现目标：这意味着什么？
今年4月，一颗地球观测卫星首次在没有地面分析师干预的情况下，自主完成了目标识别任务。这一里程碑由Loft Orbital公司建造的YAM-9卫星搭载NASA喷气推进实验室（JPL）开发的软件包实现，该软件基于Google DeepMind的Gemma 3视觉语言模型（VLM），能够在轨处理自然语言查询并识别感兴趣区域。
传统上，卫星需将大量原始数据下载至地面，由分析师借助算法或人工判断。而YAM-9的VLM可直接在星上对传感器数据进行分类——例如识别自然与人类活动交界地带，或定位铁路枢纽附近的基础设施。
短期影响：数据筛选效率革命
Loft Orbital的AI负责人Paul Lasserre表示，这一技术使卫星能进行在轨数据初筛，大幅减少下传数据量。分析师不再需要从海量原始数据中手动筛选，而是直接获取卫星自主标记的“高价值”片段。这对于军事侦察、灾害监测、环境监控等领域意义重大——例如卫星可持续监视边境，仅在检测到异常时向地面发送警报。
长期愿景：太空中的“常驻哨兵”
Lasserre称，VLM的部署为太空持续监控层打开了大门。未来，卫星群可自主执行逻辑任务，如“监视这片区域，发现可疑活动立即通知”，并与地面进行交互式对话。这标志着从“被动数据收集”到主动智能感知的范式转变。
技术基础与商业潜力
YAM-9于2025年秋季发射，作为Loft Orbital的轨道AI试验平台，搭载了Nvidia Jetson Orin AGX GPU——太空计算领域的领先芯片。该公司采用基础设施即服务模式，为第三方客户提供卫星平台。近期，Loft与EarthDaily达成协议，将建造并运营6颗新卫星，在星上分析并销售采集的数据。
这一演示验证了在轨VLM的可行性，也为更大规模AI基础设施进入太空铺平了道路。随着芯片算力提升和模型轻量化，未来卫星有望实现“自主决策”，甚至协同编队完成复杂任务。
挑战与展望
尽管里程碑意义显著，但当前演示仍处于早期阶段。在轨AI面临辐射、功耗、带宽等限制，且需要解决模型校准与伦理问题。不过，Loft Orbital和NASA JPL的合作已证明，边缘AI在太空并非空想。随着更多类似YAM-9的试验卫星升空，太空智能感知的时代正在加速到来。
