空天信息科技创新与产业发展布局

彭玲 池天河

【关键词】空天信息产业 遥感技术 卫星人工智能 产业经济 战略布局

【中图分类号】F49 【文献标识码】A

“空天信息产业”是指运用空间基础设施和技术手段，收集、存储、处理和分析来自空天源的信息并提供多样化服务的新兴产业，主要由卫星制造、天基运营、地面平台和下游终端应用等环节组成。一般认为距地球表面100公里以下的空间为“空”，100公里以上的空间为“天”，但两者之间并没有绝对分界线。空天一体化是航空航天技术发展趋势，是现代高新技术发展引发的重大变革。空天信息产业是迈入全互联时代涌现的战略性新兴信息产业形态，也是支撑产业和社会数字转型的重要基础设施，不仅可推动科技创新、打造新的经济增长极，还是抢占未来发展制高点的关键举措。经过近年的发展，我国空天信息产业基础进一步夯实、产业链不断延伸、自主创新能力持续提升，目前已进入高速发展阶段。

空天信息产业的发展背景和对新基建发展的重要意义

随着卫星发射、星链发射，信息技术产业已经从互联网时代、移动互联网时代全面进入空天信息时代。小到出门开车导航定位、手机拨打电话，大到抢险救灾遥感卫星监测、地下石油煤炭资源勘探，空天信息产业已经大步走入人们的日常生活。美国太空探索技术公司（Space X）成功开发出的可重复使用的运载火箭和拥有载人航天能力的龙飞船，使得卫星发射和应用服务成为人们关注的热点。在我国，卫星制造技术飞速发展，卫星体积、成本逐年下降；可靠性、集成度逐年提升，越来越多的地方政府和民营企业加入到运载火箭的发射行列；与此同时，卫星信息服务质量日益提升、成本持续下降，空天信息产业链也日益完善并有序发展，具备了快速发展条件。2018年12月中央经济工作会议首次提出新基建概念（新型基础设施建设的简称），这是智慧经济时代贯彻新发展理念，建立现代化经济体系所开展的国家基本建设与基础设施建设，也是以技术创新为驱动，以信息网络为基础，面向高质量发展需要，提供数字转型、智能升级、融合创新等现代化服务基础设施体系。新基建主要包括5G基站、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网七大领域，这些内容无一不与包括测绘、地信、遥感、规划等学科在内的空天信息产业密切相关。中国工程院院士郭仁忠认为，对于测绘地理信息行业而言，天空地一体化对地观测体系和数字孪生城市等，都属于新基建基础设施建设范畴，是支撑数字经济、社会治理及模式转型等的新型基础设施。中国科学院院士童庆禧认为，遥感技术，特别是航天遥感技术，是典型的多学科交叉新兴技术门类，是国家新型基础设施重要组成部分，是当今科学技术前沿，也是国家综合国力体现。

当前我国空天信息产业发展现状和产业布局

卫星遥感技术是空天信息产业的重要组成部分，在推动商业航天成果应用上发挥着关键作用，对产业和社会的数字化转型影响重大。自2018年以来，我国对地观测遥感卫星迎来发射密集期，卫星遥感向高空间、高光谱和高时相分辨率发展，卫星遥感数据呈现爆发式增长。迄今为止，全球发射并处于工作状态的在轨遥感卫星数量已近千颗，其中我国拥有遥感卫星逾200颗。我国政府在空天信息技术创新与产业发展方面均采取了积极举措，以提高自主创新力与核心竞争力，推动空天信息技术发展。

