19颗卫星组网！商业卫星独角兽建成全球最大立体测绘星群

上证报中国证券网讯（记者 田甜）记者9月1日从长光卫星获悉，公司已成功发射19颗具备高精度立体测绘能力的新一代高分辨光学遥感卫星，建成当前全球规模最大的立体测绘星群。

基于该星群体系，公司同日正式发布高精度三维立体产品矩阵。

19颗卫星组网 双星编队单次成像超2万平方公里

当前，商业航天产业进入规模化发展阶段，三维立体测绘作为卫星遥感的重要应用方向，在自然资源调查、城市规划、灾害评估等领域发挥关键支撑作用。

但长期以来，高精度遥感测绘应用面临数据获取周期长、分辨率不足、多视角数据源稀缺等痛点。

为解决行业长期存在的立体测绘数据获取难题，长光卫星先后攻克了星载融合智能成像、多星编队协同立体观测、多视角立体模型自动化生产等关键技术。

上述技术的落地，使星群具备了大规模协同调度能力。

据介绍，长光卫星此次建成的立体测绘星群支持单星同轨立体、双星编队立体、多星多视角立体等多种成像获取模式。

双星编队单条带成像最长可达1600公里，单次立体成像面积超过2万平方公里。

依托大规模星群协同调度能力，长光卫星在立体成像领域实现了三个转变：从“单次立体获取”转向“星群多视协同”、从“局部测图”转向“大区域立体覆盖”、从“周期性更新”转向“高频动态重建”。

公司称，这将推动卫星立体测绘进入快速动态更新和精细三维重建阶段。

产品矩阵覆盖多场景 为“实景三维中国”提供数据支撑

基于星群的立体数据获取能力，长光卫星打造了涵盖基础产品与高级产品的三维立体成果矩阵。

基础产品层面，除利用单星机动能力提供双视立体、三视立体像对数据外，还可依托多星协同实现五视立体像对数据获取，通过多角度观测补偿建筑物侧面、复杂屋顶结构及陡峭地形中的遮挡与盲区。

高级产品层面，公司可生产高精度数字表面模型（DSM）、高精度数字高程模型（DEM）、三维白模及实景三维模型。

长光卫星基于自主研发的CG-3D高精度立体数据生产引擎，在保证产品精度的同时，提升了高级产品的生产效率和响应速度。

据了解，该产品矩阵可应用于自然资源调查与管理、测绘规划与工程勘察、水利与环境保护、能源基础设施监测、应急灾害评估、数字城市建设等领域，并为“实景三维中国”建设提供常态化数据支撑。

