标签: NASA

  • 英伟达GPU要上月球了:月球车用上Jetson芯片,先得熬过零下170度的月夜

    英伟达的GPU已经铺满了地球上的数据中心,现在它盯上了一个新地盘:月球。做太空机器人的初创公司Lunar Outpost上周四宣布,他们的下一台月球车将用英伟达Jetson芯片来驱动激光雷达系统。如果顺利落地,这大概率是第一块登上月球表面的GPU。

    Lunar Outpost月球车测试
    Lunar Outpost的月球车正在测试中,它将搭载英伟达Jetson芯片(图源:TechCrunch)

    Jetson:英伟达家不太出名却很关键的那块芯片

    说起英伟达大家想到的都是Blackwell、Vera Rubin这些数据中心里的算力猛兽,Jetson的名气小得多。但在物理AI的世界里,它是台柱子——体积小、功耗低,专门让机器人在本地实时处理传感器数据,不用把信息传回服务器再等指令。对一台在月球坑里爬行的月球车来说,这种“当场反应”的能力就是生死线。

    Lunar Outpost的CEO Justin Cyrus说:“五年前我们的自主系统还是纯确定性的,现在是确定性模型加物理AI的组合。两套并行跑,我们要做的就是搞清楚物理AI能在哪些环节帮我们做没人做过的事。”

    最大的敌人:月球的夜晚

    把GPU送上月球,难的不是发射,是活下来。目前太空里的GPU大多待在近地轨道,有地球磁场罩着,环境相对温和。月球就不一样了,宇宙辐射直接照脸,温度随月相剧烈摇摆。Cyrus的原话是:“你的系统必须熬过月夜,而且得用极低的功耗熬过去。”月夜长达14个地球日,温度能跌破零下170度,这对消费级架构的芯片是极限考验。

    值得一提的是,英伟达在月球的布局不止这一步。它还和Firefly Aerospace——第一家把机器人安全降落在月球上的私营公司——达成合作,让Jetson在绕月卫星上处理图像数据,一边帮科学家绘制月球地图,一边追踪月面上越来越多的机器人。

    从探索到定居,机器人先行

    这一切背后是NASA的大盘子:花钱请私营公司先去月球探路,为2028年前后宇航员重返月球做准备。Lunar Outpost这台月球车会搭乘Intuitive Machines的着陆器,钻进环形山这些轨道上看不清的地方;再下一次任务要去一个叫Reiner Gamma的区域,那里有个让科学家困惑多年的磁异常。两次任务都计划年内搭猎鹰9号升空。

    • 近期计划:多台小型自主月球车陆续发射,验证GPU在月面的生存能力;
    • 远期目标:大型载人月球车Pegasus,可以直接搭载宇航员;
    • 卡脖子环节:Pegasus在等贝索斯Blue Origin的火箭,但那枚火箭今夏出了事故,复飞时间未知。

    Cyrus把公司的终极问题概括成一句话:怎么从“探索月球”走到“常驻月球”。他的答案是确定性模型加物理AI组成的机器人劳动力——人类要在月球上住下来,得先让机器人把粗活干了。而无论是月面机器人军团还是更科幻的太空数据中心,眼下都卡在同一件事上:一枚足够大的火箭。

  • 卫星学会自己”看”东西了,这次是在太空里

    卫星学会自己”看”东西了,这次是在太空里

    卫星学会自己”看”东西了,这次是在太空里

    卫星AI视觉语言模型
    YAM-9卫星在轨道上运行视觉语言模型 | 来源:TechCrunch

    四月份,一件挺有意思的事情发生了:一颗地球观测卫星第一次在轨道上自己找到了它要找的东西——全程没有地面人工分析师帮忙。

    这颗卫星叫YAM-9,由太空基础设施公司Loft Orbital制造。上面跑的软件包是NASA喷气推进实验室(JPL)搞的,核心是一个视觉语言模型(VLM),具体用的是Google DeepMind的Gemma 3。这个模型是专门为边缘应用设计的,能在硬件资源有限的地方跑。

    以前的卫星是”盲拍”

    这事儿为什么重要?得先说说以前的卫星是怎么工作的。

    传统的地球观测卫星基本上是”盲拍”——拍一大堆数据,下载到地面,让分析师用算法或肉眼去搞清楚拍到了什么。这就像派一个人去超市,但他不认识商品,得把所有货架都拍下来,回家后再慢慢看照片。

