一句话看懂：NASA 与 IBM 联合发布的开源遥感模型 Prithvi，以及 Google DeepMind 推出的 AlphaEarth Foundations 模型，共同揭示了一个反直觉的事实：遥感 AI 的核心竞争力并不取决于数据是否私有，而在于如何利用完全公开的卫星影像数据。这一趋势正在重构卫星遥感行业的商业逻辑，让传统数据运营商面临被 AI 公司“虚拟卫星”模式颠覆的威胁。
事件核心：发生了什么
2023 年 8 月，NASA 和 IBM 在 HuggingFace 上发布了基于完全免费公开的 Landsat 和 Sentinel 卫星影像训练的开源模型 Prithvi。该模型在洪水检测任务中实现了 90% 以上的交并比（IoU），将传统需要数周的处理时间压缩至数小时。2025 年 7 月，Google DeepMind 发布了AlphaEarth Foundations，这是一款跨模态地理空间基础模型，能够融合卫星影像、矢量地图等多种信号，并且在 17 个国家的验证中，对人口分布、树冠覆盖等地理信息的预测 R²评分达到 0.85 以上。Google 计划将其与面向数十亿用户的 Google Earth AI 绑定，形成“虚拟卫星”模式——即不发射卫星，仅凭公开数据输出地理洞察。
为什么重要
这一系列事件的核心意义在于：遥感 AI 的能力上限不再由数据的私有性决定。NASA 花费约 40 年、投入数十亿美元建设的 Landsat 数据基础设施，现在任何人都可以零成本获取。拿到同样公开数据的 AI 模型，谁能更高效地利用这些数据，谁就拥有竞争壁垒。Prithvi 证明，开源模型可以用公开数据完成过去只有专业团队才能做的精细任务。AlphaEarth 更进一步，凭借 Google 的算力优势和多模态能力，通过“不发射卫星”的方式提供地理洞察，这对投入巨额资金建星座的传统卫星运营商（如 Planet Labs、Maxar）构成结构性威胁。同时，这本质上是一场对“地球理解权”的争夺：谁拥有从数据中提取价值的能力，谁就掌握了定义地理信息的主动权。
对用户/开发者/创作者的影响
对于开发者而言，Prithvi 的完全开源（包括模型权重、训练代码和微调教程）意味着一个非洲国家的水利部门只需一名懂 Python 的研究员，即可构建自己的洪水监测系统，数据成本为零。对于创作者和中小企业，AlphaEarth 与 Google Earth 的绑定意味着未来用户可能在点击地图时直接获得 AI 自动生成的区域人口变化、植被覆盖等洞察，而不需要购买昂贵的商业卫星数据。对于 AI 开发团队，重点应转向模型工程能力（如多模态融合、推理效率）而非数据获取，因为公开数据已经足够丰富。但需要注意的是，开源遥感模型在通用能力上可能永远无法与闭源巨头（如 Google）竞争，开发者需权衡使用开源工具还是付费 API。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是产品落地进度：AlphaEarth 是否已正式面向公众收费，以及是否会在 Google Earth 中大规模上线。二是开源生态能否突围：Prithvi 和 Clay Foundation Model 等开源项目能否通过社区力量在通用性上追赶闭源模型，尤其是面对 Google 的算力碾压。三是传统卫星运营商的应对：Planet Labs 和 Maxar 是否会在 AI 层面加大投入，或选择与 AI 巨头合作而非对抗。四是 SAR+AI 这条暗线的进展：ICEYE 和 Capella Space 如何降低标注数据的成本，以及仿真数据微调方案能否普及。五是监管可能介入：如果“虚拟卫星”模式导致地理信息垄断，各国政府对重要区域的数据解读权会否出台限制政策。
来源：Readhub · AI
