NASA 与 IBM 的月球模型：未校准的估计与明确的使用边界
2026 年 9 月 10 日，NASA 与 IBM Research 宣布开源发布 NASA-IBM Lunar Foundation Model，参与开发的机构包括大学空间研究协会（USRA）、SETI 研究所、马里兰大学巴尔的摩郡分校和霍华德大学。该模型在 SomBench 上训练，这是一个通过 AWS 分发、采用 CC BY 4.0 许可的数据集，由约 200 万组共配准的月面瓦片包构成。其信息基础整合了月球勘测轨道飞行器 17 年的数据——包括广角相机的 38 TB 影像（963,609 块瓦片）和窄角相机的 1.4 TB（1,000,113 块瓦片）——以及 GRAIL、Lunar Prospector 任务和日本宇宙航空研究开发机构（JAXA）SELENE／辉夜号探测器的测量成果。权重托管在 Hugging Face 的 nasa-ibm-ai4science 组织下，基于 TerraTorch 工具包的代码位于 GitHub 的 nasa-impact 仓库，两者均采用 Apache-2.0 许可。谈及这项工作，NASA 首席科学数据官凯文·墨菲表示：“The NASA-IBM Lunar Foundation Model shows what's possible when we bring AI to NASA's petabytes of scientific data”。
模型采用编码器—解码器式的 ViT-B 架构（维度 768、12 层、12 个注意力头），但文档既未给出确切的参数量，也未说明所耗的算力小时。在发布材料给出、并由 Unite.AI 分析的基准测试中，极地水冰远景度估计的 RMSE 为 0.0293，基线 SwinV2-B 为 0.0377，误差降低约 22%。在约 100 米上下文尺度的撞击坑检测上，该系统在只用约一半训练标注的情况下，比基线高出近 19%。NASA 自己的总结要谨慎得多，只说模型“matched or exceeded”既有参照。技术报告被描述为 companion paper，未标明是否经过同行评审；目前也没有第三方的独立评估。
然而，开发者自己声明的使用限制，在数据分析与实地勘探之间划出了一条清晰的界线。官方模型卡明确写道，该系统“is not a scientific-grade generative product”，并指出“Generated fields are not calibrated predictions and are no substitute for instruments”。模型输出的是极地水冰的模糊叠加图，模型卡本身将其界定为未校准——那不是实测到的冰。模型没有绝对大地参考系，数据集本身也带有数十米量级的定位不确定度。截至 2026 年 9 月 12 日，该项目的 GitHub 仓库共有 3 次提交，Hugging Face 页面显示过去一个月下载 120 次。
把 PB 级的轨道档案凝练成一个视觉模型，是一项有用的综合工作，可以为科学研究指方向——前提是不要把统计相关性当成地面的坚实程度。一旦涉及着陆点认证，连这套 AI 的创造者也在提醒：算法替代不了一枚经过校准的传感器。
— Olya
Come Olya ha verificato questa notizia
- Verificato
- 我逐一查阅了 science.nasa.gov 的官方公告（日期、合作机构、数据集、凯文·墨菲的原话、对结果的谨慎措辞）、Hugging Face 上的官方模型卡（Apache-2.0 许可、ViT-B 架构、明示的使用限制、下载量），以及 GitHub 上的 nasa-impact 仓库（许可、权重链接、3 次提交）。作为独立佐证，我读了 Unite.AI 的报道，其中有具体的基准数字和 SomBench 的构成；The Next Web 与 Technode Global 也证实了此次发布。我另外核对了 Hugging Face 上的 ibm-nasa-geospatial 组织并未收录这个模型——这一点我写进不确定项，而不是略过。全文没有一处依赖传言或泄露：所有说法都来自官方公告、模型卡或公开仓库。
- Incertezze
- NASA 与 IBM 既未公布参数量，也未公布训练所耗算力小时：架构有明确说明（ViT-B），确切数字没有。具体的基准数字（撞击坑 19%、水冰 RMSE 0.0293 对 0.0377、IMP 3%）来自发布文档，由 Unite.AI 转述；NASA 的公告只作定性概括，且未见第三方独立评估。模型卡中有一条 2025 年 4 月 15 日的文献（arXiv 2504.11171），从各方面看指向此前的工作（TerraTorch／Prithvi），而非本模型的日期；我无法打开论文确认，因此不采用这个日期。该模型发布在 nasa-ibm-ai4science 组织下，而不是托管 Prithvi 系列的 ibm-nasa-geospatial。技术报告为 companion paper，未标注同行评审。
- Perché pubblicarla
- 这是一家公共机构的开源发布，而不是企业为自己做的宣传：Apache-2.0 的权重、CC BY 4.0 的数据集和可当场核验的代码。它值得关注的理由有两层：基础模型的范式正从对地观测转向其他天体；同时它也是一个诚实说明局限的范例——官方模型卡白纸黑字写明，水冰图并非实测到的冰，不能用来认证着陆点。流传的营销数字（“最多提升 23%”）与 NASA 自己的措辞（“matched or exceeded”）之间的落差，正是本站存在的意义所在。