从政策上看，我国鼓励空天信息产业发展主要有两条主线：卫星制造与空间基础设施规划建设；民营资本参与商业航天建设发展。2010年5月12日，我国《高分辨率对地观测系统重大科技专项》（以下简称“高分专项”）全面启动实施，是《国家中长期科学和技术发展规划纲要（2006—2020年）》确定的16个重大专项之一，用于发展我国高分对地观测技术，构建高分对地观测体系。覆盖了全色、多光谱到高光谱，包含至少7颗卫星和其他观测平台，分别编号为“高分一号”到“高分七号”，截至目前均已成功发射并投入使用。其中2014年8月19日成功发射的“高分二号”卫星是我国自主研制的首颗空间分辨率优于1米的民用光学遥感卫星，分辨率达0.8米，标志着我国遥感卫星进入了分米级“高分时代”。2015年10月26日，国家发展改革委、财政部、国防科工局等联合发布了《国家民用空间基础设施中长期发展规划（2015-2025年）》，自此，一批民营商业火箭企业犹如雨后春笋般相继成立。多地政府积极响应，加快布局空天信息产业，抢抓发展新机遇。典型如浙江省发展改革委在2021年5月7日出台了《浙江省航空航天产业发展“十四五”规划》，作为“十四五”时期浙江省航空航天产业发展的指导性文件；2022年3月3日，武汉市人民政府出台了“关于加快推进我市航天产业发展的实施意见”；2023年3月6日，重庆市人民政府印发了《关于加快推进以卫星互联网为引领的空天信息产业高质量发展的意见》，等等。

2022年9月27日，遥感卫星应用国家工程研究中心成立仪式暨国家民用空间基础设施陆地观测卫星共性应用支撑平台成果发布会在中国科学院空天信息创新研究院举行，旨在保障国家民用空间基础设施规划的卫星数据能够满足资源高效利用要求，降低各行各业应用技术门槛，开发遥感应用共性产品和共性技术体系。通过云平台开展在线服务，大大降低技术和数据的使用门槛和使用成本。在提供高质量数据服务的同时提高数据复用度，真正实现从宏观影像级的对地观测到微观信息级的分析研判；从单次信息服务到年度業务外包；单一信息产品到决策支持系统的遥感服务升级，满足社会对于高精度、高质量、高安全性的时空信息服务需求。

遥感与人工智能技术结合，是空天信息产业带动科技创新的重要方向

随着遥感数据量的激增，遥感数据应用的巨大市场需求和传统遥感技术服务提供的时效性、遥感图像解译能力之间还存在着鸿沟。数据服务的连续性、技术门槛高等诸多因素仍然限制其广泛应用，亟需一种更加便捷、高效的技术手段来弥补。世界正在大踏步迈进人工智能时代并发展迅猛。遥感是一个与人工智能紧密关联的学科领域，遥感卫星应用与大数据、云计算、人工智能等技术的紧密结合，为大规模、高质量、快速响应提供了契机。中国工程院院士王家耀认为，人工智能算法、大数据、计算能力这“三驾马车”是地理信息产业和时空数据应用转型升级的关键。如今，地理信息产业正朝着时空数据应用到时空大数据应用方向转型升级，与人工智能、云计算和大数据等技术手段的融合发展已是必然趋势。作为空间信息技术的前沿应用之一——遥感技术与人工智能技术的结合，将人工智能赋能遥感技术，使海量遥感信息的高效存储、快速处理、实时共享成为可能。一方面，大幅缩短遥感图像解译周期、提高解译精准度；另一方面，必将催生新的遥感应用领域和新型社会服务模式。

第一，遥感信息智能提取。

遥感数据种类繁多、来源广泛。空间分辨率、时间分辨率和光谱分辨率不尽相同，有的影像看它是辆车，而其他影像看它却是个点，这就是分辨率不同所致。不同影像，市场的不同精度和时效性要求等都给遥感数据的工业化处理带来挑战，使得遥感影像地物的识别不能像人脸识别那样成熟、快捷、满足应用。因此，如何实现一站式遥感数据解译分析服务，满足多种应用场景需求，是科研界、产业界共同努力的目标。通过深度学习人工智能技术促进解决海量遥感影像信息提取难题，是有望促进遥感影像规模化应用发展的重要途径。

智能遥感解译是深度学习与遥感应用深度耦合的交叉领域。应用人工智能技术实现遥感影像的自动解译意义重大。智能遥感解译技术可广泛应用于国土资源与环境监测、农作物监测与估产、森林碳汇估算等许多领域。

