深入千行百业，AI遥感都能做啥？
作者 | 孙佳
编辑丨高岩
来源 | 野马财经
人工智能大模型引发的迭代之风从国外刮到国内以来，各家大厂都在摩拳擦掌，相关产品更是如雨后春笋般涌现。而作为头部厂商之一，商汤科技（0020.HK）的一举一动，自然也吸引着业界的关注。
近日，被誉为时空信息“科技创新风向标”的WGDC（全球地理信息开发者大会）2023在北京开幕。商汤在大会上展示了基于大模型体系下构建的遥感大模型，并发布了SenseEarth3.0智能遥感云平台和“商汤地界”智慧遥感数据产品。
遥感技术有“天眼”之称。简而言之，在人造地球卫星的帮助下，这种技术手段可以在远距离对“照片”进行解译和分析，定格地球上各种事物的形态与分布。而AI与遥感的结合，则可以大幅提升遥感影像解译的处理效率，从而输出更精细化、更准确且更加美观的提取和解译结果。在此基础上，AI遥感可以在农业、绿色金融、自然资源、环保、城市治理等领域中，完成大量自动识别工作，缩短数据使用流程，降低人工消耗，从而更好帮助行业降本增效。
不过，AI遥感的应用也长期存在门槛高、成本高、数据来源多元异构化、解译困难等问题，这成为了该项技术产生广泛经济效益的掣肘。
在此背景下，商汤发布的SenseEarth 3.0智能遥感云平台及“商汤地界”智慧遥感数据产品，不仅能为传统遥感应用市场提供更好的服务，也大幅降低了智能遥感的使用门槛。从而让AI遥感下沉到各个产业细分场景中。
当各行各业拥有了“上帝视角”，世界会迎来怎样的改变？
大模型优势成就遥感应用新篇章
“在深度学习的重大突破之后，AI已经处于从1.0迈入2.0的拐点。”这是创新工场董事长兼CEO李开复在今年3月的判断。
在李开复看来，AI 2.0可以克服此前单领域、多模型的限制， AIGC便是2.0时代的第一个现象级应用。以ChatGPT为例，其前身GPT-3模型使用了超过1750亿个参数，训练使用约45TB的数据，包含近1万亿单词文本，约等于1351万本牛津词典。
这些数字，便是大模型成为主流路线在AI领域的验证，而这正是商汤积累多年的领域。
早在2018年前后，商汤已经开始着手大模型初期需要的算力、算法、数据等筹备工作。2022年初，商汤AIDC正式启动运营，AIDC是SenseCore商汤AI大装置的重要算力基座，目前是亚洲最大的人工智能计算中心之一。
在此基础上，商汤的大模型已经在视觉感知、语言理解、内容生成、推理决策等多领域取得了众多突破。
相比于国内外其他大模型，商汤建立的全栈大模型研发体系，凭借多模态大模型的优势，在视觉大模型取得了核心技术突破。
而商汤的AI遥感大模型，正是基于其通用视觉大模型构建的。有了通用能力的基础，企业或开发者只需在预训练模型基础上进行微调，就能“出产”胜任具体场景任务的应用，如同工业化批量生产商品一样，让AI遥感实现简单高效发展。
可以预见的是，AI遥感有着广泛的应用前景，如可以用于地表覆盖分析、地形分析、城市规划、农业监测、自然资源管理等领域。其所带来的更低成本、更高效能也将助力各行各业的数字技术升级和推广。
遥感大模型的经济价值
长久以来，遥感作为数据密集型业务，一直存在算力紧缺、无法释放数据价值等问题。一幅标准影像图往往就可达数十亿像素，覆盖上万平方公里，仅凭之前的深度神经网络模型来解译难度颇大。而这也正是商汤构建AI遥感大模型的意义所在。
得益于与通用视觉大模型共享结构和参数，商汤AI遥感大模型在解译精度和时间上都实现了突破。
具体而言，商汤AI遥感大模型已经实现了全国不同地物种类、不同影像类型、不同影像时间的高泛化能力，拥有先进的地物解译能力和媲美人工标注的生成式图斑效果，并涵盖了46类语义分割、5类目标监测、4类变化检测、2类超分辨率算法。
效率上，过去处理25个不同的语义分割模型要25个单位时间，现在利用商汤AI遥感大模型只需要1个单位时间。精度上，其地物分割能力在百万级图斑验证集上的平均精度超过80%，可直接满足各类业务场景应用需求。
