在《自然》杂志评选的 2020 年十大科学发现中，「卫星图像绘制地球树木地图」名列其中。国际上多个科研机构的二十几名科学家合作完成了一项看似不可能的任务：利用卫星遥感图像，详细描绘出西非地区 130 多万平方公里区域内超过 18 亿棵树的位置和树冠大小。
同样的技术，也可拿来监测粮食长势、分布等变化，用来了解水域分布、水污染情况、洪涝灾害等。
2013 年，国内外学者开始用深度学习的办法来进行智能遥感解译的研究并取得了诸多研究成果。
2020 年，国内科技公司大地量子作为唯一一家中国企业名列由美国非营利组织「Radiant Earth Foundation」发布的「2020 全球机器学习地球观测市场地图」。2021 年，大地量子再次被纳入「2021 全球机器学习地球观测市场地图」。
关于遥感卫星技术的发展，以及 AI 技术在遥感数据中的应用，我们和大地量子的创始人 & CEO 王驰聊了聊，还讨论了他们的「订阅式数字地球PaaS服务」。
2、「订阅式数字地球 PaaS 服务」的核心是平台的 PaaS 服务和底层数据的不断更新。
3、遥感卫星技术的发展依赖商用航天领域的发展，目前的数据以开源卫星和商业卫星数据为主。
4、这是个全球化的市场，也面临来自全球的竞争，但核心的竞争还是技术上的数据处理和提取。
王驰：当时正好博士毕业，考虑是留在美国工作还是创业，因为谷歌是虚拟世界的搜索引擎，就想做一个物理世界的搜索引擎。和联合发起人吕童博士聊了聊，觉得这件事情要去做，就一起去做了。
当时绝对没考虑具体需要怎么做，产品要怎么实现，市场在哪里，钱从哪里来，和技术怎么开发等。现在回过头来看，只能说自己是初生牛犊不怕虎，后来也因此也走了一些弯路。
但是从一开始就觉得这件事是有意思的事情，也是没有人在做的事情，所以才决定去做的。
Founder Park：当时头脑中对于「物理世界的搜索引擎」是怎么想象的？
王驰：像一个全息投影的数字地球，可以追溯过去发生的事情、查看现在正在发生的事情，以及预测未来即将发生的事情，有点像《星际迷航》或者《星球大战》中呈现的全息星图。
后来发现并不是特别的现实，很多会受限于技术，就决定开始一步步去落地，朝着当时的愿景不停前进。
所谓 PaaS 服务（platform as a service，平台即服务），是指我们并不追求解决场景的所有问题，我们专注于时空数据的具体问题，然后帮助合作伙伴去完成这部分的能力建设，更闭环地处理问题，但是也会依靠很多合作伙伴的力量。
订阅式是指数据本身是按照时间去更新的，比如森林砍伐的监测数据，客户不太可能用去年的砍伐数据在今年执法。数据是需要不停更新的，这也是我们会讲订阅式就是以一个相比来说较低的成本持续获得数据的服务。
商业航天领域的开放，一是国家机构的卫星数据开放给民用和商用；二是民用卫星获得批准，卫星数量慢慢的变多，2010 年以前卫星数量都在缓慢发展，到去年基本到 1000 颗左右了。
其次是 AI 技术的发展，数据的分析和有价值数据的提取是很重要的一件事情，自从 Alphago 战胜李世石之后，大量公司开始研究 AI 和深度学习，这个能帮助我们利用深度学习的技术去进行数据的分析和提取。
王驰：主要是两类数据，第一个是开源的数据，美国的 NASA、欧洲的欧空局以及国内都提供大量的开源数据。
第二个是商业数据，以及自研卫星的数据。国内比如航天世景、长光卫星等公司都提供商业数据，也会有合作研发的卫星数据。
空间分辨率（GSD，Ground Sample Distance）主要是指地面采样间隔，开源数据在 10 米左右，商业数据能做到 0.5 米，这也是国内规定的商用最高分辨率。
时间分辨率的意思是某地比如北京上空多久可以更新一次数据，大多数卫星都是来自极轨道或者太阳同步轨道，更新时间在几天或者十几天。但是如果咱们进行多个卫星的数据融合，时间分辨率可以提到一天甚至少于一天。
王驰：首先是每日新增数据量比较大，大约在 10-20TB 左右，在这样数据量的基础下怎么样做数据管理和网络基础设置搭建都是一个问题，我们也花了很久来解决这些问题。
另外就是，因为遥感数据是在大气层外获取的，处理起来并不像人像数据或者地表数据那样容易，其中比较关键的一步就是大气矫正。要把大气层对于数据的影响进行弥补或者矫正过来，这也是遥感数据特有的一些问题，需要结合传感器的硬件去进行一些额外矫正的工作。
王驰：首先是肉眼无法搞定的物体识别，识别地表上面有啥东西，然后是计算这样的一个东西的某些物理特征比如高度、成交量或者叶绿素浓度等。
还有就是数据的及时性处理需求，特别是在一些应急场景比如洪灾或者滑坡灾害时，需要第一时间把数据给到有关部门用于应急救灾。
Founder Park：大地量子的很多应用场景都 base 在国内，很好奇国内的这些场景和国外会有啥不一样的区别吗？
