由南澳大學和 SmartSat 合作研究中心的研究團隊成功將 NASA 和 IBM 開源的 Prithvi 地理空間人工智慧（AI）基礎模型上傳並在兩個軌道平台進行了演示，使其成為首個部署在軌道上的地理空間基礎模型。Prithvi 經過 13 年的數據訓練，能夠支援多樣化的地球觀測任務。
研究人員將 Prithvi 的壓縮版本上傳到南澳政府的 Kanyini 衛星，以及國際空間站上 Thales Alenia Space 的 IMAGIN-e（ISS Mounted Accessible Global Imaging Nod-e）載荷，並在兩種不同的軌道平台和計算環境中測試了該模型在洪水和雲層偵測方面的性能。該團隊在一篇預印本文章中分享了他們的研究成果。
該團隊選擇 Prithvi 是因為它在地球觀測任務中具有強大的通用性，並且是一個開源模型。
「如果 Prithvi 不是開源的，我就必須自己訓練一個基礎模型，」該專案的主要研究員 Dr. Andrew Du 表示，他是阿德萊德大學的博士後研究員，也是 SmartSat 合作研究中心的 AI 工程師。「這個模型公開可用，節省了大量的時間和精力。」
基礎模型是一種在海量未標記數據上訓練的 AI 模型，這使得模型能夠開始偵測人類自身無法注意到的數據模式。然後，該模型可以使用少量的標記數據進行微調，以適應特定應用。
「Prithvi 是同類中首個部署在軌道上的模型，這恰恰證明了我們為何要將 AI 模型開源，」位於華盛頓的 NASA 總部首席科學數據官 Kevin Murphy 表示，他的辦公室領導了創建 Prithvi 的合作。「透過與任何人分享這些工具，我們正在加速未來的科學和技術發展。」
Prithvi 地理空間模型由 IBM 和 NASA 馬歇爾太空飛行中心數據科學與資訊學辦公室內的 NASA IMPACT 團隊的數據科學家共同開發，並在 Harmonized Landsat and Sentinel-2 資料集上進行了訓練。該資料集匯總了 NASA Landsat 和歐洲太空總署（ESA）Sentinel-2 衛星十多年來的全球地理空間數據。Prithvi 可以應用於繪製洪水區、監測災害和預測作物產量等任務。
地球觀測衛星收集了關於我們星球的海量數據。在衛星將數據傳回地球之前，在軌道上處理和分析數據可以幫助研究人員更快地獲得見解。然而，活躍的衛星由於頻寬限制，通常無法接受大型軟體更新，因此它們用於數據分析的 AI 模型往往較輕量級且高度專業化。
研究人員可以利用基礎模型的靈活性，在單一軟體架構中支援廣泛的地球觀測任務。如果他們希望模型在衛星進入軌道後執行新任務，只需上傳一個小型額外的解碼器套件，其頻寬消耗遠少於上傳整個新模型到衛星。
將 Prithvi 送入軌道是基礎模型如何改變地球觀測的早期演示。除了數據分析，基礎模型最終還可以幫助科學家與收集數據的儀器進行互動。
「大型語言模型也是一種基礎模型，」Du 說。「未來，這將使操作員能夠以自然語言與衛星互動，詢問有關機載數據或系統狀態的問題，並以對話方式獲得回應。」
Prithvi 背後的 NASA 團隊繼續致力於開發基於 NASA 數據訓練的開源基礎模型。2025 年發布了一個名為 Surya 的日物理學模型，該團隊還計劃為行星科學、天體物理學以及生物和物理科學創建基礎模型。
Prithvi 地理空間基礎模型由位於華盛頓的 NASA 總部科學任務理事會下的首席科學數據官辦公室資助。首席科學數據官辦公室透過數據科學、高級分析和人工智能的創新應用與合作夥伴關係，推動科學發現。