“太空與網絡”重磅推出《AI+商業航天》系列專題

本文是“AI賦能典型場景”子專題的第一篇

衛星數據如何進入真實決策：國外五類場景正在怎么用AI

AI與衛星結合后，真正有價值的并不是又生成一張更漂亮的地圖，而是把觀測結果變成一項可以執行的動作：發布火災預警、調整救援資源、核驗保險理賠、安排鐵路養護，或者重新評估一片農田的生產風險。

作者 | 老譚

過去，商業遙感經常圍繞一張影像展開：分辨率多高、多久能拍一次、覆蓋范圍有多大。

現在，越來越多客戶不再只問“能不能拍到”，而是繼續追問：這張圖說明了什么？我應該先處理哪里？它能不能直接進入現有工作流程？

AI的作用，就是在衛星觀測和業務決策之間增加一層自動處理：識別變化、篩選風險、估計影響，再把結果交給真正負責行動的人。

國外目前較成熟的應用，大致集中在應急減災、國防與安全、農業、保險與金融、基礎設施五類場景。它們使用相似的數據，卻有完全不同的付費原因。

一、應急減災：客戶首先購買的是時間

災害發生后，決策者需要快速回答三個問題：發生在哪里、影響有多大、資源應該先投向哪里。

歐盟的哥白尼應急管理服務已經形成較完整的快速制圖體系。遇到洪水、地震、山火或人為災害，授權用戶可以請求衛星制圖服務，獲得災害范圍、受影響區域和損毀情況等地理信息產品。

NASA的FIRMS系統則持續發布近實時火點數據。全球數據通常可在衛星觀測后三小時內獲得，美國和加拿大部分數據更快。這類系統并不等于“自動指揮救災”，但它能幫助消防、林業和應急人員更早發現異常，把有限的巡查力量放到更需要關注的位置。

商業SAR衛星進一步補上了夜間和云雨條件下的觀測能力。ICEYE會把雷達影像與水文、地形、建筑物等數據結合，在洪水發生后生成淹沒范圍和水深信息。該公司披露，其洪水洞察產品可以在洪峰后約24小時內提供建筑物尺度的分析結果。

這里的核心價值不是“AI比人畫圖更快”，而是災害信息能夠在救援窗口內進入行動流程。

二、國防與安全：商業能力成為公共體系的補充

國防用戶長期是商業遙感的重要客戶，但今天的變化不只是采購更多影像，而是把商業數據納入持續運行的情報鏈條。

2022年，美國國家偵察局通過EOCL合同選擇BlackSky、Maxar和Planet提供商業光學遙感能力。官方稱，這批合同在未來十年的總價值達到數十億美元，是該機構規模最大的商業影像采購項目。

這類采購首先購買的是穩定的數據供應、覆蓋能力和任務響應，并不能簡單等同于“購買AI分析服務”。不過，數據量快速增加后，變化檢測、目標篩選和任務優先級排序自然需要更多自動化工具。

AI在這里更像分析員的第一道篩網：先從大量影像中找出可能發生變化的區域，再由專業人員結合其他情報判斷其意義。

商業系統降低了獲取地球觀測數據的門檻，但沒有消除驗證、保密和責任要求。真正有價值的不是“識別出一個目標”，而是結果能否及時、可信地進入正式決策體系。

三、農業：從看長勢走向管理生產風險

農業遙感最常見的指標是植被指數，但客戶最終關心的并不是一片地有多綠，而是作物種了多少、長勢是否異常、產量可能如何變化。

NASA Harvest利用地球觀測、氣象和地面調查數據開展作物制圖、產量預測和糧食安全評估。相關研究已經證明，機器學習可以結合長期Landsat等公開數據識別作物類型，并在收獲前預測產量。

Planet等商業公司則提供高頻影像和標準接口，讓農業軟件企業把衛星時間序列接入田塊管理、灌溉和保險核驗工具。

這個場景有一個常被忽略的限制：模型離不開地面數據。田塊邊界、作物品種、播種日期和實際產量如果不準確，再高頻的衛星影像也難以變成可靠預測。NASA Harvest也把缺少地面驗證數據視為小農場景推廣的重要瓶頸。

所以，農業AI不是用衛星取代田間調查，而是用衛星擴大調查覆蓋，再用地面樣本校準判斷。

四、保險與金融：把災害信息變成可驗證的風險信號

保險公司希望更快判斷災害影響，并減少逐戶查勘的成本。ICEYE與Descartes Underwriting等機構合作，把洪水范圍和水深數據用于參數保險產品設計。

參數保險不是等定損人員逐項核算損失，而是在事先約定的指標達到閾值后觸發賠付。衛星觀測可以幫助確認洪水是否發生、影響到哪里以及嚴重程度如何。

它的優點是速度快、規則明確，但也存在基礎風險：指標觸發并不一定與每一位投保人的實際損失完全一致。因此，AI和衛星數據能提高觀測效率，卻不能替代保險產品設計、地面核驗和公平性評估。

金融機構也會把港口、油庫、農田和工業設施的遙感變化作為另類數據。但這一市場高度不透明，真實合同金額和投資收益很少公開。更穩妥的判斷是：衛星數據可以提供新的觀察角度，卻不能保證形成持續的信息優勢。

