20世纪60年代兴起的卫星遥感技术，正在粮食监测、水域管理、灾害应急等多个领域加速落地。2020年，国内科技公司大地量子作为唯一一家中国企业，入选美国非营利组织Radiant Earth Foundation发布的“2020全球机器学习地球观测市场地图”，2021年再度被纳入该榜单。围绕遥感卫星技术演进与AI在遥感数据中的应用，大地量子创始人兼CEO王驰近日分享了公司的创业路径、技术架构与商业化思考。
大地量子成立于2017年，创始人王驰博士毕业后与联合创始人吕童博士共同创业，最初的构想是打造“物理世界的搜索引擎”。王驰将其描述为类似全息投影的数字地球，能够追溯过去、查看现在并预测未来。在推进过程中，团队意识到这一愿景受限于技术成熟度，决定分阶段落地，逐步构建“订阅式数字地球PaaS服务”。
所谓“订阅式数字地球PaaS服务”，包含两个核心要素。其一是PaaS服务，即公司不追求解决场景中的所有问题，而是专注于时空数据层面的具体问题，帮助合作伙伴完成能力建设，同时依靠合作伙伴生态实现更闭环的解决方案。其二是订阅式，数据本身按照时间持续更新，例如森林砍伐监测数据，客户无法用去年的数据在今年执法。订阅模式使客户能够以相对较低的成本持续获取更新数据。
遥感卫星技术在过去二十年发生了两个关键变化。首先是商业航天领域的开放：国家机构的卫星数据向民用和商用开放，民用卫星获批后数量持续增长，2010年以前卫星数量增长缓慢，目前全球在轨卫星数量已达约1000颗。其次是AI技术的发展，自AlphaGo战胜李世石后，大量公司投入AI与深度学习研究，推动了遥感数据的智能分析与价值提取。
在数据来源方面，大地量子主要依赖两类数据：一是开源数据，来自美国NASA、欧洲欧空局及国内相关机构；二是商业数据及自研卫星数据，国内航天世景、长光卫星等公司均提供商业数据服务。数据精度涉及空间分辨率和时间分辨率两个维度。空间分辨率方面，开源数据约为10米，商业数据可达0.5米，这也是国内规定的商用最高分辨率。时间分辨率方面，多数卫星来自极轨道或太阳同步轨道，更新周期在数天到十几天不等，通过多卫星数据融合，可将时间分辨率提升至一天甚至更短。
卫星数据处理面临多重技术挑战。每日新增数据量约10至20TB，在此规模下进行数据管理和网络基础设施搭建需要长期投入。此外，遥感数据在大气层外获取，处理难度高于人像或地表数据，大气矫正尤为关键，需要结合传感器硬件进行额外矫正工作。AI在数据处理中承担三类核心任务：识别地表物体、计算物理特征如高度、成交量或叶绿素浓度，以及满足应急场景下的数据及时性处理需求，例如洪灾或滑坡灾害发生时，第一时间将数据提供给相关部门用于应急救灾。
在应用场景选择上，王驰坦言团队曾走过弯路。以农村金融为例，大地量子与银行合作，通过卫星数据识别农户过往种植情况，判断其过往收入，为银行提供风控数据，帮助解决农户贷款难问题。但团队最初试图为农户提供农作物监测服务，后来发现农户对自家土地了如指掌，该功能对农户而言是伪需求。类似场景在美国可行，因为美国农民人均种植面积远大于中国。这一经历让团队意识到忽略两国国情差异带来的决策偏差。在切入新应用场景时，团队从早期依赖大量预判，转向近几个季度根据客户实际需求打造应用。
从行业视角看，遥感数据服务是一个全球化市场，面临来自全球的竞争。王驰认为，核心的竞争还是技术上的数据处理和提取。行业的技术进步与GPU、元宇宙及AI技术密切相关，这些底层能力的演进将持续推动遥感数据服务的能力边界扩展。对于大地量子而言，从“物理世界的搜索引擎”到“订阅式数字地球PaaS服务”，路径虽经调整，但全息地球的长期愿景未变。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
