衛星首度自主辨識目標！AI 賦能太空觀測新紀元，從「下載數據」到「即時決策」

過去，地球觀測衛星僅是將海量數據傳回地面，由人類分析師或機器學習演算法進行處理。然而，一項劃時代的里程碑於今年四月達成：太空基礎設施公司 Loft Orbital 的 Yam-9 衛星，首次在軌道上，僅憑自身搭載的 AI 軟體，便自主找到了它所尋找的目標，這標誌著 AI 視覺語言模型（Vision-Language Model, VLM）在太空應用的首次實際驗證，也預示著太空感測器能力與價值的根本性變革。

此次演示的核心是 Google DeepMind 開發的 Gemma 3 模型，這是一種專為「邊緣運算」（Edge Applications）設計的 VLM。這意味著它能夠在數據中心遙遠、硬體資源有限的環境下運行。VLM 結合了大型語言模型（LLM）的語境理解能力與影像分析能力。研究人員透過自然語言指令，要求模型分類「自然環境與人類開發交界處」的感測器數據，或識別「鐵路樞紐周邊的基礎設施」，模型均準確完成任務。

這項技術的意義重大，短期內，它能透過在軌道上進行初步的數據篩選（data triage），大幅減輕地面分析師需要處理的原始數據洪流，讓太空感測器更加實用。長遠來看，這更是未來在太空中部署更大規模 AI 基礎設施的關鍵驗證。

太空感測器迎來「全天候巡邏」新可能

Loft Orbital 的 AI 主管 Paul Lasserre 表示：「這為太空中的『全天候、巡邏層』打開了大門。如果你擁有一個 VLM，就能植入邏輯，例如『幫我監控這個邊境，一旦有可疑情況就通知我』，並能與衛星進行雙向互動。」

Loft Orbital 的衛星業務模式更接近「基礎設施即服務」（Infrastructure-as-a-Service, IaaS），而非傳統的衛星製造。該公司近期便與 EarthDaily 達成協議，為其建造、發射並操作六顆新的衛星，用於分析和銷售收集到的數據。Yam-9 衛星於 2025 年秋季發射，是 Loft Orbital 軌道 AI 專案的先導者，並搭載了 Nvidia Jetson Orrin AGX GPU，這是目前太空運算領域領先的晶片之一。

NASA噴射推進實驗室（JPL）AI 小組的技術領導者 Juan Delfa Victoria，主導開發了 NAVI-Orbital 軟體套件，該套件是 Gemma 3 VLM 的「駕馭者」。雖然 Gemma 3 是現成模型，但軟體工程師需要對套件進行精簡，以降低其所需的函式庫與記憶體佔用。

競逐太空 AI 應用，巨頭與新創紛紛布局

儘管這是 VLM 首次在軌道上被報導使用，但預期其他公司也將跟進。Planet Labs 公司營運著搭載 Jetson Orin 處理器的衛星，目前主要用於較簡單的物體偵測任務，但其發言人表示，公司正積極研究包括 VLM 在內的其他 AI 應用。

Kepler Communications 公司營運著全球最大的太空 GPU 集群，儘管因與合作夥伴簽訂保密協議（NDA）而無法透露是否已部署 VLM，但該公司指出，自其衛星於一月發射以來，「已有數個未公開的運算環境使用案例」。

Lasserre 補充道：「現在我們已經驗證了概念，這確實是未來的發展方向。」Loft Orbital 的目標是擴展其衛星星座，確保對地球任何地點的即時覆蓋，他估計這需要大約 50 到 100 顆像 Yam-9 這樣的衛星（Loft 目前在軌營運 12 顆衛星）。

在軌道上部署這些小型模型的經驗，將為公司未來嘗試部署更大規模的太空運算基礎設施提供寶貴經驗，尤其是在電力和記憶體管理等基礎但至關重要的領域。

AI 助理有望成為太空探索的得力助手

這項技術也可能為新的科學工具鋪平道路。NAVI-Space 的構想源自 JPL 研究員 Taran Cyriac John，他當時正思考為探索月球或火星的太空人提供數位助理。

Delfa Victoria 說明：「我們設想，太空人穿著加壓太空衣，無法方便地敲擊鍵盤，他們想做的任何事情都很複雜。那麼，我們能否提供一個類似於電玩或電影中的 AI 助理，可以進行互動？」

當然，這樣的 AI 助理不會被稱為 HAL 9000。