今天小編分享的互聯網經驗：當衞星邂逅AI，從此衞星有了“大腦”？，歡迎閲讀。
近日，航天圈有幾個熱點，不僅有SpaceX星艦5"筷子夾火箭"成功，更有我國成功實現全球首顆AI衞星升空。當AI進入太空後，如何讓衞星變得更"聰明"？未來我們可能會用上AI衞星技術帶來的哪些便利？還有就是馬斯克的火星計劃是不是要提前了？
10月16日晚19:00氪星直播間邀請到了商湯智能產業研究院院長及《田豐説》創始人 田豐、絲路天圖CEO韋文怡、未來宇航創始人兼CEO牛旼，和我們一起聊聊當衞星遇到AI ，會產生什麼火花？
在這場直播中三位嘉賓主要讨論了以下問題：
1.2024年9月24日，全球首顆AI大模型科學衞星成功發射入軌。此次AI衞星的試驗成功，對于衞星技術有什麼重要的意義？
2.衞星應用本來就需要考慮能耗，大模型更是個燒算力的應用，怎麼平衡AI算力和衞星應用的能耗問題？
3.AI 的價值确實很大，在太空中AI是如何讓衞星變得更加聰明？
4.衞星在太空中采集到的數據是龐大且復雜的，當有了 AI 的加持後，衞星在數據的獲取上會有什麼不一樣嗎？
5.現在商業航天的應用在C端市場還是比較空白，AI衞星的驗證成功是否為我們打開新的商業機會？
6.衞星應用是屬于緩慢增長的，在當前的市場環境下，商業航天公司應該更專注于深化已經驗證過的商業應用深耕，還是應該積極探索未知的新應用，尋找更多增長點？
36氪：2024年9月24日，全球首顆AI大模型科學衞星成功發射入軌。此次AI衞星的試驗成功，對于衞星技術有什麼重要的意義？
田豐：衞星技術的悠久歷史以及錢學森老先生對于衞星和人工智能的早期設想。從1950年代蘇聯成功發射第一顆衞星開始，美蘇之間的衞星科技競争便拉開了序幕。錢學森老先生在那個時代已經預見到衞星組成的"星際碼頭"（即太空站）概念，與航天系統結合的"第五代計算機"或"智能機"。随着時代的發展，AI技術逐漸成熟，并與衞星技術實現了深度融合。這種融合帶來了衞星自主性和任務協同能力的顯著提升。衞星在太空中的運行環境復雜多變，信号傳輸延遲長，使得實時地面操作變得困難。因此，衞星需要具備一定的自主性，以應對通信延遲或故障等情況。AI大模型的應用為衞星提供了這種自主性。當衞星與地面聯系較慢或需要處理復雜的新任務時，AI大模型能夠指導衞星進行自主決策和調整，确保任務的順利完成。此外，通過AI技術，多個衞星可以形成一個星座聯合體，利用群體智能進行復雜的操作。這種協同不僅提高了衞星的工作效率，還增強了衞星系統的整體穩定性和可靠性。
韋文怡：在當前的航天領網域，AI技術的應用正在改變數據處理的方式。傳統的衞星數據處理過程需要大量的人工參與，包括數據接收、預處理、标注等，這些工作不僅耗時耗力，而且效率低下。然而，随着AI技術的引入，這一狀況得到了顯著改善。AI技術通過自動化和智能化的方式，将原本需要人工處理的數據流程化、機器化，從而大大提高了數據處理效率。韋文怡提到，現在從數據接收到預處理，再到最終的分析和解釋，整個過程都可以形成一個流程化的梳理模式，使得數據處理時間從過去的數天甚至數周縮短到數小時。此外，AI技術還解決了多模态數據融合處理的難題。在衞星對地感知的過程中，需要融合來自地面、空中和太空的多源數據。然而，這些數據往往具有不同的格式、分辨率和精度，傳統的處理方法很難實現有效地融合。而AI技術通過學習和理解數據的内在規律和關聯，能夠實現對多模态數據的精準融合，從而提供更全面、更準确的信息。