王驰：举一个例子，我们有一个农村金融的应用场景，是和一些银行合作帮他们进行农户的授信。以前的农户贷款是很困难的，要经过很长的流程和进行各种抵押，银行不愿意贷款是因为风险太大。我们跟银行合作，通过卫星数据去识别农户过往的种植情况，从而判断他的过往收入，提供中间的风控数据。
但是这个场景之前其实走了一些弯路，一开始是想为农户提供农作物监测服务，后来发现农户对自己的土地了如指掌，这个功能对于农户来说是伪需求。
但是类似的场景在美国是 OK 的，因为美国的农民人均种植培养面积很大。这个当时就是忽略了两国国情的差异所走的弯路了。
王驰：一开始我们会做很多思考的工作来做判断，但是最近几个季度，就没有做太多的预判，而是会按照每个客户的实际的需求打造一些应用场景。很多客户找到我们的时候会提出具体的需求，有些靠谱有些不是很靠谱，但是因为我们具备了底层的技术能力，所以还是愿意围绕这些需求来做充分讨论。
比如说之前提到的森林砍伐监测，就是来自客户的需求，我们之前不觉得这样的事情会经常发生，后来研究后发现确实会是这样。
王驰：不断提供底层数据库的更新，通过 API 的方式交付给客户，客户能根据这些数据开发各种不同的服务。
我们最近探索的一个面向 C 端的场景是数字文旅，简单来说就是制作一个峨眉山的 3D 地图，这样你在爬山的时候能随时知道自己的位置。会有文旅相关的公司来集成我们的底层数据，然后制作一个离线可用的地图或者攀登 App。
我们的数据通过 API 的方式提供给合作伙伴，之后更多的开发工作需要合作伙伴自己去完成。
Founder Park：目前你们在「AI + 遥感」方向上的研究重点是什么？
王驰：其实是能够识别更多物体，以及计算更多物体。比如说我们最近在研发的，铁路两侧的地形形变、公路附近的山体滑坡或者公路本身的常态化检测。AI 只是我们的方式之一，最终的愿景还是通过种种方式识别更多地表物体，不仅限于 AI，比如我们团队内也有根据声音来计算形变成像的项目。
王驰：从技术机理上来讲，卫星数据天然是全球化的，所以天然也会面临全球化的竞争，美国和欧洲都有一些优秀的公司，但是市场足够大，所以竞争也没那么白热化。
我们目前并不面临直接的正面业务竞争，主要还是技术上的竞争：如何把有用的数据提取出来，如何用数据去解决一个具体的问题。这也是目前类似公司的一个技术门槛。
Founder Park：作为卫星数据应用侧，你是怎么看目前「软件定义卫星」的趋势？
王驰：相信这是未来的一个趋势，可以在一些场景里起到不错的作用。比如说光学卫星如果把去云的能力放在星上，首先能够降低数据的传输量，其次也能减少处理步骤，特别是对于四川这种每天都有云的区域尤其实用。
但是近几年应该还是会依赖数据上传，接着进行线下计算的模式，因为计算量很大，很难做到把 NVIDA A100 这样级别的显卡直接放置在星上。
Founder Park：哪些新的技术未来 3-5 年内会和这样的领域产生交集？
王驰：首先是 GPU 技术，因为 GPU 可以大幅加速数据计算能力和算法能力，GPU 集群以及 GPU 虚拟化等底层技术的发展都会带来新的变化。
其次是元宇宙，NVIDA 自己就搭建了元宇宙的平台，在气象方面还有 ForeCastNet——基于深度学习去预测全世界内的气象变化，也算是数字地球的一种。
另外一个方向是卫星传感器技术的发展，比如像 L 波段雷达来进行土壤湿度的监测等，新技术会带来一些新的应用场景。
王驰：可能就是一开始所设想的全息地球，可以观察到过去和现在，可以预测未来。
王驰：变化很大，学到了很多东西。从不会融资到现在学会融资，一开始对技术也没太多理解，现在算是进步了不少。
然后就是对于市场的尊重，因为曾经遭遇过市场的毒打，所以学会了聆听客户的真实需求，尊重市场。
王驰：创业最难的是没有一条现成的路径可以走，自由度太大了，东西南北都能走。
每一家公司都不一样。然后每一家成功的公司成功的路径又是不一样的。每家失败的公司失败的原因也是不一样的。归根结底，创业是一件高自由度、高风险的事。
就像孔子所说，「吾日三省吾身」，你只能不停地复盘，不停地回头看，不断重新认识自己，才能从众多不确定和复杂中寻找到确定性。
*以上嘉宾观点不代表 Founder Park 立场，也不构成任何投资建议。
「大地量子」是一个云原生数字地球 PaaS 平台，致力于 AI+ 卫星遥感应用的专业大数据技术服务商，通过自主研发的多种高效 AI 核心算法和超级计算能力，去解析海量地球空间数据，为农业、林业、保险和再保险、能源、公共服务等领域提供高价值的数字地球服务。
大地量子创始人 & CEO，美国南加州大学电子工程博士，曾参与 D-WAVE 量子计算项目，曾入选 2018 福布斯中国 30 位 30 岁以下精英榜。