从影像到地球状态：大模型时代卫星数据的价值变化|信号|卫星数据|地球|多源|大模型|解译|遥感

从影像到地球状态：大模型时代卫星数据的价值变化

写在前面

卫星遥感正从"看得见"走向"算得清"：星上算力开始承接筛选和事件提取，气象 AI、embedding等大模型把卫星观测当作直接输入。这些年做卫星数据治理、融合和产品化，感受是数据量涨得快，能供给模型、能沉淀成资产的部分并不多，问题大多不在模型，而在数据。本文讨论：当卫星数据的使用者从专业解译人员扩展到模型和智能体（Agent），数据的价值分布在哪些层级、正在向哪里移动。

▍一、卫星数据的使用者，正在从专业解译人员扩展到模型和Agent

2026 年，卫星遥感领域有三件事可以一并来看。

第一件发生在数据产品侧。2026 年 7 月，Google 把 AlphaEarth Foundations 卫星嵌入（Embedding）数据集的云存储桶改为 "provider pays"，下载方的流量费用由 Google 承担，数据实际可以免费获取。这套数据按年度覆盖 2017—2025 年，每个 10 米像元是一个 64 维向量，采用 CC BY 4.0 许可。同月 29 日，Google Maps Platform 发布 Custom Satellite Embeddings 的私有预览，按客户指定的区域和时段生成嵌入，时间间隔最短 5 天。把 64 维向量按颜色映射回地图，就是图 1 这样的嵌入场。

图 1　AlphaEarth 嵌入场的可视化：不同地表的 64 维特征被映射成伪彩色，山地、农田、红树林由此变得可比较。来源：Google DeepMind 博客（2025-07-30）

第二件发生在商业运营侧。Planet 在 2027 财年第二季度（截至 2026 年 7 月）实现营收 1.16 亿美元，同比增长约 58%。管理层在电话会上介绍，AI 应用已进入公开测试，目标是让全球历史档案"可以通过自然语言查询"。

图 2　Planet 的"鸽群"（Dove）。来源：NASA

第三件发生在科学应用侧。2026 年 3 月，复旦大学推出的"伏羲"端到端气象预测模型体系入选 2025 年度"中国十大气象科技进展"。按复旦大学的介绍，这一体系"打通了从原始观测数据到预报结果生成的完整链路"，AI 可以直接从卫星遥感数据中提取信息并预测天气演变。

三件事分布在三个领域，指向同一个变化：卫星数据的使用者，正在从专业解译人员扩展到模型和智能体。

这个变化之所以发生，是因为通用大模型进入物理世界时缺了一类输入。大模型的知识主要来自互联网文本、图像和视频，它们对地球状态的描述是间接的、滞后的、不连续的。2025 年以来，DeepMind 的 Genie 3、Meta 的 V-JEPA 2 等"世界模型"相继发布，学习材料仍然以互联网视频和仿真数据为主。

与此同时，Agent开始参与巡检、调度、核保、能源交易这类物理世界决策，它们需要可持续更新的定量观测：哪里变了、变了多少、什么时候变的。在所有数据源里，卫星是唯一能以全球尺度、按一致规格持续提供这类观测的一个。

这里说的"地球状态"，指可量化、可比较、带时间和位置的地表与大气状态变量，例如地表温度、土壤水分、作物长势、太阳辐照度。

本文用一个分层框架讨论：当使用者变成模型、智能体和非专业用户，卫星数据的价值分布在哪几层，正在向哪里移动。

▍二、按景计价的前提，是用户自己会解译

商业遥感数据长期按景、按面积、按分辨率计价，订阅服务也多以覆盖面积和重访次数为计量单位。

这种计价方式隐含一个假设：用户具备解译能力，数据的价值由用户自己实现。数据方交付影像——用户负责把影像变成业务判断。

图 3　一景标准的 Sentinel-2 影像：巴西中东部农田。在欧盟开放数据政策下，这类影像免费获取。来源：ESA/Copernicus，CC BY-SA 3.0 IGO（经 Wikimedia Commons）

在过去，这个假设是成立的。遥感数据的主要买方是测绘、自然资源、气象、农业、国防领域的专业机构，它们有自己的解译团队和业务系统，影像接进去就能用。

两类新用户打破了这个分工。

一类是非专业用户。保险、金融、供应链、能源交易行业的业务人员要的是结论，不是影像："这块地是否发生了毁林""这条线路附近植被是否超高"。Custom Satellite Embeddings 公布的用例——欧盟《零毁林法案》（EUDR）合规、公用事业线路周边的植被与水体监测——都属于这一类。