    YAM-9不一样。它能在轨道上直接分析传感器数据,回答自然语言查询。研究人员可以让它去分类”自然环境和人类开发交汇处”的数据,或者识别铁路枢纽周围的基础设施——它真的能做到。

    “永远在线的巡逻层”

    Loft Orbital的AI负责人Paul Lasserre说,这”为太空中永远在线的巡逻层打开了大门”。如果你有一个视觉语言模型,就可以设定逻辑——比如”帮我监控这个边境,发现可疑情况就通知我”,然后还能和卫星互动。

    短期来看,这能让太空传感器有用得多。因为在轨道上做初步的数据分类,能减少分析师必须处理的大量原始数据。你不用再下载整个海洋的数据只为了找一艘船。


    太空中的AI计算集群?

    长期来看,这是在太空运行更大规模AI基础设施的概念验证。如果一颗卫星能在轨道上跑视觉语言模型,那未来会不会有整个太空中的AI计算集群?

    Kepler Communications目前拥有太空中最大的GPU群组,虽然他们因为保密协议不愿透露是否部署了视觉语言模型,但承认已经出现了”几个未公开的用例”。

    最有趣的应用场景之一,是给宇航员当助手。NASA JPL的Juan Delfa Victoria说,这个想法的起源是:宇航员穿着加压宇航服,没法敲键盘,所以他们想提供一个像科幻电影里那样的互动AI助手。

    当然,他们特别提醒:别叫它HAL 9000。

  • 这颗卫星自己学会了找东西,太空AI时代真的来了

    这颗卫星自己学会了找东西,太空AI时代真的来了

    你拍一张照片,先传回地面,等分析师打开电脑看,再决定要不要拍下一张——这是过去几十年卫星工作的样子。数据量巨大,延迟高得离谱,大部分原始影像其实根本没人看。

    今年4月,一颗叫YAM-9的地球观测卫星把这事儿给改了。它在轨道上自己找到了要找的东西,完全没靠地面分析师。这是第一次有地球观测卫星在轨自主完成目标识别。

    卫星AI概念图
    YAM-9卫星搭载Nvidia Jetson Orin AGX GPU运行AI模型 | 图片来源:Loft/NASA JPL

    谷歌DeepMind的模型,跑在了太空中

    YAM-9由太空基础设施公司Loft Orbital制造,上面跑的软件来自NASA喷气推进实验室(JPL)。这个软件包名叫NAVI-Orbital,它把谷歌DeepMind的Gemma 3视觉语言模型搬到了轨道上。

    Gemma 3是专门为边缘设备设计的,能在远离数据中心的限制性硬件上运行。视觉语言模型(VLM)把大语言模型的语境理解能力和图像分析能力结合在一起——研究人员让它去分类”自然环境和人类开发交汇处”的传感器数据,或者识别铁路枢纽周边的基础设施,它都能搞定。

    “这为太空中’永远在线’的巡逻层打开了大门。”Loft的AI负责人Paul Lasserre说,”如果你有VLM,你就可以设定逻辑——比如’帮我监控这段边境,发现可疑情况就通知我’,然后跟卫星来回交互。”

    为什么这事很重要

    短期来看,轨上AI可以让太空传感器有用得多——它先在轨道上做初步数据分拣,减少分析师目前要硬着头皮处理的大量原始数据。

    长期来说,这是在为太空中更大规模的AI基础设施打样。YAM-9上装的是Nvidia Jetson Orin AGX GPU,也是目前太空计算的主流芯片之一。

    Loft的目标是用50到100颗YAM-9这样的卫星组队,实现对地球任意位置的实时覆盖。(Loft目前有12颗卫星在轨。)

    别人也在做

    Planet Labs也在发射搭载Jetson Orin处理器的卫星,目前用来做更简单的物体检测,但发言人表示正在研究包括VLM在内的其他AI应用。

    Kepler Communications运营着太空中最大规模的GPU集群,虽然因为NDA没法透露有没有部署VLM,但提到自今年1月那些卫星发射以来,已经出现了”几个未公开的使用案例”。


    未来:给宇航员的AI助手

    NAVI-Space的想法最初来自JPL研究员Taran Cyriac John,他在想给探索月球或火星的宇航员做数字助手。

    “我们在想,宇航员穿着增压服,肯定没法敲键盘,他们要做的任何事都很复杂。”JPL技术负责人Juan Delfa Victoria说,”所以,我们为什么不提供一个助手呢?就像在电子游戏和电影里看到的那种,可以交互的AI?”

    只不过,千万别叫它HAL 9000。