面向全球的现成卫星嵌入

发布背景与核心产品

Ai2（艾伦人工智能研究所）于2026年10月22日发布卫星地图嵌入模型OlmoEarth v1.3，并提供覆盖全球的预计算年度嵌入，分辨率包括10×10米、64平方米和128米；同时推出基于浏览器的制图工具OlmoEarth Embeddings Explorer。模型把一年卫星观测压缩为每个地表小块（最小10×10米）的数值指纹，捕捉可供其他软件区分农作物、森林、矿山等地表覆盖的模式。此前使用OlmoEarth主要是在OlmoEarth Studio中微调、为每个任务训练模型并跑卫星数据制图，需要大量GPU资源及下载存储影像的能力。现在用户无需登录即可在浏览器中制图，跟踪随时间变化、寻找相似地点。

模型性能与数据来源

嵌入表示模型从数百万卫星图像中学到的内容。OlmoEarth读取一年雷达影像数据，包括Sentinel-1、Sentinel-2和Landsat；其中Sentinel-1测量雷达反射，Sentinel-2和Landsat捕捉可见光与红外波段，形成互补观测。Ai2称，与旧版相比，v1.3是训练成本最低的版本：计算时间分别为最新版v1.2的53%、初版v1的18%，碳排放分别为50%和22%；它仍是强微调模型，v1.2的性能对研究和合作实验室仍有价值。此类卫星模型有助于压缩跨时空的大规模数据，理解地球变化。

应用案例与意义

文章以秘鲁Madre de Dios地区为例：La Pampa周边非法金矿在2017年和2018年达到峰值，在Tambopata National Reserve缓冲区清除超过1,200公顷森林；Amazon Conservation Team的MAAP监测项目报告了该活动，2019年2月秘鲁Operation Mercurio行动关闭了大部分。嵌入无需模型训练即可比较2016至2020年数据像素，显示南部采矿带明显向东推进，34平方公里发生显著变化；2020至2024年同一比较降至9平方公里，关闭效果可见。类似地，农业分析人员可绘制油棕种植区，识别种植园扩张可能取代森林、需进一步检查的区域。Ai2表示，许多团队过去测试想法需微调运行，耗时数小时且昂贵；在Explorer中首轮只需数秒，利用少量标签分析区域无需GPU；当任务需要微调时，嵌入可帮助判断是否值得投入算力以及模型短板。