一句话看懂：NASA 与 IBM 联合发布开源月球基础模型，可识别月面冰层区域和陨石坑，并同步开放一个包含超两百万数据点的多源配准数据集，供研究者自行训练模型。
事件核心：发生了什么
2026 年 9 月 10 日，NASA 和 IBM 正式发布 NASA-IBM Lunar Foundation Model，这是一个开源 AI 系统，可从 Hugging Face 下载。作为基础模型，它在月面冰层识别任务中，相比微软训练的 SwinV2-B 视觉系统将误差降低了 23%；在陨石坑识别与分类任务中，以仅一半的训练数据量，性能超出 SwinV2-B 19%。2026 年 8 月 5 日 SpaceX 猎鹰 9 号火箭撞击月球后，IBM 将撞击图像输入该模型，它首次尝试就正确识别出与既有陨石坑高度重叠的新撞击坑。训练难点在于月球阴影呈刀锋状且全黑，同一陨石坑在不同图像中外观差异极大。IBM 将月面划分为类似橙子瓣的楔形区域，将训练集与测试集完全隔离，才解决了传统图像重建训练方式失效的问题。
为什么重要
这是首个面向月球探索的综合性开源基础模型。此前业界缺乏强大月球模型，核心原因不是算法不够，而是数据从未被正确组织。此次发布的数据集整合了 NASA 月球勘测轨道器（LRO）、重力恢复与内部实验室（GRAIL）以及日本 SELENE 任务的数万张图像和仪器数据，构建了每个像素对应多种数据模态的配准网格，包含超过两百万个数据点。IBM 欧洲、英国和爱尔兰研究总监 Bernabé-Moreno 指出，模型会被超越，但数据才是真正催生 AI 模型产业的基础。对航天 AI 领域而言，这相当于补上了数据基础设施的关键一环。
对用户/开发者/创作者的影响
开发者现在可以直接在 Hugging Face 上下载模型权重，用于月面图像分析、陨石坑检测等任务，无需从零训练。科研团队可利用该配准数据集开发自己的月球模型，降低数据清洗和跨模态对齐成本。对于从事遥感、计算机视觉的工程师，这个模型提供了一种处理极端光照和阴影场景的新思路，可迁移到地球观测中高对比度地形分析。创作者和科普内容团队则能借助开放模型快速生成月面可视化分析，但需注意模型目前主要面向科研任务，尚不适用于通用图像生成或商业产品集成。
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
一是该模型是否会在 Artemis 后续任务中实际部署，用于着陆点选址和资源评估；二是开源社区能否基于该数据集训练出更轻量、推理成本更低的月球视觉模型；三是其他航天机构或商业公司是否跟进发布类似的行星基础模型，形成竞争或互补生态。
来源：Engadget
