为什么空间站不建在月球，而是选择飘在地球上空？有何意义？
人类对于浩瀚宇宙的探索，从来都不是一条直线，而是一幅充满考量的拼图。
当我们回首国际空间站，这座由十多个国家倾力打造的宇宙家园，耗资高达1600亿美元，不禁感慨其背后的付出与智慧。
但如果将目光投向更遥远的月球，距离仅仅是最近的36万公里，与近地轨道相比，却仿佛跨越了一个难以想象的鸿沟，足足大了1000倍，提升了三个数量级！这并非简单的距离计算，而是对运输成本、技术难度等多重因素的彻底颠覆。
那时的土星五号，起飞重量超过3000吨，有效载荷却只有区区40吨。
想一想，仅仅40吨的运载能力，如果放在今天土木工程领域，恐怕连建造一座小型桥梁都显得捉襟见肘！单次发射就耗资2亿美元，换算成如今的币值，甚至超过68.6亿美元！这也就是说，就算将地球卖掉，恐怕也难以支撑在月球上建造一个真正意义上的基地。
随便几台挖掘机、铲车，如果想借助土星五号的运载能力送上月球，其成本甚至能买下美军所有最先进的航空母舰！
那里，普通的运载火箭就能胜任发射任务，一次发射的费用也仅仅在3-5亿美元左右，一年往返几次，在经济上是可以承受的。
正是因此，国际空间站才能如此庞大：长达100多米，宽51米，最大直径6米，重达400吨的大家伙，漂浮在距离地球400多公里的轨道上，为宇航员提供了一个长期驻留、进行科学实验的理想场所。
空间站的优势在于其微重力环境，使得一些在地球上难以进行，甚至无法进行的研究得以实现。
而月球的遥远距离，使得用小型火箭运输碎片建设是不现实的，那样的速度将会慢到令人发指。
选择大型火箭虽然能加快建设速度，但也会大幅增加成本，加上人员和物资的持续输入，长期来看必然成为巨大的负担。
空间站的模块化设计，使得其可以方便地进行交汇对接，而月球基地的建设则面临着更大的技术难题，月球表面的崎岖地形也无法简单地采用对接方式。
届时，我们可以利用捕捉小行星并适当冶炼来获取建设材料，并采用磁约束3D打印技术建造空间结构，从而大幅降低运输成本。
等到空间站扩建到7-12个舱段，甚至更多的时候，太空旅游和疗养项目或许就能成为现实，吸引着更多的资金和人才涌入太空，形成良性循环。
想象一下，50年后，太空站可能会拥有30-80个舱段，如同一个巨大的蜂巢，常驻2000-5000人，水和空气则直接来自捕捉的彗星，不再依赖地面供应。
此外，太空站还有一个至关重要的优势，那就是紧急疏散和救援。
从太空站乘坐救生舱返回地球，这项技术已经相当成熟，地面发射救援人员和物资也只需要几天时间。
但如果发生危险，在月球上组织人员逃生，恐怕需要三个月以上的时间，这无疑是一个巨大的难题。
因此，在可预见的未来，大规模的太空站依然是人类进行太空实验的主要载体。
只有当我们能够在近地轨道建立起一个相当规模的太空工业体系，才能够真正考虑在月球上大规模建立基地，毕竟，数万吨的固体材料、液态水、空气等资源，不可能全部从地球运送上去。
更重要的是，月球基地缺乏机动性，一旦遭遇陨石撞击，只能坐以待毙。
而太空站则可以灵活变轨，躲避大型小行星的袭击，并且由于地月系统的长期演化，近地轨道的小行星数量已经大大减少，生存空间更加安全。
人类探索宇宙的道路，永无止境，但我们必须遵循理性、务实、高效的原则，才能在这条充满挑战的征程中不断前行。
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。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。
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。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。