當越來越多交易者使用相似數據時，單一信號的價值也會迅速下降。

五、基礎設施：最穩定的價值來自風險排序

鐵路、管道和輸電線路分布范圍廣，完全依靠人工巡查既昂貴，也很難保持統一頻率。

德國公司LiveEO利用衛星影像和AI分析植被侵入、樹木倒伏等風險，并與德國鐵路公司合作監測超過3.3萬公里的鐵路網絡。系統不是替代所有現場巡檢，而是幫助養護團隊確定哪些路段更值得優先檢查。

這類產品的價值可以概括為“先排序，再派人”。AI負責從長距離資產中篩出異常區域，現場人員負責確認原因并完成處置。

基礎設施客戶通常不會因為一張識別結果直接付費。他們更關心系統能否接入資產管理平臺、減少無效巡檢、留下合規記錄，并真正降低中斷和事故風險。

因此，這類市場看起來不如國防或災害響應醒目，卻更容易形成持續服務關系。

六、五個場景背后，其實是同一條價值鏈

五類場景的共同點并不是都使用衛星，也不是都使用AI，而是它們都在處理“不確定性”。

• 應急減災需要更快確認災害范圍；

• 國防安全需要從海量數據中篩選重要變化；

• 農業需要判斷生產狀態和未來風險；

• 保險金融需要形成可驗證的風險信號；

• 基礎設施需要決定有限巡檢資源先投向哪里。

客戶購買的不是一個模型，而是一項更快、更穩定、更容易執行的判斷。

AI+航天真正成熟的標志，不是模型在實驗數據上識別得多準，而是識別結果已經進入客戶每天使用的流程：有人據此派出救援隊、調整承保范圍、安排維修計劃，并愿意持續為結果負責。

下一篇，我們繼續拆解這門生意：同樣是把衛星數據轉化成判斷，為什么有的客戶按年訂閱，有的按災害事件付費，還有的必須經過數年采購和驗證？

主要參考資料

• 歐盟哥白尼應急管理服務

• NASA FIRMS與NASA Harvest公開資料

• 美國國家偵察局EOCL合同公告

• ICEYE洪水監測與參數保險合作資料

• Planet農業遙感產品資料

• LiveEO與德國鐵路合作案例

? 下篇預告：

從賣影像到賣行動：AI+航天應用到底如何賺錢

“AI+航天應用市場有多大”很難用一個數字回答。應急、國防、農業、保險和基礎設施看似都在購買衛星能力，實際上購買的是不同結果。比總市場規模更重要的問題是：產品在客戶的決策鏈中走到了哪一步。

本專題系列：? 國外在干什么（本篇）→ ? 產業邏輯 → ? 中國啟示

關聯系列：

主系列《AI+商業航天》— / /

子系列《星上AI芯片》— / /

子系列《AI看地球》— / /

子系列《AI管星與組網》— / /

子系列《星上計算與數據平臺》— / /

子系列《AI賦能典型場景》— 國外案例 / 產業邏輯 / 中國啟示

>End

本文系“太空與網絡”公眾號原創，轉載全文及引用核心觀點至微信公眾號或其它新媒體平臺、及網站，請注明出處、公眾號ID及作者。感謝支持有態度的媒體！

未按照規范轉載及引用者，我們保留追究相應責任的權利

部分圖片難以找到原始出處，故文中未加以標注，如若侵犯了您的權益，請第一時間聯系我們。

HISTORY/往期推薦

充滿激情的新時代，

充滿挑戰的新疆域，

與踔厲奮發的引領者，

卓爾不群的企業家，

一起開拓，

一起體驗，

一起感悟，

共同打造更真品質，

共同實現更高價值，

共同見證商業航天更大的跨越！

——《太空與網絡》，觀察，記錄，傳播，引領。

·《衛星與網絡》創始人：劉雨菲

·《衛星與網絡》副社長：王俊峰

·微信公眾號（ID：satnetdy）團隊

編輯：艷玲、哈玫，周泳、邱莉、黃榕、娜娜

主筆記者：李剛、魏興、張雪松、霍劍、樂瑜、稻子、趙棟

策劃部：楊艷、若?、李真子

視覺總監：董濘

專業攝影：馮小京、宋偉

設計部：顧錳、潘希峎、楊小明

行政部：姜河、林紫

業務部：王錦熙、瑾怡

原創文章轉載授權、轉載文章侵權、投稿等事宜，請加微信：15910858067

商務合作；展覽展廳設計、企業VI/CI及室內設計、企業文化建設及品牌推廣；企業口碑傳播及整體營銷傳播等，請加微信：13811260603

雜志訂閱，請加微信：wangxiaoyu9960

·衛星與網絡各分部：

成都分部負責人：沈淮

長沙分部負責人：賓鴻浦

西安分部負責人：郭朝暉

青島分部負責人：江偉

·衛星與網絡總部負責人：農燕

·會議活動部負責人：喬顥益、許克新、董今福

· 投融資及戰略層面合作：劉雨菲

·本平臺簽約設計公司：一畫開天（北京）文化創意設計有限公司

· 航天加（深圳）股權投資基金管理負責人：楊艷