21颗军用卫星一箭入轨！美军在近地轨道织起反导天网
夜幕深沉，范登堡太空军基地笼罩在一片静谧中。
凌晨零点三十分，一道耀眼的橘红色光芒划破了漆黑的天空，猎鹰9号火箭带着它的秘密，冲向了浩瀚的宇宙。
21颗军用卫星，像一颗颗闪烁的星辰，被它温柔地送入了近地轨道。
它们将以每小时2.5万公里的速度，永不停歇地环绕地球，守护着一个无形的、至关重要的网络。
这次发射的背后，是一段充满挑战的等待。
仅仅五天前，同样的火箭在倒计时终点前五十八秒就被紧急中止，第二级火箭的异常数据让工程师们不得不深思熟虑，反复排查。
最终，经验和技术战胜了疑惑，顺利完成了这次关键的任务。
这批卫星的核心使命，是把一种被称为16号数据链的军事网络，送入太空。
想象一下，在战场上，一架战机正遭遇敌人的伏击，一艘军舰需要在茫茫大海中搜寻目标。
以往，由于地球的曲率和视距的限制，它们很难实现直接的、实时的通信。
而16号数据链就像一道无形的桥梁，连接着分散在全球各地的作战力量。
它安全、加密、高速，而且能够有效抵抗干扰，让战场信息得以畅通无阻地传递。
它就像高悬在空中的中继站，跨越山川与海洋，让信息几乎无延迟地传遍全球。
诺斯罗普·格鲁曼公司坚信，这些卫星将为他们的网络提供安全、低延迟的通信，并为导弹预警和追踪提供强大的支撑，与专门追踪导弹的卫星星座相互配合，构成一个完整的反导信息链条。
信息的传递，就像时间赛跑，从导弹发射到拦截武器启动，每一个环节都必须以秒为单位计算。
哪怕是一个微小的延迟，都可能让拦截行动功亏一篑。
这次发射只是一个开始，一个扩散型作战人员太空架构项目的序幕。
过去，美军依赖少数造价高昂、体积庞大的高轨卫星，一旦遭受攻击，损失将不堪估量。
如今，他们改变了策略，转而部署数百甚至上千颗相对便宜的小卫星，形成一张打不烂的网络。
就好比把一座坚固的大厦，拆分成无数个独立的模块，即使部分模块损坏，整体结构依然稳固。
这种理念，与民用领域的星链低轨星座有着异曲同工之处。
近地轨道距离地面只有几百到一千多公里，卫星更靠近目标，探测更灵敏，数据延迟也更低。
然而，低轨也带来了新的挑战：卫星转得更快，覆盖的区域更小，需要通过大量卫星的接力才能实现全球不间断的通信。
这次发射后，在轨卫星总数已经达到84颗，仅仅是第一阶段的第四次发射。
诺斯罗普·格鲁曼公司预计，在未来六个月内，还将部署数十颗卫星，并承接建造约150颗卫星的合同。
在约65万平方米的厂房里，流水线和人工智能工具被广泛应用，大量使用现成的商用部件，将航天器的生产从手工打造的精品，转变为批量生产的工业品。
这场太空竞赛，已经进入了一个新的战场。
美国加速建设低轨军事星座，源于对新型导弹威胁的深刻忧虑。
特别是那些速度极快、轨迹多变的高超声速导弹，传统的预警卫星和地面雷达已经难以有效跟踪。
低轨星座，成为了应对这一挑战的关键手段，也与美国正在推动的金穹导弹防御计划紧密相连。
然而，任何大规模的反导工程，都伴随着巨大的风险。
耗资巨大，实际效能也备受争议。
更为令人担忧的是，军用卫星的激增，正在加剧太空拥堵和碰撞的风险，太空碎片问题也日益突出。
更深层次的担忧在于太空军事化，它可能引发新的军备竞赛，让曾经的宇宙家园，变成各国角力的地方。
中国、俄罗斯等国始终坚持和平利用外层空间，呼吁国际社会就防止太空军备竞赛达成共识。
美国太空发展局的项目，无疑代表了军事航天 批量化、低成本、快迭代的新趋势。
但如何在日益拥挤的太空中制定规则，让技术进步不演变为新的冲突源，是国际社会必须共同面对的严峻课题。
21颗卫星已经成功入轨，更多的卫星正在等待部署，近地轨道上的这场竞赛，才刚刚拉开序幕。
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。