牛旼：傳統的人工标注工作不僅勞動密集，而且需要專業知識。遙感數據的标注尤其如此，因為它需要識别和理解各種地理特征和物體。然而，随着AI技術的發展，這種繁瑣而復雜的工作正在被逐步替代。AI通過學習和訓練，能夠自動識别和标注遙感數據中的特征，從而大大提高了數據處理效率和準确性。衞星實際上更像是一個具有動力系統的"車"，它有自己的"大腦"（即控制系統），但目前這個"大腦"更像是一個"小腦"，主要負責控制衞星的姿态和軌道調整。然而，随着AI技術的引入，衞星的"大腦"将變得更加智能和強大。AI在衞星上的主要應用是在遙感信息的處理上，這類似于智能監控中的邊緣計算。通過将AI部署在衞星上，可以實現數據的實時處理和決策，從而減少了數據傳輸和處理的延遲。未來，随着更多衞星上天并形成星座網絡，星間連接和雲的形成将成為關鍵。AI衞星組成的算力星座将具有更大的實際應用價值。
田豐：我再補充一個小故事。商湯科技在AI遙感領網域的第一個場景就是，客户公司買過來大量衞星照片數據，但其中很多照片因為雲層覆蓋而無法使用。因此，當時開發的第一個算法就是用來識别和篩選掉這些有雲的照片，以便剩下的照片可以用于進一步的分析。有些照片可以通過算法處理去除雲層，但有些因為雲層覆蓋面積太大而無法處理。
牛總還提到了遙感技術在觀測地球物體方面的兩個概念。首先是感知對象，以前衞星可能只能識别特定的物體，比如艦船。但現在，大型AI模型具有泛在智能的能力，可以識别從塔吊到建築物，再到水文、森林，甚至大型動物等多種物體。這種大型AI模型可以視為一種通用的感知能力，這是非常有價值的。因為這些模型可以在地面上訓練好，然後縮小參數量，比如将10億參數量或幾億參數量的大模型壓縮成适合衞星搭載的小模型。
另一個重要概念，即識别和分類。例如，識别一個景區或建築物需要分類，并用不同顏色進行标注。過去，這種分類和标注工作需要人工完成，工作量非常大。但現在，随着大模型時代的到來，大模型可以自動進行标注。例如，植物可以用綠色标注，水文用藍色标注，路網用紫色标注，這樣就可以快速地将圖層和對象分類出來。這大大便利了後續的處理工作。總的來説，AI技術在遙感領網域的應用，不僅提高了數據處理的效率，還擴展了衞星的感知能力，使得衞星能夠識别和分類更多的地球物體。
36氪：衞星應用本來就需要考慮能耗，大模型更是個燒算力的應用，怎麼平衡AI算力和衞星應用的能耗問題？
牛旼：衞星技術的發展與汽車工業的演變有着相似之處，就像燃油車向電動車的轉變一樣，衞星技術也在經歷着能源一體化的變革。過去，許多衞星依賴化學推進劑來調整軌道和姿态，衞星的壽命往往不是由于硬體損壞，而是燃料耗盡，導致無法維持軌道而失效。這與燃油車的局限性相似，需要定期加油。
現在，衞星技術正朝着電推進系統發展，這類似于電動車的電動機。電推進系統需要電力供應來保持軌道，這就需要衞星配備高效的能源系統。對于算力衞星來説，能耗是一個急切需要解決的問題。在太空中，太陽能是唯一的能源來源，但近地軌道的衞星在繞地球運轉時，會有一段時間處于地球的陰影中，這時就需要消耗衞星自帶的電池能量。目前，許多衞星攜帶锂電池來提供能量儲備。
未來，有兩個技術解決方案可能會被采用。一是進一步降低衞星的功耗，二是進行能源技術的革新，比如使用鈣钛礦太陽能電池或開發能量密度更高的儲能電池。此外，随着算力衞星的出現，未來可能會出現專門用于儲能的新型航天器，類似于電力衞星。這些衞星可以負責收集太陽能并儲存起來，然後通過激光或微波傳輸的方式為高能耗的衞星提供能量。
總的來説，衞星技術的未來發展将朝着降低能耗和提高能源效率的方向發展，這與汽車工業從燃油車向電動車的轉變有着相似的軌迹。
田豐：牛總剛才提到的算力問題非常有趣，這确實是我們很多人的知識盲點。現在衞星的算力已經非常強大，比如，如果一個機器人的算力是100T，那麼自動駕駛汽車的算力也能達到100T。衞星算力甚至能達到200T以上，最新型衞星還能配置1000T的算力。有的衞星甚至以算力來命名，顯示了其強大的計算能力。
