前沿科技 | 云上AI,助力科研

简介: 编者按:卫星遥感影像是人类对地观测的重要信息来源,可以帮助人们更加高效地进行防灾减灾、保护地球资源等工作。但以往获取、处理以及分析应用卫星遥感数据的链路较长、成本较高。因此,一个集卫星遥感数据、遥感AI算法、云计算算力和云存储资源于一身的AI Earth地球科学云平台,可以帮助科研工作更加便捷地开展。 本文约2801字,建议阅读时间8分钟。


导语

近日,达摩院发布AI Earth地球科学云平台


该平台集成了遥感数据、遥感AI算法、云端高性能计算和存储资源,将免费为科研人员开放定量的云上AI算力和云端存储资源,助力研究者开展农业灾害分析、气候变化分析、水体水质分析等科研工作。


为何推出AI Earth

地球科学云平台?

故事的起点可以追溯到整整半个世纪前。


1972年,罗马俱乐部发表了一份著名的研究报告《增长的极限》。在这份报告中,当时世界上最著名的学者们深入探讨了人口、食物、工业、污染和不可再生的自然资源之间的关系,并借此开启了一个全新的研究领域。


15年后,联合国委托世界环境与发展委员会编写的报告《我们共同的未来》中,将这个研究领域概括为可持续发展——“既能满足当代人的需要,又不对后代人满足其需要的能力构成危害的发展”。



又过了差不多40年,在第70次联合国大会上,193个联合国成员国通过了包括17个可持续发展目标和169项具体目标的《变革我们的世界:2030年可持续发展议程》。全人类都希望能加强对社会、经济和环境的认识,推动人类社会真的走上可持续发展的道路。


但科学家很快发现,实现这样的目标面临着诸多严峻的挑战,例如科学界对相互制约的目标间的关系并不了解,他们也缺少足够的数据和从这些数据中提升认知的工具——能够处理地球科学中海量数据的算法


处理数据的能力是科学界面对的核心挑战之一。除了规模惊人,这些数据还都具有空间属性,因此兼具海量、多源、异构、多实相、多尺度、非平稳的大数据传统特性以及很强的时空关联和物理关联性。不但传统的算法在这里难有用武之地,甚至传统的计算机也很难在这里发挥作用。


达摩院AI Earth地球科学云平台遥感影像数据检索页面


达摩院也注意到了这些挑战,并认识到遥感数据获取的高成本、现有分析方法自动化程度低、成本高和解译效率低的难题正阻碍着人类对地球、社会、环境及其相互关系的理解,因此推出了AI Earth地球科学云平台


AI Earth地球科学云平台

可以做什么?

AI Earth地球科学云平台是一站式对地观测智能云服务平台,它搭建在阿里云之上,可提供云端高性能计算能力和存储资源。


该平台还集成了PB级开源卫星遥感数据(涵盖业界最主流Landsat 8、Landsat 9、Sentinel-1和Sentinel-2),和十余种遥感AI算法(涉及地物分类、变化检测、SAR水体提取等)。


其中,在遥感AI算法上,达摩院实现了多项技术创新:


基于NAS网络结构搜索技术,设计了一系列针对遥感数据的专用高效特征提取网络结构,例如高效分类网络结构MuffNet;


在目标检测方面,提出了基于Transformer的旋转目标检测框架,在DOTA等遥感检测数据集上取得最佳效果。



达摩院AI Earth地球科学云平台地物分类效果


免费为科研人员

开放多种能力

集数据、算法、计算和存储能力于一身后,平台可为研究人员提供如下能力,帮助提升卫星遥感数据处理效率:


多源数据检索:集成了PB级开源遥感数据集,通过设定检索区域范围,筛选数据采集时间、数据类型、云量等条件,即可获取所需数据列表,检索结果可直接下载或云端收藏处理;


在线数据处理:释放达摩院遥感AI核心能力,支持无门槛极简使用地物分类、变化检测、建筑物提取、地块提取、SAR水体提取等十二类遥感AI在线解译工具;


云GIS工作空间:基于GIS专业软件工作视角,建立项目工作空间,实现简单、便捷、高效的栅格和矢量数据在线处理;


综合数据管理:支持用户自主上传栅格或矢量数据,并对收藏的公开遥感数据和经平台分析处理后的成果数据统一进行管理,数据成果可以直接云端应用或下载到本地。


AI模型训练:针对各类实际业务场景,遥感AI模型自学习训练功能即将上线,用户可以进行全流程可视化的遥感AI算法自主训练;


开发者模式:后期将支持基于Notebook的开发者模式,应用于遥感数据处理和AI模型训练,为更多科研用户和开发者提供探索可能;


气象AI预报服务:在数值模式预报技术的基础上,集成达摩院多项气象AI创新算法,可预报未来10天内的天气,同时提供不同高度层的三维预报,面向全行业开放API接口。


达摩院AI Earth地球科学云平台分析工具模板


应急管理部国家自然灾害防治研究院研究员张景发表示:“对地观测研究正在迎来新一轮技术变革,云计算、AI技术与遥感领域的智能融合将会助推自然灾害防治等科学领域的发展。”


