卫星在轨 AI 识别首例：Loft Orbital 用 Gemma 3 自动捕捉目标
2026 年 4 月，一颗绕地卫星在没有地面分析师介入的情况下，自主找到了预设目标——这是史上首次在轨使用视觉语言模型（VLM）完成的实战任务，标志着 AI 正在从根本上改变天基传感器的能力边界与应用价值。
技术原理：为什么这次演示值得关注
传统卫星依赖下传大量原始数据，由地面团队使用机器学习或人工判读识别目标。此次任务中，Loft Orbital 建造的 Yam-9 卫星上运行了 NASA 喷气推进实验室（JPL）开发的软件包 NAVI-Orbital，内置 Google DeepMind 的 Gemma 3 视觉语言模型，能够直接响应自然语言查询，在轨完成目标识别。
Gemma 3 专为边缘场景设计，可在有限硬件上运行。VLM 结合了大语言模型的上下文理解能力与图像分析能力。测试中，研究团队用自然语言向模型下达指令，例如识别"自然环境与人类活动交界区域"或"铁路枢纽周边基础设施"——模型均成功完成。
商业价值：近中期与长期影响
近中期：在轨 AI 筛选可大幅减少下传数据量，分析师无需再从海量原始数据中人工翻找目标，显著提升天基传感器的实用效率。
长期：这是大规模 AI 基础设施在轨运行的概念验证，为未来更复杂的太空计算奠定基础。
Loft Orbital AI 负责人 Paul Lasserre 形容：
"它打开了太空'全天候巡逻层'的大门。有了 VLM，你可以设定逻辑规则——比如'监测这条边境，有异常就通知我'——然后与卫星进行往返交互。"
技术架构与在轨算力
Loft Orbital 采用"基础设施即服务"商业模式，卫星作为平台供第三方客户使用。2025 年秋发射的 Yam-9 是该公司轨道 AI 项目的探路星，搭载了 Nvidia Jetson Orrin AGX GPU，这也是当前太空计算领域最主流的芯片之一。
NAVI-Orbital 软件由 NASA JPL AI 团队技术负责人 Juan Delfa Victoria 主导开发。虽然 Gemma 3 本身是现成模型，但团队对其进行了深度精简，去除了冗余依赖库，降低内存占用，以适应太空环境的硬件限制。
行业跟进：其他玩家动态
- Planet Labs：其卫星同样配备了 Jetson Orin 处理器，目前用于简单的目标检测任务，但已在研究包括 VLM 在内的更多 AI 应用场景
- Kepler Communications：运营着全球规模最大的在轨 GPU 集群，2026 年 1 月卫星发射以来已有多项未公开的计算用途（受 NDA 限制无法透露详情）
Lasserre 表示："既然概念已被验证，这就是行业前进的方向。"公司目标是在 50～100 颗类似 Yam-9 的卫星规模下，实现地球任意地点的实时覆盖。Loft 目前在轨运营 12 颗卫星。
未来展望：太空数字助手
NAVI-Space 项目的构想源于 JPL 研究员 Taran Cyriac John——他为执行月球或火星探索任务的宇航员设计数字助手。
Delfa Victoria 解释道：
"宇航员穿着加压服，无法敲击键盘，任何操作都很复杂。我们的想法是提供一个类似电子游戏和电影中那样的交互式 AI 助手。"
只是——别叫它 HAL 9000。
评论