遙感邂逅AI的浪漫故事，需要一枚“算力戒指”

作為一種可以滲入千行萬業的通用技術，AI經常可以讓一門聽上去“古老”的技術，瞬間煥發新的想象力。比如遙感，這個中國人并不陌生的技術詞匯。

所謂遙感，一般指運用遙感器對物體的電磁波的輻射、反射特性進行探測。通過遠離目標和非接觸的方式，來判斷和識別探測目標。這種技術一般應用于空中平臺，比如衛星、航空器、無人機等等。

在100年前，現代地理學和測量學當中，已經誕生了遙感科學的前身。1972年，美國宇航局發射了搭載有遙感器的地球資源技術衛星ERTS-1，宣告了現代遙感技術正式到來。

這門在數十年間幫助人類認識地球的技術，今天正在與AI技術展開一場充滿想象力的邂逅。但是二者的結合并不那么容易。端側AI算力的突破，算法模型的深度學習，正在成為AI+遙感產業，乃至冉冉升起的空間智能領域，不可或缺的產業基石。

比如說，今年6月，武漢大學測繪遙感信息工程國家重點實驗室與華為攜手舉辦了遙感圖像稀疏表征與智能分析競賽。這場旨在推動“空間信息稀疏表征與融合處理”的相關理論與技術的發展的比賽中，參賽選手將使用華為智能計算新產品Atlas 200 DK開發套件，在對應遙感圖像測試數據集上實現算法模型的推理計算。

今天我們可以以此為契機，探討一下遙感邂逅AI的價值與需求。

當遙感邂逅AI，新機遇也是新挑戰

從現代遙感誕生之日起，在兩彈一星項目的幫助下，中國一直是遙感技術的核心參與者。自70年代到如今，我國已經發展出了完善的遙感相關學科以及多元化的應用領域。在環境遙感、大氣遙感、資源遙感、海洋遙感、地質遙感、農業遙感、林業遙感等領域，都有著大量的應用實踐與前沿探索。

到了今天，遙感技術主要面對的機遇與挑戰，是讓這門技術普惠化落地，推向各行各業，甚至讓遙感走入工農林業的垂直生產周期，成為城市規劃、防災救災等領域的“一線工作者”。這其中有很多技術難點，就遙感科學本身是無法獨立攻破的。比如說在無人機遙感領域，圖像識別的周期長、從采集數據到應用數據的需要消耗大量時間與人力成本，就成為了遙感進入各行業的主要制約點之一。

而這個問題，恰好可以交給AI來解決。

我們知道，以深度學習代表的本輪AI技術，帶來了一個重要能力，就是機器視覺技術體系。其中圖像識別、圖像處理、動態識別、圖像分類等能力，恰好可以作用于遙感數據中。在理想狀態下，實現從數據到有效結論信息的自動化識別和推理。

目前，國內已經有眾多AI公司、研究機構參與到了AI+遙感產業的融合中，在自動化圖像處理、遙感數據解譯等領域完成了大批高質量算法開發。去年，中國首個遙感人工智能應用技術研究中心在重慶成立。目前，我國在農業、工業、路網、氣象、水利、建筑等領域，都已經展開了遙感+AI的探索布局。

綜合來看，目前業界對“智能遙感”的主要理解是，AI技術可以在遙感領域，提供主動、實時化、自動糾錯的圖像識別與推理能力。

具體到跟各行業垂直應用息息相關的無人機遙感，AI可以帶來如下幾項幫助：

1、完成大量自動識別工作，實現遙感數據到可用數據的自動化處理。

2、縮短遙感數據使用流程，通過自動識別、自動預處理，讓遙感結果可以實時被讀取和利用，從而讓實時化的遙感+作業聯動成為可能。

3、用算法還原圖像數據，降低環境與天氣帶來的影響。無人機遙感要面臨諸如復雜地形、雨霧天氣等影響因素，而通過特定算法的還原，這些影響因素可以部分消弭。

4、降低人工消耗，提高測繪效率，并且在部分領域實現預警式遙感，比如我國目前在滇藏、青藏等高原公路路段，已經采用AI+遙感技術，來主動發現泥石流、塌方路段。

然而羅馬不是一天建成的。雖然遙感與AI的結合可以解決大量問題，構建新的想象力。但是在真實結合中，依舊將面對不少產業障礙。

比如說，上文提到AI算法可以提高實時化自動識別遙感圖像的能力，但在實際運用中。遙感衛星和無人機要將數據上傳到云端，在數據中心進行處理后再回傳，依舊無法達到實時化的效果。上傳云端行為，限制了行業應用AI遙感技術的可行性，比如在很多涉及國計民生的行業并不適合大量數據上云。

