Tessera的AI模型用的是什麼衛星數據？

Tessera基礎模型整合了歐洲太空總署Sentinel衛星系列的兩種數據：Sentinel-2的光學多光譜影像，以及Sentinel-1的合成孔徑雷達（SAR）數據，兩者結合可在各種天候條件下提供高品質的地表觀測資訊。

什麼是嵌入向量？為何對地球觀測重要？

嵌入向量（embeddings）是AI將原始影像轉換為高維度數值表示的技術，讓模型能更有效識別農田變化、洪水、城市擴張等地表特徵。Tessera利用此技術，讓下游應用無需重新訓練即可快速部署。

採用基礎模型架構，政府機構、學術單位與企業可針對特定任務快速微調，無需從頭訓練，節省大量時間與計算資源，加速遙測影像分析應用的落地部署。

文章重點

Tessera推出專為地球觀測設計的AI基礎模型，同時整合Sentinel-1雷達與Sentinel-2光學衛星數據。

該模型將衛星影像轉換為高精度嵌入向量（embeddings），供下游地理空間分析任務使用。

基礎模型架構允許使用者針對特定應用場景進行微調，大幅降低訓練成本與開發時間。

Sentinel衛星數據由歐盟哥白尼計畫免費開放，雷達影像可穿透雲層實現全天候監測。

Tessera近期推出一款專為地球觀測設計的AI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（embeddings）」，為遙測與地理空間分析領域帶來新的技術突破。

嵌入向量（embeddings）是機器學習領域中的核心概念，指的是將原始資料（如影像、文字）轉換為高維度數值向量的過程。透過這種方式，AI模型能夠更有效率地學習並辨識地表特徵，例如農田變化、城市擴張、洪水災情及植被覆蓋等。

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

Tessera的基礎模型同時融合上述兩種數據來源，使模型在複雜氣候條件下仍能維持高準確率。

基礎模型（Foundation Model）的概念源自大型語言模型（如GPT系列），其核心優勢在於：一旦完成預訓練，可針對各種下游任務進行微調（fine-tuning），大幅降低個別應用場景所需的訓練成本與時間。

對於地球觀測產業而言，Tessera此舉意味著：

Tessera的地球觀測AI基礎模型代表了遙測技術與人工智慧深度融合的新方向。隨著衛星數據量持續爆炸性成長，如何有效率地從海量影像中提取有價值的資訊，將是未來地理空間產業的核心挑戰，而Tessera的技術路線或許正是解答之一。

原文來源： 查看原文