遥感影像是“对着地球表面拍照”，包含的就是我们身在其中的千变万化、多姿多彩的地球信息。要把里面的每种目标信息都挑选出来并不是件容易的事，通用的人工智能方法在遥感智能解译方面遇到了挑战。众所周知，人工智能的三要素是数据、算法及算力，遥感智能解译也有三大核心要素：遥感影像样本库、遥感解译算法模型、算力支撑平台。目前虽然国内外科研界和产业界已经先后制作了大量遥感影像样本库，在一定程度上发挥了积极作用，但从产业角度来讲依然不够成熟；算法模型更是因影像和目标的千差万别而各自不同，还需要更多的投入形成应用范式才能满足工程化需求。中国科学院院士龚健雅把智能遥感解译研究面临的挑战概括为：首先，大规模样本库是遥感智能解译的数据驱动，但目前遥感领域尚无大规模“像素—目标—场景”多层级多任务，涵盖目标检索、目标检测、地物分类、变化检测、三维重建的开放解译样本库；公开数据集缺乏统一格式接口和标准规范，不能满足遥感智能解译要求，亟需突破已有样本库的不完善造成的模型局限性，使得样本库智能扩展与精化，实现样本库的可持续构建；其次，通用深度学习网络难以用于遥感地物分类等应用场景，还没有达到商业化应用水平。在遥感专用深度学习框架模型中，需要顾及多维时空光谱特性，满足高效灵活的内存自动扩展、尺度与通道的自适应优选要求。最后，虽然通过遥感深度神经网络可以训练专用模型，但算力不足问题突出，未来数据集丰富后，如何高效利用已有算力解决自然地理要素地物分类等难题仍是很大挑战。

解决以上问题，要从智能遥感解译的科技创新和产业发展上同时着手。一是从样本规划、质量评估着手。围绕多源遥感影像智能解译及测试需求，制定遥感标注数据的标准化方案，开展适合于遥感影像深度学习的自动与半自动样本标注工具设计，探索适合于遥感深度学习的样本质量评估方法研究，推动样本规范化及多源遥感数据样本平台建设。二是制定遥感大模型、遥感模型发展方向。针对遥感影像特点和应用需求，研究遥感影像深度神经网络开源架构与模型，基于海量影像数据开展适应遥感特性的遥感网络通用大模型研究，立足于遥感应用需求促进不同行业的遥感AI智能算法设计，推动小样本条件下速度快、范围广、效果好的遥感影像信息转化能力，满足国计民生方面需求。三是算力基础设施充分利用现有通用硬件平台。笔者在《搭乘“算力高铁”地理信息产业将迈进“大数据时代”》一文中提到依托国家“东数西算”重点工程，搞好集约型算力基础设施建设，有序组织、充分发挥各地方政府智慧城市建设构建的数据中心算力资源潜力，为大规模智能遥感解译工作提供硬件支撑条件。四是注重科技创新与产业发展“两条腿”走路。建立健全新形势下院企合作、校企合作资源共享机制。如武汉大学测绘遥感信息工程国家重点实验室与华为集团公司开展深度合作，致力于打造遥感影像样本库和遥感影像专用框架，为自然资源监测、社会经济发展评估、灾害应急等重大科研任务提供技术、平台及应用支撑，助力建设中国遥感科研生态圈，推进中国遥感产业化应用。中国科学院空天信息创新研究院近年先后研制发布了“新一代智能遥感分析（Intelligent Remote Sensing Analysis， IRSA）系统”和“苍灵”遥感大数据信息智能提取与可视化分析平台以及“空天·灵眸”跨模态遥感数据生成式预训练大模型。通过AI+遥感，让每个像元释放价值，构建遥感建制的专用深度学习框架，满足遥感影像分割分类、目标识别、变化检测等需求，实现了从原始卫星影像到遥感专题信息产品生成全流程、自动化、流式快速产品生产线，实现了遥感信息产品“近实时”生产以及算法与产品的持续“进化与迭代”，已在自然资源调查监测、国防安全等领域实现高效规模化应用。

从未来产业应用方向来看，人工智能特别是深度学习方法已经在遥感目标与场景识别、信息提取、地物分类、变化检测等方面取得重要研究进展，但总体上还没有达到广泛的应用水平。只有依托科技进步、产业发展，推动产学研充分融合，才能在拥有我国安全自主的人工智能核心技术和基础设施建设基础上，进一步解决人工智能方法在遥感自动解译方面存在的困难，助力智能遥感解译研究创新突破，实现产业生态繁荣。