结语

早在2020年9月,达摩院发布的AI Earth平台就已实现了对卫星影像、无人机影像、实时视频流、气象数据、IoT数据等多源数据的融合分析,目前,AI Earth相关技术已应用于水利部、国家气象中心、生态环境部等机构。


达摩院AI Earth团队负责人李昊表示:“遥感影像分析任务需要强大的算力和创新算法,我们的开放平台通过融合云计算和AI算法的优势,为用户提供良好的线上研究环境,用云上AI助力科研。”


内容来源:达摩院DAMO

编辑:阿里云研究院市场活动主管 马骏驰


阿里云研究院


相关文章
|
5月前
|
人工智能 vr&ar UED
获奖公布|第十九届"挑战杯"竞赛2025年度中国青年科技创新"揭榜挂帅"擂台赛阿里云“AI技术助力乡村振兴”专题赛拟授奖名单公示
获奖公布|第十九届"挑战杯"竞赛2025年度中国青年科技创新"揭榜挂帅"擂台赛阿里云“AI技术助力乡村振兴”专题赛拟授奖名单公示
|
8月前
|
消息中间件 人工智能 资源调度
云上AI推理平台全掌握 (5):大模型异步推理服务
针对大模型推理服务中“高计算量、长时延”场景下同步推理的弊端,阿里云人工智能平台 PAI 推出了一套基于独立的队列服务异步推理框架,解决了异步推理的负载均衡、实例异常时任务重分配等问题,确保请求不丢失、实例不过载。
|
8月前
|
人工智能 缓存 资源调度
云上AI推理平台全掌握 (4):大模型分发加速
为应对大模型服务突发流量场景,阿里云人工智能平台 PAI 推理服务 PAI-EAS 提供本地目录内存缓存(Memory Cache)的大模型分发加速功能,有效解决大量请求接入情况下的推理延迟。PAI-EAS 大模型分发加速功能,零代码即可轻松完成配置。
|
8月前
|
数据采集 人工智能 自然语言处理
AI邂逅青年科学家,大模型化身科研“搭子”
2025年6月30日,首届魔搭开发者大会在北京举办,涵盖前沿模型、MCP、Agent等七大论坛。科研智能主题论坛汇聚多领域科学家,探讨AI与科研融合的未来方向。会上展示了AI在药物发现、生物计算、气候变化、历史文献处理等多个领域的创新应用,标志着AI for Science从工具辅助向智能体驱动的范式跃迁。阿里云通过“高校用云”计划推动科研智能化,助力全球科研创新。
|
8月前
|
人工智能 负载均衡 安全
云上AI推理平台全掌握 (3):服务接入与全球调度
阿里云人工智能平台 PAI 平台推出的全球化的服务接入矩阵,为 LLM 服务量身打造了专业且灵活的服务接入方案,正重新定义 AI 服务的高可用接入标准——从单地域 VPC 安全隔离到跨洲际毫秒级调度,让客户的推理服务在任何网络环境下都能实现「接入即最优」。
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
当AI学会“做实验”:自动化科研的下一个奇点?
当AI学会“做实验”:自动化科研的下一个奇点?
191 0
|
5月前
|
存储 人工智能 安全
拔俗AI临床大数据科研分析平台:让医学研究更智能、更高效
阿里云原生AI临床大数据科研平台,打通异构医疗数据壁垒,实现智能治理、可视化分析与多中心安全协作,助力医院科研提速增效,推动精准医疗发展。
1132 1
|
5月前
|
人工智能 Cloud Native 算法
拔俗云原生 AI 临床大数据平台:赋能医学科研的开发者实践
AI临床大数据科研平台依托阿里云、腾讯云,打通医疗数据孤岛,提供从数据治理到模型落地的全链路支持。通过联邦学习、弹性算力与安全合规技术,实现跨机构协作与高效训练,助力开发者提升科研效率,推动医学AI创新落地。(238字)
384 7
|
6月前
|
人工智能 Serverless API
函数计算的云上计费演进:从请求驱动到价值驱动,助力企业走向 AI 时代
函数计算计费方式历经三阶段演进:从按请求计费,到按活跃时长毫秒级计费,再到按实际资源消耗分层计费。背后是资源调度、安全隔离与开发体验的持续优化。尤其在AI时代,低负载减免、会话亲和等技术让计费更贴近真实价值,推动Serverless向“按需使用、按量付费”终极目标迈进。
|
6月前
|
人工智能 Serverless API
函数计算的云上计费演进:从请求驱动到价值驱动,助力企业走向 AI 时代
在 AI 时代,函数计算一直坚持走向“让开发者只关心业务逻辑,云厂商自动完成一切资源管理与调度”的愿景,最终让计算像水、电一样随时可得、按实际使用价值付费。