遥感邂逅AI的浪漫故事,需要一枚“算力戒指”( 五 )

比如说 , 上文提到AI算法可以提高实时化自动识别遥感图像的能力 , 但在实际运用中 。 遥感卫星和无人机要将数据上传到云端 , 在数据中心进行处理后再回传 , 依旧无法达到实时化的效果 。 上传云端行为 , 限制了行业应用AI遥感技术的可行性 , 比如在很多涉及国计民生的行业并不适合大量数据上云 。

为此 , 最好的解决方案是让无人机、遥感器等端侧设备上可以进行AI运算 , 数据本地预处理 , 实时贴近生产流程 。 然而产业现实是 , 目前AI+遥感行业中 , 绝大部分企业主要解决的是算法问题 。 然而算法问题需要有效的网络环境、计算环境去保障 。 就像再好的家电 , 没有电也是白搭 。

于是我们可以看到 , 在遥感体系中硬件层面 , 尤其是边端侧的AI算力供给变得十分重要 。

另一个方向来看 , AI虽然降低了识别遥感数据所需的人力消耗 , 但复杂的硬件环境 , 很可能带来更多的AI技术人才消耗 。 而在目前产业环境下 , AI硬件人才的成本是更大的 。 所以说 , 在硬件端保证遥感体系中 , AI能力的兼容性和环境可用性 , 也是一个重要问题 。

推荐阅读