然而，這麼大的算力是否能夠由現有的锂電池供電，這是一個問題。這裏我們可以從另一個角度來思考，即芯片的發展符合摩爾定律。摩爾定律指出，大約每18個月，芯片的性能會翻一番，而成本會降低。這意味着，今年的200T算力芯片與明年的200T算力芯片相比，後者的成本和能耗可能會更低。
因此，我們可以展望，也許在未來一兩年内，大型AI模型将變得更加節能，而芯片的算力會更強，但其能耗和成本并沒有顯著上升。這實際上是摩爾定律帶給我們的指數級紅利。總的來説，随着技術的進步，我們可以期待衞星的算力會持續增長，同時能耗和成本會得到更好的控制。這将為衞星技術的發展帶來巨大的潛力和機會。
韋文怡：我們剛才提到的就是在星上怎麼樣用算力的問題，其實不光在星上， AI在遙感領網域的應用需要的算力，在地面上都非常大。例如，我今天剛遇到一個案例，有一個農業大模型需要計算全國所有縣市某種作物的整個生產周期，這本身就是一個巨大的挑戰。在遙感領網域，每種作物都有其獨特的區網域特征，因此不能簡單地将一個區網域的模型應用到另一個區網域。這就意味着，如果要使用一個大模型來統一處理這些問題，需要非常強大的耦合機制，這在地面上已經非常困難。
以西電1号衞星為例，該衞星于2022年發射，搭載了高光譜和模型定義載荷。這些載荷用于目标識别和輪廓提取，對于可見光影像來説，它們能夠識别目标；而對于高光譜衞星，它們能夠感知并識别出不同作物的光譜特征。由于每一景數據量非常大，大約有10GB，所以在數據傳輸過程中壓力很大。為了減輕這種壓力，衞星上搭載了一個在軌壓縮載荷，可以在衞星上直接對數據進行壓縮處理，然後再将壓縮後的數據傳回地面，這樣就大大減輕了傳輸壓力。如果能夠将AI大模型直接部署到衞星上，那麼衞星就可以直接處理數據并傳輸處理結果，這将更加便捷。或者，只傳輸特征值，這樣數據量會小很多。這樣，衞星可以幫助我們篩選出所需的數據，而無需處理無用的數據。
此外，衞星上的傳感器也非常重要，例如紅外傳感器可以直接看到地下的東西，具有很高的價值。像SAR衞星這樣的設備可以穿雲透雨，對于遙感應用來説非常有用。總的來説，随着技術的發展，我們可以期待衞星上的傳感器和AI模型将更加高效和智能，能夠更好地滿足我們的需求。
36氪：AI 的價值确實很大，在太空中AI是如何讓衞星變得更加聰明？
牛旼：我舉一個自動駕駛汽車的例子，它幫助我們理解了未來太空交通治理可能面臨的挑戰。目前，自動駕駛汽車裝備了眾多傳感器，能夠實現從L3到L5級别的自動駕駛功能，其中最基本的功能就是避免碰撞。同樣，太空中的衞星數量在過去幾年裏已經大幅增加，尤其是星鏈計劃的實施，預示着未來衞星數量可能會再增加一個數量級。這就像早期汽車剛出現時，道路上車輛稀少，不需要考慮交通擁堵和碰撞風險。但随着車輛數量的增加，交通管理和規則制定變得至關重要。
對于衞星而言，未來太空交通治理也将面臨類似的挑戰，包括如何制定規則以規避碰撞。衞星也需要具備類似自動駕駛汽車的碰撞預警和自主規避功能。例如，如果兩顆衞星有軌道交匯的風險，它們可以調整軌道角度以避免碰撞。未來，每個衞星都可能具備這樣的功能，這需要AI技術賦能衞星的自主控制和軌道調整能力。這類似于将自動駕駛汽車的AI模型算法應用到無人機控制技術，并進一步擴展到太空領網域。
目前，盡管衞星在天上看不見、摸不着，但仍有專門的團隊通過地面站控制衞星，接收遙測參數。如果衞星降軌，可以發送指令讓它升軌。許多自動化策略已經開始實施，減少了人工觀測、處理和發送指令的需求。未來的發展方向是将這些策略進一步集成到衞星上，實現自主測控，最終達到無人化管理。這意味着衞星将能夠在沒有地面幹預的情況下，自主執行任務和調整軌道，大大提高了效率和安全性。随着AI技術的發展，我們有望看到衞星在太空中的自主性和智能化水平不斷提高，以應對日益增長的太空交通挑戰。
