解碼元翌智能：昇騰AI創新大賽金獎得主的技術拼圖_風聞

過去兩年裏，大模型可以説外界討論最多的技術話題，且幾乎每一次都會出現這樣的疑問：大模型的價值到底在哪裏？

不少人曾嘗試給出答案。

在日常工作中，生成式AI的能力漸漸成為一種標配，寫文案、生成圖像、文本翻譯、編程等應用越來越成熟。

在日常生活中，一個個智能體深度影響了人們的生活，醖釀出了聊天對話、圖生視頻、幫點外賣等新奇玩法。

不久前舉辦的昇騰AI創新大賽，從另一個角度進行了回答：在千行萬業的細分場景中，大模型正在和產業需求深度融合，通過破解阻礙行業發展的技術性難題，迸發出了實實在在的新質生產力。

比如用大模型實現遙感影像解譯的元翌智能。

01 被解譯環節“困”住的千億級市場

目前全球在軌運行遙感衞星達1659顆，其中中國已經發射451顆，並且高分系列遙感衞星的分辨率已經提升至亞米級，被廣泛應用於國土資源與環境監測、農作物監測與估產、森林碳匯估算等領域。

根據中國地理信息產業協會的數據，2023年國內地理信息產業總值達到了8111億元，約是2015年的2.3倍。參考衞星遙感信息服務10%左右的佔比，等待商業遙感的將是一個千億級的藍海市場。

按照上中下游的模式拆解遙感產業鏈：上游是數據生產，即遙感衞星的數據採集；中游是數據處理、地物監測信息等服務，直接關係到產業前景；下游是農業、林業、國土、測繪等應用需求。

當前被限制的，正是中游的解譯環節。

遙感衞星獲取到的信息，通常是以複雜的光學或雷達信號形式呈現的，需要將信息解譯成可理解、可應用的形式。

其中的難點在於，不同複雜場景的多模態觀測機理差異大、地表要素解譯受自然/人為因素影響大、複雜多樣的地表要素特徵變化大，導致大規模遙感數據處理平台建設與共享等方面存在諸多困難。

譬如國內在測繪、國土、林業、農業等行業遙感調查與更新，主要採用的還是人工目視解譯的工作方式，耗時、費力、成本高、週期長，無法滿足快速提取與更新的需求，直接制約了商業遙感的市場應用。

打一個比方的話：遙感衞星拍攝的地球圖像就像是對地球表面做了一次“體檢”，記錄下了各類“身體指標”（比如植被覆蓋率、水體分佈等），解譯人員就像醫生，通過經驗和專業知識分析“體檢數據”，找出重要的信息（比如哪裏是森林、哪裏是城市、哪裏可能存在問題）。擺脱對人的依賴，將是商業遙感爆發的核心一環。

為了改變人工解譯的低效局面，國內外學者在2013年就開始深度學習方法進行智能遙感解譯的研究，涉及目標與場景檢索、目標檢測、地物分類、變化檢測、三維重建等，而且部分成果達到了實用水平。

問題在於，遙感影像比目標識別複雜得多，特別是自然地物分類方面，一直無法滿足業務化的應用需求。

好在向AI要解法始終是遙感產業上下游的共識，其中就包括西安電子科技大學的人工智能學院遙感大數據解譯團隊，在衞星遙感領域深耕了20多年，近五年獲省部級一等獎3項、獲得國際國內競賽冠亞季軍100多項、發表論文250餘篇、獲批專利100餘項，一直在尋找技術解決方案。

02 智算中心“埋下的種子開出了花”

時間來到2021年9月，位於雁塔區的西安未來人工智能計算中心正式上線，可提供300P的昇騰算力。

同樣是在2021年，西安電子科技大學人工智能學院遙感大數據解譯團隊在華為的支持下入駐智算中心，帶着“讓遙感賦能千行百業”的願景走出實驗室，創辦了陝西元翌智能科技有限公司。

和AI的數據、算法、算力三要素相似，遙感影像解譯也有三大核心要素：遙感影像樣本數據庫、遙感解譯大模型和大規模計算中心。到了2022年，用大模型解譯遙感影像的條件越來越成熟。

在遙感影像樣本數據方面，國內高分系列衞星提供了超過300萬+平方公里遙感數據，訓練數據總量超過100T；在算力資源方面，西安未來人工智能計算中心的智能算力，提供了充沛的算力資源。

元翌智能開始研發元翌遙感影像解譯大模型，針對廣域場景遙感影像解譯、大規模網絡並行訓練等難題，設計了大場景預處理、地物要素提取、變化檢測等專用算子，並在技術架構上進行了一系列自主創新。