另一类是模型与智能体。模型需要可批量读取、时空对齐、带质量信息的数据，而不是适合人眼判读的景产品；智能体需要能被程序检索和调用的数据接口。

当用户不再自己完成“影像到判断”的转换，这部分工作就要由数据方或中间方承担。转换在哪一层完成、由谁完成，决定了价值怎么分配。下一节先把层划出来。

▍三、尝试从AI使用的角度给卫星数据再分层

本文把卫星数据按"交付给用户的是什么"分为七层（表 1）。

表 1　卫星数据价值分层

层级

名称

交付内容

典型形态

主要用户

价值趋势

原始观测

星上下传数据及辅助信息

原始码流、定标参数、星历

数据处理机构、端到端模型

出现面向模型的新需求

标准影像

经辐射与几何处理的影像

景产品、正射影像

遥感专业用户

趋于商品化

分析就绪数据

跨时相、跨传感器可直接比较的数据

时序数据立方体、ARD

分析人员、模型训练

供给管线的基础，需求稳定

表征

模型生成的通用特征

嵌入场

数据科学人员、下游模型

新增层，通用部分免费化

要素与事件

地物、变化、事件等解译结果

分类图、变化图斑、事件流

行业业务部门

价值上升，行业知识密集

对象与关系

带身份、属性、关系的对象

地块、设施及其关联

业务系统、智能体

价值上升，与业务系统对接

决策支持

面向具体业务问题的结论

风险评分、核查清单、预警

业务决策者

价值最高，交付成本也最高

两点说明。

第一，这不是数据处理级别。NASA 在 1986 年为对地观测系统制定的处理级别把数据分为 Level 0—4：Level 0 是重建后的原始仪器数据，向上逐级附加定标、地理参考、反演和网格化处理；国内业务系统同样按处理深度划分产品级别，如辐射校正、几何校正、正射、专题产品。处理级别描述数据经过了哪些加工；本文的分层描述交付给用户的对象是什么、用户离业务结论还差多少工作。两者有对应关系，不是同一回事。例如 NASA Level 2 的土壤水分产品，在本分层中可能算 L2（作为模型输入），也可能算 L4（作为业务要素），取决于用途。

第二，层级越高，用户需要自己完成的工作越少，数据方需要掌握的行业知识越多。L2 的参照系是分析就绪数据（Analysis Ready Data, ARD），CEOS 对"可直接分析、跨传感器可比"的数据集有明确的规范，本系列沿用这一口径。L3 是新出现的一层，它把原本需要遥感专业知识才能完成的特征工程，交给了预训练模型。

▍四、价值迁移的三个信号

信号一：L1 标准影像趋于商品化。中分辨率影像的开放供给在持续扩大。Landsat 自 2008 年 10 月起免费开放，这一开放政策重塑了此后十年的遥感应用生态，图 4 是 Landsat 9 传回的首批影像之一；Sentinel 系列按欧盟开放数据政策免费提供。

当全球 10 米级多光谱影像的边际获取成本接近于零，"提供中分辨率影像"可能也越来越难构成收费理由。商业影像的价值区间，向更高分辨率、更高频次和专有传感器收缩。

图 4　Landsat 9 传回的首批影像之一：美国佛罗里达州彭萨科拉沿岸。来源：NASA/USGS，公有领域（经 Wikimedia Commons）

信号二：L3 通用表征开始免费或低价提供。AlphaEarth Foundations 融合光学影像、雷达、激光测距、气候模拟等多类公开数据，把每个 10 米像元在一年内的信息压缩为 64 维向量；在 DeepMind 公布的评估中，其平均误差比对比方法低约 24%，存储约为对比系统的十六分之一。它的处理链路见图 5：多源观测进，embedding出。

图 5　AlphaEarth Foundations 的处理链路：上图为从多源观测到 64 维嵌入向量的模型结构，下图为全球嵌入场可视化。来源：Brown et al., arXiv:2507.22291 图 1（A、F 两栏裁剪拼合）