田豐：哨兵衞星，以及清潔工衞星的概念，都非常有趣。清潔工衞星是指那些專門設計用來處理太空垃圾或者維修故障衞星的航天器。當衞星進入故障狀态需要維修，或者已經退役時，如果它們配備了AI，它們可以自動進入墓地軌道。墓地軌道是太空中一個特定的區網域，用于存放不再使用的衞星，以減少它們與其他在軌衞星發生碰撞的風險。
牛總提到的智能化體現在，衞星可以通過AI進行自我學習和改進。AI中的強化學習是一個關鍵概念，它允許衞星通過與環境的互動來學習，而不僅僅是依賴于人類的指導。這類似于AlphaZero，它們通過自我對弈來學習棋譜。當衞星在執行特定任務時失敗，這些失敗的數據非常寶貴，可以用來在終端上自我改進。如果算力足夠，衞星可以通過自我強化學習變得更加智能。
此外，如果一個衞星學會了新技能，它可以将這些技能廣播給其他衞星。這樣，整個衞星星座就可以共享這種知識，使得整個網絡的智能更新速度比單個衞星的單體智能更新快得多。這類似于自動駕駛汽車的情況，比如特斯拉可能有300萬輛車，如果一輛車學會了如何在一個危險路段駕駛，其他車輛也可以迅速學會。人工智能的這種群體智能和自我學習的能力，是其最強大的特點之一。通過這種方式，衞星星座可以不斷自我改進，提高效率和安全性，同時減少對地面控制的依賴。
36氪：衞星在太空中采集到的數據是龐大且復雜的，當有了 AI 的加持後，衞星在數據的獲取上會有什麼不一樣嗎？
韋文怡：在獲取數據時，衞星可以進行初步的數據處理，比如數據壓縮，這樣可以在衞星上對最初采集到的原始數據進行粗加工，然後以粗加工的產品形式傳回地面。在地面上，這些經過初步處理的數據可以用于各種不同的應用場景，帶來很多革新。例如，在農業領網域，以前每個地區都有自己的算法來處理遙感數據，林業和其他領網域如生态環保等也是如此，因為每個地區都有其獨特的地網域特征。但現在，如果所有這些領網域都能使用統一的數據預處理方法，那麼在一個大的模型體系中處理後，可以得到一個更加規範和統一的結論。這樣的結論可以填補遙感應用領網域中的一些空白，比如在精度标準等方面的不一致問題。
此外，AI和大模型的應用還能實現以前無法做到的事情。例如，在地質災害管理方面，傳統的方法是事後處理，比如發現火災後再進行應對。但現在，通過AI處理，可以在應用層面提前預警。美國有專門監測野火的衞星，它們主要通過紅外技術來監測。中國科學家王建宇院士也在紅外遙感領網域做出了領先工作，通過紅外監測，我們可以迅速捕捉到森林中的異常熱度，即使它不一定真的發生了火災。通過綜合考慮當地的落葉堆積、樹種、温度、濕度等多種因素，我們可以建立一個機理模型，預測火災發生的可能性，并迅速通知應急部門，甚至調度無人機到現場進行處置。這種能力在以前是難以實現的，因為即使火災發生，也不一定有衞星正好拍到了火災現場。現在通過AI和大模型的應用，遙感數據的處理和應用變得更加高效和智能化，能夠提前預警并快速響應各種災害和環境問題。
牛旼：AI與遙感技術的結合不僅僅是影像處理那麼簡單，除了獲取影像外，還包括高光譜、SAR（合成孔徑雷達）影像等，這些影像包含的信息是肉眼無法直接分辨的。另外一點，AI+遙感領是要賦能各個行業的，需要結合行業知識和遙感數據以外的其他信息佐證，可能包括多種數據源和地物的基礎屬性信息。相當于各種信息與遙感AI處理融合在一起，通過整個AI系統進行處理，得出分析結果。雖然這些分析結果目前還無法達到100%的準确率，但已經取得了顯著的進步，以前準确率可能低于50%，但現在許多應用場景的準确率已經達到70%-90%。
