知识卡片：AlphaEarth Foundations——以空前细节绘制地球地图

一句话结论

AlphaEarth Foundations 是一个整合 PB 级地球观测数据的 AI 模型，能够生成统一的地球数字表征，使科学家更准确、高效地监测全球土地利用、森林、水资源等变化，其卫星嵌入数据集已通过 Google Earth Engine 开放。

事件概述

2025 年 7 月 30 日，Google DeepMind 与 Google Earth Engine 联合发布了 AlphaEarth Foundations。该模型如同“虚拟卫星”，通过融合光学卫星图像、雷达、3D 激光测绘、气候模拟等多种公开数据，以 10×10 米方格为单元，对全球陆地和沿海水域进行精准分析和长期变化追踪。为解决数据过载和不一致问题，模型为每个方格生成高度紧凑的 64 维嵌入摘要，存储空间仅为其他 AI 系统的 1/16。相关成果已发表在论文中，并同时推出年度卫星嵌入数据集（Satellite Embedding dataset），包含超过 1.4 万亿嵌入足迹。

方法/产品要点

• 数据融合：整合来自数十个公开来源的多模态数据（光学、雷达、激光、气候模拟等）。
• 统一嵌入：生成 64 维嵌入向量，作为每个 10×10 米方格的高效数字表征，计算机系统可直接处理。
• 性能优势：与传统方法和同类 AI 系统相比，平均错误率低 24%，在标签数据稀缺时表现尤其突出。
• 云端开放：数据集已集成在 Google Earth Engine 中，供全球组织使用。

主要结果或产业意义

• 合作伙伴反馈：超过 50 个组织参与测试。例如，全球生态系统图谱（Global Ecosystems Atlas）利用该数据集帮助国家分类未测绘的生态系统（如沿海灌木地、超干旱沙漠）；巴西 MapBiomas 团队用于更准确、快速地制作农业和环境变化地图。
• 应用领域：食品保障、森林砍伐监测、城市扩张追踪、水资源管理、生物多样性保护等。
• 效率提升：生成自定义地图的速度和精度大幅提高，此前难以实现的“按需生成全球一致地图”成为可能。

为什么重要

AlphaEarth Foundations 解决了地球观测数据长期存在的碎片化与不一致性问题，提供了一个统一、高效且持续更新的“地球底图”。它使科学家能够跨越不同卫星和传感器，获得连续、可比的地表信息，从而在关键决策（如保护区规划、气候行动）中拥有更可靠的依据。未来还可与 Gemini 等通用推理 LLM 智能体结合，拓展为更强大的地理空间 AI 工具。

局限与不确定性

• 局限性：原文未明确提及模型的具体局限性。可推测其嵌入空间可能存在类别边界模糊、对罕见地貌覆盖不足等问题，但需进一步确认。
• 不确定性：每年生成 1.4 万亿嵌入足迹，长期计算与存储成本及持续更新机制的具体策略尚未详细说明；模型对云层、阴影等干扰的鲁棒性描述有限。

可用于图书/PPT/简报的角度

• 技术革新：AI 如何将 PB 级卫星数据“压缩”为可操作的 64 维向量，改变遥感分析范式。
• 全球合作：联合国粮农组织、斯坦福大学等机构如何利用开源数据加速生态保护。
• 实时地球监测：从“单次过顶”到“连续虚拟卫星”的跨越，对农业、防灾、城市规划的潜在影响。
• 数据民主化：Google Earth Engine 上的开放数据集使得低资源国家也能进行高精度土地分类。

原始材料

• 来源标题：AlphaEarth Foundations helps map our planet in unprecedented detail
• 来源 URL：https://deepmind.google/blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail
• 关键词：AlphaEarth Foundations, satellite embedding, geospatial AI, Earth observation, mapping
• 发布日期：2025 年 7 月 30 日