一颗卫星首次利用人工智能模型，根据人类的自然语言指令，在太空中独立识别并找到了地面上的目标。搭载了谷歌视觉语言模型的 YAM-9 卫星能够直接在轨分析图像，无需将海量数据传回地球。这一里程碑不仅能极大提升数据处理效率，也为未来在太空中部署更强大的 AI 应用铺平了道路。
首次在轨实现自主目标识别
一颗地球观测卫星首次在没有地面分析人员介入的情况下，自主完成了任务。
- 事件: Loft Orbital 公司的 YAM-9 卫星，在太空中独立完成了任务识别。
- 技术: 搭载了谷歌 DeepMind 的 Gemma 3 视觉语言模型 (VLM)，并运行在 NASA 喷气推进实验室 (JPL) 开发的软件上。
- 方式: 卫星能理解“自然语言查询”这样的指令，并据此分析图像，识别出特定区域，例如“基础设施”或“人类开发与自然环境的交界处”。
运作模式的根本转变
传统卫星的工作模式是将海量原始数据下载到地面，再由分析师或算法进行处理。而这种新方法则完全不同。
它开启了在太空中建立 “永远在线”的巡逻层 的可能性……你可以对卫星下达‘为我监控这片边界，当有可疑情况时通知我’这样的逻辑指令，并与卫星进行互动。
- 在轨筛选: AI 模型直接在卫星上进行初步的数据分析和筛选，判断哪些信息是重要的。
- 减轻负担: 这种方式极大地减少了需要传输到地面的数据量，从而减轻了地面分析师的工作压力。
- 核心技术: 视觉语言模型 (VLM) 是一种特殊的人工智能，它既能像大型语言模型一样理解上下文，又能分析图像内容，使其能够“看懂”图片并根据指令采取行动。
这为何意义重大？
这次成功的演示具有双重意义，标志着太空传感器应用的一个重要转折点。
- 近期影响: 能够 在轨进行数据初步分类，使太空传感器变得更加实用。分析师不必再费力处理海量原始数据，而是能更快地获得有价值的信息。
- 长远意义: 这是一个重要的 概念验证，证明了在太空中运行更大型、更复杂的人工智能基础设施是完全可行的。
未来的发展与展望
这一突破并非孤例，整个行业都在朝着这个方向发展。
- 行业趋势: 其他公司如 Planet Labs 和 Kepler Communications 也在其卫星上部署了强大的计算芯片 (GPU)，并正在研究类似的人工智能应用。
- 扩大规模: Loft Orbital 的目标是建立一个由 50 到 100 颗 类似卫星组成的星座，以实现对地球上任何地方的实时覆盖。
- 科学新工具: 这项技术的最初构想，源于为月球或火星上的宇航员开发一个 “AI 助手”。由于宇航员穿着笨重的宇航服，无法方便地操作键盘，一个能通过语音交互的智能助手将极具价值。