例如，韋博士提到的艦船識别，因為船只在海上的背景相對單一，所以識别起來相對簡單。只要前期拍照清晰，沒有雲層遮擋，就能獲得較好的識别效果。此外，像機場飛機的識别，因為機場通常經過特定标注，飛機在小尺度影像上更容易被識别和計數；包括道路上的車輛，這些場景的識别率相對較高，能達到90%以上。要将一個好的模型算法真正應用到一個行業中，需要将多種模型算法和不同結果綜合分析，才能得出真正有效的行業知識。這意味着AI在遙感領網域的應用是一個復雜的過程，需要跨學科的知識和技術支持。
田豐：AI遙感軟體為衞星提供了強大的工具，可以滿足各種行業需求。以東北農業大田管理為例，他們需要管理大量的農作物。當地政策鼓勵農民種植大豆，以減少中國對大豆進口的依賴。以往，農業部門需要派遣人員實地考察，但效率低下。現在，通過AI遙感技術，可以直接從衞星影像中識别出哪些區網域已經種植了大豆，從而提高工作效率。
此外，AI遙感技術還可以識别農田中的非農建築，保護耕地紅線。在農業領網域，AI算法還能預測作物長勢和產量，這在中國的許多產糧區都有應用。現代的農民可以通過手機查看農田情況，而無人機可以在發現問題時直接進行噴藥等操作。
在防災減災方面，衞星遙感可以監測洪水等災害，通過分析水線變化預測洪水趨勢，從而保護人民的生命财產安全。
在能源領網域，例如美國的衞星可以監測能源管線上的甲烷泄漏，确保安全巡檢。中國光伏產業的快速發展也得益于AI遙感技術，可以快速識别适合安裝光伏設施的屋頂和無人區網域。
AI遙感技術的應用不僅限于農業和能源領網域。在疫情期間，山東農業企業利用AI遙感技術監控農作物大棚，通過訓練模型自動識别大棚情況。
動物保護也是AI遙感技術的一個有趣應用。例如，通過分析衞星影像中的粉色排泄物，可以發現南極企鵝的聚集地。
商湯科技開發的遙感大模型"地界"能夠自動識别40多種不同的地物對象，這大大降低了成本，并提高了效率。随着技術的進步，未來可能還會有更多的對象能夠被自動識别。
總的來説，AI遙感技術的應用非常廣泛，它正在改變多個行業，提高效率，降低成本，并為環境保護和災害預防提供了新的解決方案。
韋文怡：目前在遙感數據處理領網域中，人們對于數據量的抱怨似乎沒有以前那麼強烈了，這可能是因為數據處理的方式正在發生變化。例如，合成孔徑雷達（SAR）衞星需要歷史數據積累來監測地表形變，這些數據對于監測路橋、大型基礎設施等的微小位移（甚至達到毫米級）至關重要。但這種監測需要大量的歷史影像數據，以建立時序數據集，這對數據的要求非常高。
今年開始，人們逐漸采用多種智能處理手段，結合多模态數據處理技術，以及歷史數據和專家數據集的積累。這種結合可能正在推動遙感數據處理的進步。多模态智能處理手段可能包括使用不同類型的傳感器數據，如光學影像、雷達數據、高光譜數據等，以及應用先進的算法來分析和解釋這些數據。而專家數據集則是指由領網域專家标注和驗證的數據集，它們對于提高遙感數據的解釋精度非常有幫助。
随着這些技術的發展和應用，我們可以期待遙感數據處理的準确性和效率提升。這些進步不僅能夠提高我們對地表變化的監測能力，還能夠為各種應用提供更加豐富和精确的數據支持。遙感數據處理領網域正在經歷一場變革，通過結合多模态數據處理技術和專家知識，我們有望在未來看到更多的創新和進步。
36氪：現在商業航天的應用在C端市場還是比較空白，AI衞星的驗證成功是否為我們打開新的商業機會？
牛旼：我們未來宇航一直在探索面向消費者（ToC）的市場，因為只有當一個產業真正面向消費者，它才能成為一個持久且巨大的產業。從遙感技術的角度來看，人工智能（AI）是實現這一目标的必經之路或必要手段。傳統的遙感數據處理依賴于地面站接收數據，然後由人工進行預處理、分析，再結合行業知識，最終生成報告。這個過程最快也需要一到兩周的時間，但當我們得到分析結果時，相關事件可能已經過去了兩周，我們只能考慮如何補救或總結。