第二，时空智能知识服务。

空天信息技术與人工智能技术相结合，衍生了一系列交叉应用。基于遥感影像提取出的信息在应用于业务分析时，通常还需要与测绘地理、网络媒体、物联网、传感网等多类型数据相结合。针对特定业务需求场景，以数据为依据、以专业知识为准绳，开展精细化分析服务。遥感与测绘地理技术的发展，使得各类数据具备了时间与空间特征，形成时空数据甚至是海量时空大数据，成为开展时空大数据智能分析的数据基础。龚健雅院士指出，与计算机视觉和深度学习等人工智能领域具有的相对完善的理论与方法不同，对物理世界和人类社会认知与推理的人工智能理论与方法目前还不够成熟。相比之下，认知与推理是一种更广义的智能，在时空大数据挖掘和智慧城市等方面大有用武之地。

中国工程院院士陈军专家工作团队在广州组织开展时空知识服务创新技术研究。他们建设了国内首个面向自然资源调查监测和国土空间规划领域的时空知识服务平台，目前已投入运行。“时空知识服务创新技术研究，就是融合人工智能、时空大数据等先进技术手段，研究时空知识建模、知识提取和加工，深度搜索、智能表达、时空演化、知识推理等关键技术，实现从提供数据信息服务向提供知识服务跨越。”

什么是“时空知识”？时空知识就是人们对特定时间和特定空间范围内所包含事物的概念、性质、状态和变化规律的客观认知。这些知识能够帮助人们以客观理性的态度，通过可精确描述或可量算的手段来认知世界，提供某种事物在特定时间和特定空间范围内的概念、性质、状态和变化规律等价值信息。在“互联网+大数据”时代，“数据海量、信息爆炸、知识难求”的困境在各行各业普遍存在。然而，地理信息自身并不天然具备领域专家知识，更谈不上认知智能。因此，当前迫切需要一种方法，从大量时空数据中自动整合地理信息，使得地理信息知识与领域专业知识有机融合，能够进行逻辑推理，具备基于专家知识导引的决策判断能力。比较典型的应用如台风登陆后移动路径上的各时段和地点降水量预报、台风途径区域环境要素和水淹区域计算模型，这些都是典型的时空知识集，利用该知识可以在台风到达前预知易发洪涝的时段和地段，指导提前采取人员疏散等防御措施。

在时空知识服务召引下，时空信息与知识图谱珠联璧合、相得益彰。2019年，北京科委发布了科技计划项目：面向现场应急处置的非常规突发事件快速协同感知技术研发与应用。旨在针对林火应急指挥决策需求，将卫星监测下的森林火点发现、景区建筑物、道路等地理信息数据，与气象数据、植被数据和地面传感器数据等环境信息数据，以及林火蔓延计算模型、疏散救援路径规划模型、消防员易伤亡地段风险规避模型等领域专家知识有机融合成为一个整体，为地方政府灾害风险管理、消防救援应急指挥提供辅助决策支持。中国科学院空天信息创新研究院国家遥感应用工程技术研究中心时空智能研究团队承接了该项技术攻关任务。通过为期三年的深入研究，初步构建起跨领域时空知识图谱知识服务原型系统，将遥感信息智能提取结果交送给具有时空基准框架的知识图谱，并结合气象、地形、地貌等地理信息形成时空知识图谱数据底座，进而与领域专家知识相结合形成完整的知识服务系统。这套系统能够自如匹配各类业务应用场景，通过设计时空知识图谱业务服务数据框架，建立起时空知识概念体系，将遥感信息、地理信息、专家知识以及物联网、传感网数据等融为一体，实现多源异构数据语义化和时空化拓展以及数据、专家知识的关系映射。