这套数据现在可以免费下载。而Custom Satellite Embeddings 又把嵌入做成了可订购的服务。对中分辨率尺度上的通用任务——土地覆盖分类、基础特征提取——用户可以在公开嵌入之上，用少量样本和简单模型完成过去需要专门团队承担的特征工程。

学术界已经开始把地球嵌入（Earth Embedding）当作一类独立的数据产品来研究。2026 年 2 月的论文《Earth Embeddings as Products》区分了"生成嵌入的模型"和"作为资产的嵌入"，梳理了现有产品的三层生态，并指出来自不同模型的嵌入在格式、分辨率上互不兼容，缺少统一的访问方式。

那么可以尝试给出一个推断：开放的embedding会首先压低中分辨率通用分类和特征工程的价格；高分辨率、高频次、专有传感器（SAR、高光谱）以及特定区域、特定行业的数据，受到的冲击较小，相对价值可能上升。

信号三：L0/L1 原始观测被模型直接使用。前两个信号发生在分层的上部，第三个发生在底部。

以 GraphCast 为代表的第一批 AI 天气模型，使用 ECMWF 的 ERA5 再分析资料（约四十年）训练。再分析是传统资料同化系统的产物，卫星观测是间接进入模型的。

伏羲端到端体系走了另一条路：从原始观测出发，把资料同化和预报合并在一个数据驱动的系统里完成。按复旦大学的介绍，其生成的全球分析场精度超过美国国家环境预报中心（NCEP）的全球资料同化系统（GDAS），中期预报优于 ECMWF 的高分辨率业务预报（HRES）。预报效果的一个直观例子是台风路径：图 6 中，伏羲系列模型对 2018 年台风"康妮"（Kong-Rey）的路径预报紧贴实况，同期 ECMWF HRES 的预报出现明显偏移。

与多个气象同行交流，也均反馈复旦的FuXi大模型在今年的台风预测中都非常准。

图 6　伏羲系列模型（FuXi、FuXi-Extreme）对 2018 年台风"康妮"的路径预报：绿、红两色紧贴实况（黑色），同期 ECMWF HRES 预报（蓝色）出现偏移。来源：复旦大学 AI³ 网站，原图引自 FuXi 论文[17]

剑桥大学团队的 Aardvark Weather 思路相同：绕过资料同化和数值模式，直接从卫星与地面观测生成全球格点预报和本地站点预报，2025 年发表于《自然》（图 7）。

图 7　Aardvark Weather 直接以气球、地面站、船舶、飞机、卫星等多源观测驱动预报和下游任务，不再经由传统资料同化与数值模式分步完成。来源：Allen et al., arXiv:2404.00411 图 1

前两天Google发布了新的天气预报系统，也是采用端到端的方式，可见原始观测数据的直接使用是一种技术上的引领趋势。

而当模型直接读取原始观测，L0/L1 的交付要求就变了。过去，定标参数、观测几何、质量标记、时间信息的完整性主要由数据处理机构内部消化；现在它们直接影响模型效果，必须成为对外交付的一部分。欧洲航天局（ESA）正在把接近 90 PB 的 Sentinel 档案从 SAFE 格式迁移到云原生格式 Zarr，Development Seed 对这种格式的描述是"把数据当作 API，而不是待下载的文件"。底层档案的程序化读取能力，正在变成基础设施。

就笔者最近处理SAR数据的经验判断，很多场景或者大部分场景，如果还守着L2数据，那会非常没有出路，难以发挥SAR本身成像的优势，也无法满足行业解译需求。所以有必要对原始数据进入解译链路进行思考（后续文章再谈）。

三个信号合起来总结（图 8）：价值不是单向上移。中间层（L1 影像、L3 通用嵌入）的通用部分被压缩；价值向上集中于行业知识（L4—L6），向下集中于面向模型的高质量原始数据（L0—L2）。

图 8　卫星数据价值分层 L0—L6 与三个信号的位置

▍五、对行业厂商意味着什么

卫星厂商。只销售 L1 标准影像的业务，价格空间可能受到压缩。延伸方向有两个：向上，结合行业场景做 L4 以上的产品；向下，把定标、几何、质量信息整理成面向模型的标准化交付，成为模型厂商的数据供应方。对高分辨率、高频次或专有传感器星座而言，数据本身的稀缺性仍是主要优势，关键是尽快形成程序化的供给能力。