如商汤的耕地检测模型，其地块识别效果堪比人工勾绘，8小时可完成南方区域2000平方公里耕地识别，工作效率相比人工作业提升60余倍；而商汤的农作物检测模型，则可以在5小时内完成一个区县农作物识别，工作效率相比人工作业提升5倍，且作业范围越大提升效率越显著。
值得注意的是，AI遥感的改变并不仅仅停留在天马行空的数字上。此前卫星企业虽然也手握大量数据，但由于数据处理能力不足，通常只能面向政府客户，整体变现能力较弱；但在以商汤为代表的服务商通过AI技术平台盘活数据资源，让其成为普罗大众也可消费的数据产品后，产业链已经随之缩短，数据要素自身的价值也正在不断放大。
目前，基于AI遥感大模型，商汤遥感业务已服务行业用户超过2万个，覆盖自然资源、农业、金融、环保、光伏等行业。
特别是在被誉为“遥感百业之首”的自然资源领域，商汤AI通用变化检测凭借能力优势，目前已在包括浙江、广东、广西、云南、贵州等在内的超14个省市自然资源执法监察中广泛应用，帮助用户提升工作效率3-5倍。
除此之外，商汤AI遥感大模型在非农非粮监测、粮食安全监测、光伏屋顶普查、绿色金融、裸地扬尘等领域也已落地应用。
不难看出，AI遥感大模型基于其对目标场景的精准识别，已经扩展出了丰富的应用领域。在这对“天眼”下，小到一株作物，大到一片耕地、一座城市，都能一览无余。有了这项工具的辅助，农户能管控粮食生产，商家能筛选合适的位置资源，管理者能掌握城市的建设情况……只要存在地理信息的场景，AI遥感均能覆盖，并提供高质量解译服务，助力各行业用户降本增效。
当遥感不再遥远
改善了对信息的识别精准度之后，如何降低用户的使用门槛成为了行业接下来考虑的重点。毕竟即使有好的产品，如果得不到用户的青睐，也无法形成商业闭环。
不过，由于遥感应用极为丰富和多样，且数据来源多元异构化，想要做到这点并非易事。
在这方面，本次商汤伴随SenseEarth 3.0平台推出的“商汤地界”数据产品DaaS（Data-as-a-Service数据即服务）服务，或将给行业带来新的启示。
具体而言，“商汤地界”除了提供传统遥感影像以外，还提供成套的结构化矢量数据，能非常直观的看到各类地物的情况，可直接用于分析，帮助用户解决业务问题，大幅降低智能遥感的应用门槛。
同时，源于AI遥感大模型强大的分析能力，SenseEarth 3.0平台还提供超30种智能遥感分析算法，覆盖地物分类、变化检测、目标识别等应用场景，并具有丰富的地图、图表、文字、时间轴等应用组件，支持可视化自由布局。借助这些工具，用户可实现自然资源、农业、新能源等不同业务系统的搭建。
目前，平台已上线超120+个“商汤地界”数据产品，总面积达87146平方公里。此外，商汤预计将于今年年底发布覆盖全国的“商汤地界”数据产品。
值得注意的是，如今随着空间基础设施建设不断完善，地理信息产业正成为国内数字经济新的增长极。在此背景下，其中的卫星遥感服务产业自2014年至今迎来了一系列政策支持。
如2022年6月，国务院在《“十四五”国家应急体系规划通知》中提到，要稳步推进卫星遥感网建设；今年2月，国务院更是在《数字中国建设整体布局规划》中明确提出，要加快构建智慧高效的生态环境信息化体系。
优良的政策环境叠加政府部门农林水科目的支出的稳定增长，都为卫星遥感服务行业的发展打下了坚实的基矗
更重要的是，随着大模型深入行业，其还会变得更加“聪明”。华金证券就指出，长期来看，以 GPT 为代表的大模型随着海量数据的训练不断涌现出新的能力，遥感数据天然具备规则标准、质量较高、可不断累积等特点，在经过AI训练后有望形成新的价值。
对于商汤而言，其模型在接入更多客户、合作伙伴后，会产生更高质量的数据，这些数据循环后会再回灌到模型，使模型再次迭代，形成一个良性的循环。
每一次智能技术水平的飞跃都带来社会生产力的巨大进步，如今AI遥感已展现了“飞入寻常百姓家”的势头。可以想见，未来其会在造福城市建设与社会民生，推动经济结构转型升级的过程中起到重要作用。
你对遥感有怎样的认识？自己的工作是否能与AI遥感相结合呢？欢迎评论区留言讨论。
相关文章