那么，“时空知识”是如何与人工智能相结合的呢？由于时空知识涉及对于事物的时间描述和空间描述，可大可小，可远可近，可长可短。因此，理论上可以承载的数据量和信息量将会巨大，而可供分析计算的途径和方法也会更多。比如，森林火灾的历史火点信息和山体滑坡的历史滑坡点等这类灾害点信息背后，都有其内在客观成因。如敏感的气侯、易燃的植被或危险的地形，这些都是林火发生重要因素；再比如地质岩性、地形地貌、持续降水量等，都是造成滑坡的影响因素，这些都可以算作典型的时空知识。由于人类个体信息获取能力和分析效率的制约，目前大部分自然信息尚未被充分挖掘和利用，因而沒能在关键时机（例如应急抢险救灾时）发挥出应有价值。而在人工智能时代，人们只要利用多机并发的协同计算能力，通过深度学习算法、图神经网络等进行数据挖掘和数据分析，便有机会在短时间内大量模拟和重复使用人类运用时空知识的行为过程，从中获得非常有价值的结论，在很大程度上使人类具备在短时间内有效获取和使用大量时空知识解决诸如灾害应急等实际问题的能力。知识可以时空化，时空也可知识化。我们把这种时空化后的知识，利用知识图谱人工智能手段来深度分析，从而得出符合事物客观实际的规律。

在时空知识图谱构建过程中，需要从时空信息和专家知识中抽取出以“三元组“（SPO主谓宾）为表现形式的时空知识。传统自然语言处理技术模型（NLP）局限于语言理解和手动特征工程，可扩展性受到限制。目前，以人工智能技术GPT系列为代表的大型语言模型（LLM）能够更好地理解自然语言的语义和上下文，因而可以更准确地抽取出三元组语义信息，是一种新型的文本知识抽取途径。此外，其他时空数据如气象、植被、地形、地貌等都要进行实体、关系和属性的知识抽取，最终表示为三元组形式。这些抽取出来的信息通过对齐处理实现了时空数据知识的有机融合，并以统一的三元组形式进入图数据库存储起来。进一步，基于时空知识图谱自身特有的推理机制，在跨领域多源异构数据共性框架约束下，元组时空数据根据需要，在不同层级、不同时间、不同空间位置，依据事先制定的专家知识规则，自如地进行知识推理与智能计算，如此得以提供跨领域多场景的时空知识服务。

由上可见，要进一步在各行业领域内开展基于海量时空数据的智能知识服务研究，领域专家知识必须与时空数据以及具体业务应用场景深度融合，以时空知识图谱这一天然桥梁进行元组化表达，形成原子级事物表达单元。可以设想，当我们把所有地球表面数据都元组化并进行储存，就形成了元组地球数据底座。如此一来，各领域时空数据和专家知识都将基于这个元组数据底座进行关联，所有业务都在其上承载和发展，是否想象空间无限？

“人工智能遥感技术发展有其综合性，不仅仅只依赖于遥感与人工智能自身的技术迭代和发展，影响算法的计算机技术、影响容量的存储技术、影响数据精度和频度的航天技术、影响数据完备性的互联网、物联网信息共享技术乃至数学、神经科学等与之相关联各个领域的技术与理论革新都会在很大程度上影响着人工智能空天信息行业的前行速度，这将是一个庞大的系统工程。”道阻且长，征途漫漫，唯有科技引领和产业支撑，方得始终。

第三，卫星智能发展潜力。

很多场景下都需要非常快速而及时的数据支持，我们可以设想这样一个场景：在前面提到的北京科技计划“林火现场指挥应急决策示范”项目里，用于林火应急决策支持的时空知识服务数据包括：监测火点的GF4号卫星、葵花八号卫星、NASA卫星；检测林火风险区承灾体建筑物、道路、植被、水体等地物的高分辨率遥感卫星系列，这些从卫星影像里面获取的信息会作为主力参与到时空知识服务的阵列中。但目前从拿到卫星影像到通过技术手段提取出火点信息及地物信息，数据处理工作主要都是在地面通过人工作业完成。因此，从卫星拍照、数据传输到信息提取还需要耗费一定甚至较长的时间，很多时候无法满足及时快速、客观准确的要求。如果有机会将数据处理阶段上移到卫星端呢？这样就可以在星上完成拍照、检测甚至提供简单知识服务，更为复杂的任务则通过天地交互完成。