在无人机禁飞或数据获取受限等特殊场景下，也可作为替代数据源。

吉林一号星座持续扩容 独角兽资本动向受关注

长光卫星成立于2014年底，是我国第一家集卫星研发制造、运营管理和遥感信息服务于一体的全产业链商业遥感卫星公司。

截至目前，公司已通过30次成功发射，累计将161颗“吉林一号”卫星送入太空，建成全球最大的亚米级商业遥感卫星星座。

就在此次成果发布前两天，长光卫星于8月30日在长春举行谛听01组A/B/C星出征仪式。

该组卫星由天津星瞰九州科技有限公司牵头、长光卫星研制，是我国首次采用三星编队开展商业天基射频数据采集的卫星星座，主要用于天基射频感知技术试验验证。

据悉，此次出征的3颗卫星将于近期在酒泉卫星发射中心发射。

作为国内商业遥感领域的头部企业，长光卫星的资本动向备受市场关注。

今年7月，公司宣布完成近50亿元股权融资，由长发集团、陆石投资联合领投，诚通基金、东方资产等机构参与。

长光卫星方面表示，公司已形成从卫星设计制造、在轨运控到数据应用的全链条体系，具备卫星批产能力，能够为客户提供定制化的卫星制造及相关服务。

未来，公司将持续推进“吉林一号”立体测绘星群扩容与性能优化，提升数据获取时效与产品精度。

OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型

该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。

这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。

此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。

这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。

此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。

这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。

嵌入数据代表了模型从数百万张卫星图像中学习到的内容。

OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。

Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。

该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。

其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。

不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。

这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。

在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。

亚马逊保护团队的MAAP监测项目报告了这一活动。

2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。

我们如何得知这一事实？ 嵌入数据给出了明确答案。

无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。

而同样的比较放在2020年至2024年间，这一面积降至9平方公里。

关闭行动的效果显而易见。

Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。

而在浏览器工具中，初步分析仅需几秒钟即可完成。

仅凭少量标签对某个区域进行分析，无需使用GPU。

当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。

人多抢网真烧心！从技术原理到实测数据，看天际通拥塞加速值不值

不知道大家有没有遇到过这种让人极度“烧心”的时刻：高铁站候车的时候，临时被拉进视频会议，画面非常卡；或者挤在晚高峰地铁里，手机右上角明明信号满格，微信却一直在转圈。

这通常不是基站没信号，也不是手机故障，大概率是“信道堵车”了。

当高密度人群在同一时空同时发起连接，基站的上下行信道资源被瞬间挤占，数据包只能排队，表现出来就是高延迟和高丢包。

那么，这个“拥塞加速”真的靠谱吗？我深度体验了一下，用这几天的行程实测数据说话。

场景一：高铁站商务办公 上周赶车出差，高铁候车厅人山人海，是典型的网络拥堵重灾区。

等车的时候，加入公司的视频会议，画面频繁卡顿，网络延迟一度飙升到380ms左右。

随后我打开华为天际通，在首页并一键开启服务（系统会智能感知网络，零门槛不用调参数）。

开启后再次观察会议监控面板，延迟迅速回落并稳定在75ms-90ms之间；从候车大厅一路检票上车，全程沟通连贯没掉线。

场景二：周末万人演唱会现场 周末去看了场演出，几万人聚集导致上行信道争抢极其激烈。

未开启加速时，用测速软件测得文件上传速度仅0.3MB/s，一段45MB的现场高清合唱视频，微信转圈了近两分钟还没传完。

开启拥塞加速后，重测上传速度提升至3.2MB/s左右，同样大小的高清视频十几秒就顺利发出了，演唱会现场也能及时分享。

场景三：晚高峰地铁通勤 回到日常晚高峰地铁，车厢里人挨着人。

不开加速追1080P剧集，15分钟内出现了4次加载缓冲；打开MOBA手游，游戏延迟飘红破300ms。

而启用拥塞加速后，追剧更顺畅，一路上拖动进度条基本即点即播，视频缓冲次数降为0；游戏内的ping值则被稳稳压在48ms-65ms的绿网区间，团战响应稳了不少。

总结： 智能感知、一键开启，在基站高负载场景下，华为天际通拥塞加速降延迟和提速上行的效果很直观。

但也需要和大家分享的是：它解决的是“人多抢网”的信道拥堵，如果身处信号较差的偏远地区、地下室和地下停车场等地点，它是无法凭空变出信号的。

目前该服务仅支持 华为鸿蒙5及以上设备，且需使用 移动/电信网络。

最后聊聊怎么选。

现在大家都是讲究性价比的“纯过日子人”，大流量包买多了用不完纯属浪费，所以可以按需购买，共有三档： 1小时包（9.9元）：9.9元起，不到一杯咖啡的钱，适合快速通勤、高铁站候车及短途高铁救急； 2小时包（14.9元）：折合7.45元/小时，适合看演唱会、中长途出行； 4小时包（21.9元）：折合低至5.48元/小时，适合长途高铁或全天移动办公。

如果你近期准备出门欣赏秋日，需要出差、看演唱，或者日常挤地铁，不妨打开华为天际通备上一单，关键时刻确实能少受不少网络卡顿的窝囊气。