一個是全要素提取方案，針對地物類別不均勻、數據跨度大、即時解譯困難，元翌智能構建了任務決策引導的可解釋學習框架，實現了人造地表要素、林草地要素、耕地要素、災變要素等複雜場景下的全要素提取；

另一個是複雜場景多要素高精度綜合解譯，元翌智能團隊基於地學知識圖譜構建了場景多要素複合關係模型，通過場景知識和解譯知識的因果推斷，實現了立體交疊、平面交織等多要素衝突下的判別和消歧。

集齊了“天時、地利、人和”的元翌智能，通過元翌遙感影像解譯大模型交出了一份亮眼的成績單：

通過多層次的解譯體系，能夠覆蓋100+類別地物，實現大規模數據的精準分析；實現廣域真實場景下多任務並行高精度即時解譯，而且平均解譯精度達到了85%以上；原本至少需要1人·月的億級像素遙感影像，現在只有10分內就能完成解譯工作。

深諳遙感產業現狀的元翌智能，讓遙感產業告別陷入困境的同時，還打通了大模型落地的“最後一公里”。

相對應的是元翌智能的大模型架構體系：面向全域全要素的L0基礎大模型，關注給定區域內所有與生產生活相關的地物要素，可滿足國土測繪調研等需求；面向特定領域的L1行業大模型，可滿足農業、林業、水利等不同行業的地物要素需求；面向精準場景和特定要素的L2場景大模型，可以滿足農作物分類、鐵路沿線安全檢測等個性化需求……進一步打通了商業遙感的可行路徑。

03 釋放智慧遙感產業的“無限可能”

近十年裏，國內在遙感領域累計投入的經費超過3600億元，遙感衞星的數量佔到了在軌衞星的60%以上，僅民用對地觀測衞星每天接收的原始數據就超過了10TB。

但相當長的一段時間裏，遙感的價值並不被外界所理解。

打破了遙感圖像“解譯”瓶頸的元翌遙感大模型，疏通了遙感產業上下游的堵點，讓上游的數據價值被髮揮出來，下游的迫切需求得到了滿足，釋放出了隱藏在智慧遙感產業背後的新質生產力。

比如在自然資源監管方面。通過分析不同時間點的遙感影像，可以對某地區的自然資源變化進行監管。

陝西省渭南市臨渭區是國內著名的獼猴桃產區，當地主管部門利用元翌遙感影像解譯大模型進行了獼猴桃地物種植區域識別的微調工作，對全域約6.7萬畝獼猴桃種植區域進行精準解譯，精度高達95%以上，極大地縮短了對不同種植階段獼猴桃種植區的長勢特點的考察時間和成本。

比如在生態文明建設方面。通過分析一段時間裏的自然環境變化，為生態環境的精準檢察提供數據參考。

西安市秦嶺生態保護局使用元翌遙感影像解譯大模型監測了秦嶺光頭山2015年到2022年的生態環境，監測草甸、植被、樹木、建築物、道路等地物要素的變化情況；相似的一幕還出現在陝西省人民檢察院對安康旬陽礦區的監測，監測耕地、植被、河流、大小道路等地物特徵的變化。

再比如災害應急管理方面。藉助遙感圖像進行洪災監測和評估，或者是地震、泥石流等災情的緊急分析。

2023年8月，西安灃峪口發生了洪澇災情，陝西省應急廳與陝西省高分中心協調獲取了災後高分系列衞星數據，藉助元翌遙感大模型進行解譯後，用來分析主要受災點的情況，對災情反饋、道路搶修以及居民安置起到重要參考作用，為災害應急的科學管理和部署提供了準確的數據支撐。

可以找到的案例還有很多。

或許對於很多人來説，“遙感大模型”的概念依舊比較陌生，但距離我們的生活並不遙遠，在環境監測、災害預警、城市規劃等社會的方方面面，都離不開“遙感大模型”的身影。

這樣的創新者，不應該被“埋沒”。

2024年5月初，昇騰AI創新大賽2024正式啓動，元翌智能的“元翌遙感影像解譯大模型解決方案”，憑藉在大模型領域的自主創新和落地應用的生產力躍升，一路過關斬將，先是拿到了陝西賽區的金獎，最終站在了2024昇騰AI創新大賽全國總決賽的領獎台——斬獲企業賽道原生創新組金獎。

04 寫在最後

屬於元翌智能的故事遠沒有結束。

接下來的日子裏，元翌智能將繼續迭代更新L0級基礎模型，優化基礎解譯算法的準確性；升級L1級行業大模型，優化解譯算法的行業適應性和準確性；完善L2級場景大模型，增強複雜場景下的動態更新能力。

也讓我們有理由相信，在元翌智能等企業的創新驅動下，商業遙感的千億級市場將被進一步挖掘，讓更多行業分享到創新的紅利。