这样的场景构想，实际已经走近智能卫星概念。事实上，随着卫星星上数据采集呈现出海量爆发趋势，卫星端历史数据以及未来还将获取的数据日益增长，海量程度超乎想象。随着卫星组网及卫星分辨率越来越高，给星上存储、星上计算和星上传输等卫星处理能力都带来巨大挑战。这些需求牵引出目前比较前沿的一个概念：卫星即服务——太空里的边缘计算，把需要在地面完成的代码任务提交到卫星上去操作实施，这也是一种革命性的卫星使用开发方式。设想，如果没有在卫星端做智能化数据处理和边缘端应用，全部要等到下载到地面后才能使用，可能短则小时计，长则数天，卫星数据及其服务的时效性将大打折扣。总而言之，卫星数据量的海量爆发及其应用的高时效性带来更高的星上处理需求。

已有研究表明，除了供应链、元器件等核心环节，人工智能是对于卫星能够满足时效性应用的一个重要考量因素。除了传统的星上数据处理，以前主要是做一些简单矩阵运算或普通CPU控制操作之类的数据处理；现在通过引入神经网络算法，在卫星端可以做更多应用。但卫星端要求在低功耗条件下开展工作，人工智能芯片专门针对神经网络进行了优化，具备低功耗、高算力，能处理很多AI算法场景，促进了卫星智能化发展。如星上在轨处理基于AI目标识别算法直接提取遥感卫星影像数据特征目标，或基于AI算法开展遥感卫星影像数据压缩等。技术的持续进步将使卫星服务能力逐步提高，并最终为复杂的人工智能算法提供动力。在轨道上加载对人工智能机器学习进行更多处理的硬件将变得日益重要。

总之，卫星的工业化发展必将带动其智能化发展。星链计划把工业体系引入卫星行业，卫星制作成本大幅度下降，将需要专门定制、吨量级生产、数以亿计的卫星制造，转变为星链单星成本不到400万元人民币的卫星工业化、批量化时代。进一步，实现卫星智能化，加强底层计算架构设计和操作系统及应用生态打造，是科研界、产业界携手开展科技创新和产业发展的共同方向。

时至今日，空天信息技术的发展已经风劲潮涌，势不可挡。科技界创新不断，产业界繁荣兴盛。科技创新和产业发展从来就是一对孪生体，在相互依托、相互支撑中共同成长。由科技引领前行的空天信息领域与人工智能技术协同发展，更需要产业与科技的相辅相成。路途虽远，行则将至。科技创新，插上产业发展的翅膀，行而不辍，未来可期。

（作者均为中国科学院空天信息创新研究院研究员）

【参考文献】

①李萌：《2021中国的航天》，新华社，2022年1月28日。

②Huang Jiang：《中国空天信息产业应用领域及发展前景报告》，中研网，2022年5月9日。

③《科学与中国——院士专家巡讲报告集（第一辑）》，北京：北京大学出版社，2006年。

④袁帥：《稳投资加码发力新基建注入新活力》，《经济参考报》，2022年6月20日。

⑤徐红、郭仁忠：《测绘地理信息行业要走向更高的山峰，看到更多的风景》，《中国测绘》，2021年第6期。

⑥王治强、童庆禧：《航天对地观测是国之重器》，财经网，2021年11月28日。

⑦王家耀、武芳：《地理信息产业转型升级的驱动力》，《武汉大学学报（信息科学版）》，2019年第1期。

⑧陈阳：《搭乘“算力高铁” 地理信息产业将迈进“大数据时代”》，《中国测绘》，2022年第8期。

⑨龚健雅：《人工智能时代测绘遥感技术的发展机遇与挑战》，《武汉大学学报（信息科学版）》，2018年第12期。

⑩龙锟、陈军：《从数据到知识，让地图更“聪明”》，《广州日报》，2021年11月22日。

陈若男、彭玲、刘玉菲等：《引入空间距离信息的城郊山区道路提取与应用》，《中国科学院大学学报》，2022年第5期。

宋敦江、杨霖、钟少波：《基于BERT的灾害三元组信息抽取优化研究》，《中国安全科学学报》，2022年第2期。

张琳、夏天：《畅想下一个十年的新技术-遥感AI解译技术》，慧天地微信公众号，2020年1月17日。

与子同袍：《太空里的边缘计算，卫星即服务Satellite as a Service》，知乎网，2020年9月12日。

Founder 100：《星测未来 曹德志：卫星智能化如何解决太空数据应用难题？》，极客公园微信公众号，2022年7月21日。

责编/谷漩 美编/李祥峰