NASA與IBM開源首個月球基礎模型:兩百萬影像切片、四項任務數據整合,權重與代碼全球釋出
NASA與IBM於2026年9月18日開源首個月球基礎模型,釋出權重與代碼並整合LRO等四項任務、九臺儀器的逾三十個數據層,本臺整理模型輪廓與數據規模。
2026年9月18日,NASA與IBM共同宣布開源「NASA-IBM Lunar Foundation Model」,模型權重與代碼向全球研究者開放下載,可用於微調與各類試驗。這是首批專門面向月球科學、可公開取得的人工智慧分析工具之一,目標是把數十年來分散在不同任務中的月球觀測數據,轉化為可重複使用的研究素材。發布內容已上架 Hugging Face,模型卡與後續下遊模型一併公開。
NASA在官方說明頁將此模型定位為月球科學的基礎設施。所謂基礎模型,指的是先在大規模、多來源數據上預訓練,再依具體任務微調的通用架構。NASA與IBM過去已在氣候與地球觀測領域合作推出過同類模型,這次是雙方首次把合作範圍延伸到月球。
訓練數據規模:兩百萬切片,LRO 為主體
模型的訓練素材以 NASA 月球勘測軌道飛行器(LRO)的觀測為主。LRO 自 2009 年入軌,至本次發布時在軌約 17 年,覆蓋絕大部分月面。依 NASA 公開資料,LRO 累積的數據量超過 NASA 其他行星任務的總和,這也是它被選為訓練主力的原因。
具體到訓練數據的組成:模型共使用約 200 萬個月球影像切片,其中包含超過 100 萬張來自窄角相機(NAC)的 1 公尺解析度影像,以及近 96.4 萬張 100 公尺解析度的多光譜影像。窄角相機提供細部地形資訊,多光譜影像則記錄月面物質的光譜特徵,兩者在模型中被合併處理。
除了 LRO 的光學數據,訓練集還融合了其他任務的遙感與地形資料,包括 GRAIL 重力測繪任務、Lunar Prospector,以及日本宇宙航空研究開發機構(JAXA)的 SELENE(輝夜姬)任務。多國、多世代的任務數據在同一模型中被整合,是這次發布在技術層面的主要特徵。
數據層整合:九臺儀器、四項任務、三十餘個對齊數據層
配合模型一同發布的數據集,整合了九臺儀器、四項任務的觀測成果,整理成三十多個空間上相互對齊的數據層。NASA與IBM在說明中直言,這一步是為了解決月球迷留已久的工程問題:不同任務的解析度不同、載荷規格各異,研究者過往難以把這些數據放在同一個分析流程裡調用。
換句話說,這次發布的價值有兩層。一層是模型本身,可直接下載微調;另一層是經過空間對齊處理的配套數據集,降低了後續研究者重複整理數據的成本。兩者都以開源形式提供,權重與代碼均可在 Hugging Face 的 nasa-ibm-ai4science 集合頁面取得。
應用方向:隕石坑測繪、火山地貌識別與極區水冰評估
依 NASA 官方頁面列出的方向,模型的下遊應用集中在三類任務:隕石坑測繪、火山地貌識別,以及月球極區水冰潛力評估。前兩者屬於地形與地質分類問題,過往需耗費大量人工標註;後者則與未來月球探測選址直接相關,極區永久陰影坑內的水冰被視為載人登陸與長期駐留的關鍵資源。
科學網(sciencenet)轉載的中文報導亦確認了上述應用方向與數據規模,與 NASA 官方頁面及 Solidot 的記載一致。截至本臺整理時,各方訊源對模型參數量、具體架構細節著墨有限,公開資料以數據構成與應用場景為主,技術報告的完整內容仍有待後續跟進。
脈絡:NASA 與 IBM 的開源合作軌跡
NASA與IBM的人工智慧合作並非首次。雙方先前曾基於 Harmonized Landsat Sentinel-2 衛星數據訓練地理空間基礎模型,同樣以開源形式釋出,供農業、氣候與土地利用研究使用。此次月球模型延續了「官方任務數據加企業算力與工程能力、成果開源」的合作模式。
從更大的背景看,近年陸續有機構把基礎模型推向行星科學領域,例如Google Research 曾為火星車任務發布可用於火星地形分類的視覺模型。NASA與IBM這次的發布,則是目前少數以「全球開放權重、配套對齊數據集」形式推出的月球科學模型。同類開源趨勢也可見於國內外其他研究機構,例如先前報導過的螞蟻百靈開源 Ling-3.0 Base 模型連同訓練中途 checkpoints 一併放出,顯示「連中間產物也開放」正成為部分機構的開源實踐方向,儘管兩者所屬領域並不相同。
可核實資訊的邊界
綜合各方訊源,可確認的事實包括:發布時間為 2026 年 9 月 18 日;發布方為 NASA 與 IBM;模型名稱為 NASA-IBM Lunar Foundation Model;訓練數據約 200 萬個影像切片,其中 NAC 影像逾 100 萬張、多光譜影像近 96.4 萬張;配套數據集整合九臺儀器、四項任務、三十多個空間對齊數據層;權重與代碼透過 Hugging Face 公開。
尚未在公開資料中獲得充分交代的資訊,則包含模型的參數規模、訓練算力消耗、下遊任務的基準測試成績,以及微調後在具體地質分類任務上的實測表現。這些細節是否會隨後續技術報告補齊,本臺將持續跟進 Hugging Face 頁面與 NASA 官方管道的更新。
主題