Tessera推出地球觀測AI基礎模型 整合衛星多源數據破解遙測分析瓶頸

AI與衛星遙測的深度融合

地球觀測領域迎來新轉機。新興AI公司Tessera日前推出專為遙測設計的基礎模型，藉由整合歐洲太空總署（ESA）Sentinel衛星系列所提供的光學影像與合成孔徑雷達（SAR）數據，生成高度精細的訓練資料「嵌入向量」，為地球觀測與地理空間分析領域帶來技術突破。

嵌入向量：連接數據與AI的橋樑

嵌入向量（embeddings）是現代機器學習的核心技術，將原始影像、文字等非結構化數據轉換為計算機能夠理解的高維度數值向量。在地球觀測應用中，嵌入向量使AI模型能更有效率地學習並辨識地表特徵變化——從農田生長週期、城市擴張軌跡，到洪水災情分佈與植被覆蓋動態，都可通過向量化表示進行快速分析。

Tessera的創新之處在於，該模型同時吸收Sentinel衛星的多源異質數據，而非單一數據流。這種多源融合設計使其在複雜氣候條件下仍能維持高準確率。

Sentinel數據：全球免費的遙測資產

Sentinel衛星系列是歐盟哥白尼計畫（Copernicus Programme）的核心資產，向全球提供免費開放的地球觀測數據。其中：

• Sentinel-2光學影像：高解析度多光譜影像，適用於土地利用分類、農業監測、環境評估等應用
• Sentinel-1雷達數據：合成孔徑雷達可穿透雲層與雨霧，實現全天候地表監測，對災害應對至關重要

兩者搭配使用，彌補各自的短板——光學影像解析度高但受天候影響，雷達無天候限制但空間細節較粗。Tessera的基礎模型正是透過同時整合雙源數據，克服單一傳感器的先天限制。

基礎模型的產業解放

基礎模型的概念源自大型語言模型（GPT系列）的成功，其核心價值在於一次訓練、多次應用。完成預訓練後，可針對不同下游任務進行輕量微調（fine-tuning），大幅降低個別應用場景所需的計算資源與開發時程。

對於地球觀測產業而言，這意味著：

政府機構、學術單位與企業可更快速部署遙測分析應用，無需從零開始訓練模型

中小型團隊因為預訓練成本被分攤，進入遙測應用領域的門檻大幅降低

跨域應用協作通過統一的嵌入向量表示，不同場景的數據可直接比較與共用

市場與機會

隨著衛星發射成本下降與數據衛星數量增加，全球遙測數據量呈爆炸性成長。如何從海量影像中高效提取有價值的資訊，已成為地理空間產業的核心挑戰。Tessera此舉正面回應這一痛點——通過AI基礎模型將複雜的影像分析任務標準化、模塊化，加速遙測技術在農業、城市規劃、環境監測、災害應對等領域的實際應用落地。