為此，最好的解決方案是讓無人機、遙感器等端側設備上可以進行AI運算，數據本地預處理，實時貼近生產流程。然而產業現實是，目前AI+遙感行業中，絕大部分企業主要解決的是算法問題。然而算法問題需要有效的網絡環境、計算環境去保障。就像再好的家電，沒有電也是白搭。

于是我們可以看到，在遙感體系中硬件層面，尤其是邊端側的AI算力供給變得十分重要。

另一個方向來看，AI雖然降低了識別遙感數據所需的人力消耗，但復雜的硬件環境，很可能帶來更多的AI技術人才消耗。而在目前產業環境下，AI硬件人才的成本是更大的。所以說，在硬件端保證遙感體系中，AI能力的兼容性和環境可用性，也是一個重要問題。

好在邊端側的AI算力解決方案已經在產業中浮現，比如說華為的Atlas智能計算產品，就帶給遙感行業一個令人驚喜的突破：讓AI算力飛在空中。

飛翔的AI算力

上文的邏輯中，我們講述了這樣一個現狀：遙感想要走進各行各業，就需要加強無人機遙感的應用性。其中核心問題在于，要讓無人機本身具備相對充沛的AI算力，讓圖像處理、圖像識別、環境識別等相關運算，直接發生在設備當中。這樣一方面避免了數據上傳云端可能帶來的安全問題，同時也加快了處理速度，縮短業務流程。

總而言之，這個問題目前最有效的解法，需要讓AI算力飛起來，在無人機本身加裝AI芯片。

飛在天空中的AI加速能力并不容易，這需要充沛的AI算力、多鏈路視覺數據處理能力，以及無人機場景中的環境適應性來進行集合保障。

回到武漢大學測繪遙感信息工程國家重點實驗室所舉辦的比賽中，參賽選手們將使用Atlas 200 DK AI開發者套件來完成數據算法模型的推理計算。試想一下，如果不僅僅是算法側引入華為Atlas智能計算平臺，同時在無人機設備上搭載華為Atlas 200加速模塊(Atlas 200 AI加速模塊，是一個嵌入式AI模塊，主要就是用于攝像機，無人機，機器人等硬件的端側AI加速。在視頻分析領域，可以處理16路高清視頻的實時分析。而與之相配套的Atlas 200 DK AI開發者套件，可以在30分鐘內完成開發環境搭建，提供高達16TOPS INT8的算力性能。)遙感將在端測和算法側都得到強大的AI算力賦能，必將大大提升遙感測繪中的工作效率。

Atlas 200還可以與華為的全棧全場景AI能力與Atlas系列化產品相結合，在云端一體化和多設備計算領域獲得更好的兼容性，有效應對AI+遙感可能需要的復雜解決方案部署和云端一體化應用。

AI算力飛在天上，僅僅是智能遙感大幕的一角。向更遠處看，我們可以發現Atlas 200代表的機器視覺與萬物相聯模式，正在有效形成各產業的突破機遇。萬物的智能迭代，都不可避免要從一枚芯片開始。

萬物“芯”開始

綜合來看，當Atlas 200走進無人機遙感空間，可以看到這樣幾個應用場景獲得了突破：

1、增強了實時化圖像識別與圖像預處理能力。讓農業災害的實時分析，抗災調度，以及路況、山體檢測預警等實時化應用效率加強。

2、基于本地計算的安全性保障，提升終端處理能力，讓電力、礦山，電力系統的遙感工作可以更好應用AI能力進行遙感測繪，提升了遙感技術的工業級應用能力。

3、Atlas系列產品的高性價比、主流算力特質，可以更好支持真實的產業項目落地，幫助產業完成低成本、低門檻部署AI遙感，并且可以避免出現大規模部署中的斷貨缺貨狀態，構筑更完善穩妥的供應鏈，讓農業等需要廣泛部署AI遙感的長尾產業獲得了應用可能。

總體而言，Atlas讓智能遙感可以真正在硬件通道上走入千行萬業，讓智能遙感技術一定程度上達成實時化、工業級、低門檻，適配各行各業的需求。

同時應該看到的是，這三點綜合下來，就是讓機器視覺能力高效率、高安全性、低成本地走入行業。目前這一能力并非僅僅被遙感領域需要，在大量需要應用視覺識別、圖像與視頻處理的行業當中，端側AI加速都是必不可少的產業基座。

比如公共場所和交通場景中的智能攝像頭、智能園區的門臉識別解決方案、導覽機器人的視覺系統等等，都需要快速易獲取，能夠高效支撐產業應用的端側AI算力。

萬物智能，要從萬物有“芯”開始。Atlas 200讓AI算力飛翔在空中，遙感落地千行萬業的故事，或許可以看作一個“公式“。它復用到今天無數產業端口中，構成真正的普惠AI藍圖。