Loft Orbital и Лаборатория реактивного движения NASA сообщили о демонстрации, в которой спутник дистанционного зондирования Земли YAM-9 самостоятельно нашёл нужные объекты по запросу на естественном языке. Речь идёт о первом зафиксированном случае, когда визуально-языковая модель отработала прямо на орбите, без ручного отбора кадров специалистами на Земле. Для спутниковой индустрии это шаг от передачи «всего сырья вниз» к первичной аналитике на борту.
Обычно спутники наблюдения отправляют на Землю большие массивы изображений и телеметрии, а уже там аналитики и алгоритмы ищут пожары, суда, стройки или изменения рельефа. В этом случае часть работы перенесли на сам аппарат. На борту YAM-9 работал пакет, созданный JPL NASA, а в качестве модели использовали Gemma 3 от Google DeepMind, рассчитанную на периферийные сценарии с жёсткими ограничениями по вычислениям и энергопотреблению.
Во время демонстрации системе задавали запросы на обычном языке. Она классифицировала данные в зонах соприкосновения природной среды и человеческой деятельности, а также находила инфраструктуру возле железнодорожных узлов. Иначе говоря, спутник не просто снимал поверхность, а сначала пытался понять, есть ли в кадре то, что оператор считает значимым.
Практический эффект у такого подхода вполне приземлённый. Чем меньше необработанных данных нужно передавать на Землю, тем ниже нагрузка на каналы связи и тем быстрее можно реагировать на события. Для коммерческих операторов это особенно важно: современные оптические спутники высокого разрешения производят объёмы данных, которые растут быстрее, чем пропускная способность доступных линий связи.
Попытки перенести аналитику на орбиту идут не первый год, но до сих пор они в основном сводились к узким моделям. Спутники уже умели, например, отбрасывать кадры, закрытые облачностью, или выделять отдельные типы объектов по заранее заданным признакам. Новизна демонстрации YAM-9 в том, что на орбите запустили именно визуально-языковую модель, способную интерпретировать текстовый запрос и сопоставлять его с изображением.
Тренд здесь шире одной миссии. Индустрия ДЗЗ быстро смещается от продажи «картинок» к продаже событий и сигналов: факт вырубки леса, появление новой техники на площадке, изменение состояния трубопровода. По оценке Novaspace, мировой рынок геоаналитики на базе спутниковых данных уже измеряется миллиардами долларов и растёт быстрее, чем сегмент сырого снимка. Клиенту нужны не терабайты, а ответ на конкретный вопрос.
У крупных игроков похожая логика появилась раньше, хотя без публичной демонстрации VLM на борту. Planet развивает автоматическую классификацию изменений на ежедневных снимках Земли, BlackSky продаёт near-real-time аналитику для госзаказчиков и логистики, а ESA и NASA несколько лет тестируют edge AI для отбора полезных наблюдений прямо в космосе. Разница в том, что YAM-9 показал более универсальный интерфейс: оператор формулирует задачу словами, а не готовит отдельный алгоритм под каждый сценарий.
Это меняет и требования к космическим платформам. Для такой обработки нужны не только камеры и радиолиния, но и вычислительный модуль, устойчивый к радиации, перепадам питания и жёстким ограничениям по теплу. Loft Orbital как раз строит сервисную модель, при которой заказчик покупает не весь спутник, а место и вычислительные ресурсы на стандартной платформе. Если орбитальный ИИ станет регулярной услугой, такой подход может оказаться выгоднее запуска специализированного аппарата под одну задачу.
Есть и военный, и гражданский сценарии применения. В интервью TechCrunch руководитель направления ИИ в Loft Пол Лассерр описал идею постоянного «патрулирования» с правилами вида «следите за этой границей и сообщайте о подозрительной активности». Для гражданского рынка набор задач менее драматичный, но более массовый: контроль инфраструктуры, мониторинг портов, лесных пожаров, паводков и строительства. Здесь ценится не только точность, но и скорость срабатывания.
Следующий вопрос касается масштаба. Одна демонстрация ещё не означает, что спутниковые группировки начнут массово исполнять сложные запросы на борту. Для этого операторам придётся решить три задачи:
Тем не менее направление выглядит логичным. После 2020 года число коммерческих спутников наблюдения заметно выросло, а вместе с ним выросла и конкуренция за скорость поставки результата. Если аппарат может отбросить второстепенные данные ещё на орбите и отправить вниз только событие, это даёт преимущество не в теории, а в SLA. Ответ на вопрос о коммерческой жизнеспособности появится быстро: в ближайшие 12-24 месяца операторы начнут либо добавлять подобные функции в новые платформы, либо оставят орбитальный ИИ на уровне красивой демонстрации.