有了AI之後，它改變了我們對遙感數據應用的範式。AI可以自動化地為衞星下達任務，自動化地完成拍攝，然後接管數據處理。這類似于以前的攝像頭監控，現在不再需要保安時刻監視，而是由AI來處理。以後我們的衞星都是全軌開機工作。以前是人得判斷這個信息有用，才讓衞星去拍；以後就是衞星一直在掃描， AI會把一些有效的信息、關鍵的信息及時推送給你，讓你去關注它，然後再去進一步處理它。
另外一個距離大眾稍微有點遠的案例，例如，炒股票或期貨。美國有家公司叫Orbital Insight，它使用衞星遙感數據進行時序觀測，比如監測特斯拉總部門口的車輛變化來預測銷售情況，或者監測蘋果供應商的交通情況來預測股價。現在有很多公司在做AI遙感，其實都是在對标這家公司。遙感技術不僅僅是關注事件本身，而是觀測到一些關聯事件或衍生事件，并利用這些相關性進行反推。例如，遙感技術在找礦方面的應用，并不是直接探測地球深處，而是通過地表植被的變化來推斷礦物的存在。
未來，對這種相關性的挖掘将是一門學科和話題，我們可以不斷挖掘遙感數據的有效性。例如，在農業領網域，遙感技術與保險相結合，可以幫助農民在作物遭受災害後獲得賠償，或者在作物生長不達預期時獲得保險賠償。保險公司的賠償機制和費率計算依賴于AI遙感技術，這與農民的生活息息相關，也關系到整個國家的民生。
田豐：我最近在研究SpaceX的一些資料，發現了馬斯克背後的科技哲學，覺得非常有趣，想和大家分享一下。馬斯克認為，產品越簡單，就越可靠；越可靠，就越容易復用。這三者之間形成了一個循環關系，因此他致力于簡化產品。例如，SpaceX的助推器就是通過将多個部件捆綁在一起，并使用鋁合金逐節增加，以達到簡化設計的目的。
馬斯克的這種第一性原理思維是值得借鑑的。在美國，商業航天的發展一直受到政策的推動，其理念是：如果某個項目與國防或敏感事務無關，就應該交給商業航天去做。但是商業航天能否将成本壓縮到傳統成本的十分之一？這确實是一個挑戰，需要許多科學家運用第一性原理不斷探索和測試。馬斯克在SpaceX的早期也面臨過财務困境，差點破產。我認為，中國在這方面也應該更加包容，給予試錯和失敗的空間，這樣更有利于創新和發展。
36氪：衞星應用是屬于緩慢增長的，在當前的市場環境下，商業航天公司應該更專注于深化已經驗證過的商業應用深耕，還是應該積極探索未知的新應用，尋找更多增長點？
牛旼：目前，許多專家和技術人員可能更傾向于不斷提升產品性能指标、降低成本以及擴大應用範圍。這不僅包括衞星遙感處理，也包括衞星制造，大家都在朝着這個目标努力。我認為目前更需要的是像商湯科技這樣在AI識别領網域非常成功的公司，能夠反向跨界進入航天界。這些帶有互聯網和AI基因的企業更貼近用户大眾，更了解用户需求。
以一個簡單的例子來説，目前許多AI遙感應用的目标離大眾生活較遠，如農田、海洋、飛機等。但如果從AI和互聯網的角度出發，我們會從城市生活、人們的活動和經濟相關的角度來考慮遙感數據的應用，遙感和AI的融合是殊途同歸的。我們需要更多的新應用場景來激發新需求，這些需求反過來會推動技術的發展。例如，遙感衞星目前無法24小時拍攝，晚上無法工作，這就提出了如何使用紅外技術進行融合拍攝的問題。另外，目前的遙感技術在時效性上還不夠，比如在交通領網域，遙感服務無法提供實時的交通狀況，只能提供特定時間的數據。
因此，我認為需要有新的應用場景和從消費者角度提出的需求，來推動基礎設施的新要求。現在的遙感衞星只能拍攝照片，但未來我們是否可以拍攝視頻，像監控攝影機一樣實時監控？這些需求将推動遙感衞星，特别是衞星遙感技術的發展，并指明未來的方向。我建議衞星制造公司或運營公司在接到一些新奇的需求時，不要直接拒絕，而是應該考慮如何實現這些需求，推動技術的創新和進步。
