Loft Orbital装载Gemma 3 VLM的卫星实现自主目标发现，开启太空AI新篇章

关键突破

2026年4月，Loft Orbital的在轨卫星 YAM‑9 首次使用 Google DeepMind 开发的 Gemma 3 视觉语言模型（VLM），在无需地面分析师干预的情况下，自主识别并定位感兴趣目标。这是迄今为止首次在轨道上部署 VLM，实现了“自然语言查询 → 影像分析 → 实时响应”的完整链路。

技术实现

• 硬件平台：YAM‑9 搭载 NVIDIA Jetson Orin AGX GPU，提供约 30 TFLOPS 的 FP16 计算能力，专为空间受限环境设计。
• 软件栈：NASA JPL 的 NAVI‑Orbital 包装器将 Gemma 3 精简至仅 2 GB 内存占用，剔除冗余库，以适配卫星的功耗和存储限制。
• 模型特性：Gemma 3 为边缘专用 VLM，融合大语言模型的上下文理解与视觉识别，可直接响应诸如“检测铁路附近的基础设施”“标记城市与自然交界处”等自然语言指令。

商业与行业影响

• 数据降压：传统遥感卫星将原始影像下传至地面，分析师再进行筛选，单日数据量常达数百 GB。YAM‑9 的现场初筛可将有效负载压缩至 5 % 以内，显著降低下行链路成本。
• 服务模式转变：Loft Orbital 将卫星视作 轨道即服务（Orbital‑as‑a‑Service） 平台，第三方客户可通过 API 定制查询，如“实时监测边境异常”。这为遥感数据商业化提供了更灵活的计费模型。
• 竞争格局：Planet Labs 已在部分卫星上部署 Jetson Orin 进行目标检测，Kepler Communications 则在其 GPU 星座中探索未公开的 VLM 用例。Loft 的成功示范可能加速行业向大模型上轨的迁移。

前景展望

Loft 计划在 2027 年前将 YAM‑9 类卫星数量扩展至 50‑100 颗，以实现全球实时覆盖。随着模型尺寸与算力的进一步提升，未来的轨道 AI 有望承担更复杂任务，如灾害应急指挥、太空站辅助决策乃至月球/火星探测的交互式数字助理。当前的挑战仍集中在功耗、散热以及在极端辐射环境下的可靠性，但已验证的概念为后续研发提供了明确方向。

“我们已经打开了在轨 AI 的大门，下一步是让它全天候巡航并主动报告异常，”Loft Orbital AI 负责人 Paul Lasserre 在接受采访时表示。