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”，并于2021年再次被纳入该榜单。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王驰此前接受了采访，系统阐述了公司“订阅式数字地球PaaS服务”的定位与实现路径。
大地量子成立于2017年，融资状态为A+轮（2021年1月），此前于2020年11月完成5000万人民币A轮融资，主要投资方包括兰馨亚洲、SIG海纳亚洲和顺为资本。公司业务聚焦PaaS、遥感卫星、无人机及数据服务，核心产品为“订阅式数字地球PaaS服务”。王驰将这一模式拆解为两个关键词：PaaS服务与订阅式。PaaS服务意味着公司并不追求解决场景中的所有问题，而是专注于时空数据的具体问题，帮助合作伙伴完成能力建设，形成更闭环的解决方案；订阅式则指数据本身按时间持续更新，客户无法用去年的森林砍伐数据在今年执法，因此需要以相对较低的成本持续获取最新数据。
谈及创业初衷，王驰表示，2017年博士毕业后，他将谷歌类比为虚拟世界的搜索引擎，希望做一个物理世界的搜索引擎。他与联合创始人吕童博士交流后决定共同创业，目标形态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。但他也坦言，当时并未充分考虑产品实现、市场定位和资金来源，后续因此走过一些弯路。随着技术限制逐渐显现，团队决定分步落地，向最初愿景持续靠近。
遥感卫星技术在过去二十年主要经历了两方面变化。其一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，至报道时已接近1000颗。其二是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，使得利用深度学习技术进行遥感数据的分析和价值提取成为可能。王驰指出，行业的技术进步与GPU、元宇宙及AI技术密切相关。
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、欧洲欧空局以及国内相关机构；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，公司也会合作研发卫星数据。在数据精度上，王驰将精度分为空间分辨率和时间分辨率两类。空间分辨率即地面采样间隔，开源数据约为10米，商业数据可达到0.5米，这也是国内规定的商用最高分辨率。时间分辨率指某地上空数据的更新频率，大多数卫星来自极轨道或太阳同步轨道，更新时间在几天到十几天不等；若进行多卫星数据融合，时间分辨率可提升至一天甚至更短。
卫星数据处理面临多重技术挑战。王驰表示，每日新增数据量约在10至20TB，在此规模下进行数据管理和网络基础设施搭建本身即构成难题。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，其中大气矫正是关键环节，需要结合传感器硬件进行额外矫正工作。AI在数据处理中的作用主要体现在三个方面：识别肉眼难以处理的物体、计算物体的物理特征（如高度、叶绿素浓度等），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，需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，王驰以农村金融为例说明了国内外市场的差异。大地量子与部分银行合作，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以帮助农户获得授信。但他指出，这一场景此前走过弯路：团队最初试图为农户提供农作物监测服务，后来发现农户对自身土地了如指掌，该功能对农户而言属于伪需求。类似场景在美国则成立，因为美国农民人均种植面积远大于中国。这一经历促使团队在场景决策上更加注重客户实际需求，而非仅依赖前期预判。
从行业视角看，大地量子所处的机器学习地球观测赛道正受益于商用航天开放与AI算力成本下降的双重驱动。遥感数据的订阅式交付模式，将数据从一次性采购转变为持续性服务，对数据更新频率和平台稳定性提出了更高要求。随着卫星数量增加和AI解译能力提升，时空数据在金融风控、农业监测、灾害应急等垂直场景中的渗透率有望进一步提高，但如何在不同市场间平衡通用能力与本地化需求，仍是包括大地量子在内的行业参与者需要持续解决的问题。
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。