田豐：我之前與一位援藏幹部聊天，他提到很多驢友，無論是開房車還是SUV去西藏無人區，都特别願意使用華為衞星手機進行通信。他們發現，與傳統的衞星電話相比，華為手機的通信效果更好。這就是一個民用的ToC（面向消費者）衞星應用的例子。如果手機能夠與衞星進行通信，那麼未來我們開的每一輛車是否也可以與衞星進行通信呢？這将大大提高安全性。在駕駛過程中，司機不需要停下來打電話，而是可以全程得到保護和導航，即使在沒有手機信号的地區也沒關系。這種技術是中國許多野外工作群體特别需要的，無論是在偏遠地區駕駛還是在登山等户外活動中。它提供了一種無需依賴地面信号的通信方式，對于在沒有網絡覆蓋的地區進行户外活動的人來説，這是一個非常有價值的工具。
韋文怡：我們需要理性地看待衞星技術及其應用。目前，大眾普遍認為衞星和衞星數據非常昂貴，這種觀念在一定程度上阻礙了ToC（面向消費者）市場的開發。但實際上，盡管衞星的初期投資可能很高，但在治理和社會經濟運行中，衞星技術是一種非常經濟有效的手段。衞星提供了大尺度、常态化的監測能力，這種能力在分配到每個小地塊或小經濟體時，成本并不高。與無人機相比，衞星監測的成本要低得多，因為無人機需要頻繁地進行飛行作業。
因此，我們需要改變對衞星成本的偏見，衞星技術并不像人們想象的那麼昂貴，它在很多應用場景中可以提供成本效益高的解決方案。随着技術的進步和成本的降低，衞星數據和應用将越來越普及，成為我們日常生活中不可或缺的一部分。 田豐：我再舉一個實際的例子來證明兩位的觀點，這個例子與城市治理有關。許多城市都有國家園林，這些園林需要日常的巡查和維護。我們與青島西海岸新區合作，利用衞星遙感技術來巡檢整個區網域，這個區網域非常大。通過衞星遙感技術，我們可以直接拍攝一張照片來完成巡查，這個過程非常快速，每天進行，這樣就不需要工作人員親自去現場巡查，大大減輕了他們的工作負擔。這種技術不僅提高了效率，還降低了成本，因為它減少了人力和時間的消耗。這個例子清楚地展示了衞星遙感技術在實際應用中的價值，它是一種經濟有效的手段，可以用于城市治理和其他領網域。
實際上，剛才讨論的數據主要來自地面基站，但還有一部分數據來自天基感知，也就是太空中的數據，這部分數據我們目前還沒有完全掌握。在軌維修就是一個例子，牛總和韋總肯定了解，現在有一種叫做在軌維修的技術正在逐漸興起。這種技術利用具有AI能力的機器人不斷監測各個衞星，檢查它們是否有問題。例如，一個即将退役的衞星可能因為某個連接故障而無法正常工作。通過在軌維修，機器人可以對接并修復這個問題，使得衞星能夠再服務5年。這種技術目前在歐空局、美空局以及中國都在發展，未來可能會成為一種增值服務。随着技術的進步，我們對太空數據的掌握将更加全面，而在軌維修等技術的發展将為衞星服務帶來新的可能性，提高衞星的使用壽命和效率。
牛旼：我們确實在相關技術領網域有所涉獵。客觀來説，正如田院長剛才提到的，目前很多衞星并沒有為可擴展或可維修性設計統一的标準接口。因此，要實現在軌維修，首先面臨的挑戰就是對接的難度非常高，因為衞星都在高速運轉，交匯對接本身就充滿了風險。但要實現真正的對接和維修，如果未來所有衞星都有統一的接口，那麼維修工作就會像給汽車充電一樣簡單，知道該抓哪裏，該往哪裏對接。目前，美國的方法是為那些沒有燃料的衞星打上燃料包，相當于給衞星提供了動力系統，然後進行對接和加油。如果衞星出現故障，通常的做法是将其拖走，高軌衞星拖到墓地軌道，低軌衞星則拖到大氣層燒毀，這是一種太空清潔垃圾服務。
「CEO錦囊」商業航天專場是由36氪&未來宇航共同策劃，接下來還有更多商業航天主題直播，我們希望嘉賓們的真知灼見和實戰經驗能為創業者們提供更多解法，共同書寫中國商業航天的新篇章。
