13518219792
作为一种可以渗入千行万业的通用技术，AI经常可以让一门听上去“古老”的技术，瞬间焕发新的想象力。比如遥感，这个中国人并不陌生的技术词汇。
所谓遥感，一般指运用遥感器对物体的电磁波的辐射、反射特性进行探测。通过远离目标和非接触的方式，来判断和识别探测目标。这种技术一般应用于空中平台，比如卫星、航空器、无人机等等。
在100年前，现代地理学和测量学当中，已经诞生了遥感科学的前身。1972年，美国宇航局发射了搭载有遥感器的地球资源技术卫星ERTS-1，宣告了现代遥感技术正式到来。
这门在数十年间帮助人类认识地球的技术，今天正在与AI技术展开一场充满想象力的邂逅。但是二者的结合并不那么容易。端侧AI算力的突破，算法模型的深度学习，正在成为AI+遥感产业，乃至冉冉升起的空间智能领域，不可或缺的产业基石。
比如说，今年6月，武汉大学测绘遥感信息工程国家重点实验室与华为携手举办了遥感图像稀疏表征与智能分析竞赛。这场旨在推动“空间信息稀疏表征与融合处理”的相关理论与技术的发展的比赛中，参赛选手将使用华为智能计算新产品Atlas 200 DK开发套件，在对应遥感图像测试数据集上实现算法模型的推理计算。
今天我们可以以此为契机，探讨一下遥感邂逅AI的价值与需求。
当遥感邂逅AI，新机遇也是新挑战
从现代遥感诞生之日起，在两弹一星项目的帮助下，中国一直是遥感技术的核心参与者。自70年代到如今，我国已经发展出了完善的遥感相关学科以及多元化的应用领域。在环境遥感、大气遥感、资源遥感、海洋遥感、地质遥感、农业遥感、林业遥感等领域，都有着大量的应用实践与前沿探索。
到了今天，遥感技术主要面对的机遇与挑战，是让这门技术普惠化落地，推向各行各业，甚至让遥感走入工农林业的垂直生产周期，成为城市规划、防灾救灾等领域的“一线工作者”。这其中有很多技术难点，就遥感科学本身是无法独立攻破的。比如说在无人机遥感领域，图像识别的周期长、从采集数据到应用数据的需要消耗大量时间与人力成本，就成为了遥感进入各行业的主要制约点之一。
而这个问题，恰好可以交给AI来解决。
我们知道，以深度学习代表的本轮AI技术，带来了一个重要能力，就是机器视觉技术体系。其中图像识别、图像处理、动态识别、图像分类等能力，恰好可以作用于遥感数据中。在理想状态下，实现从数据到有效结论信息的自动化识别和推理。
目前，国内已经有众多AI公司、研究机构参与到了AI+遥感产业的融合中，在自动化图像处理、遥感数据解译等领域完成了大批高质量算法开发。去年，中国首个遥感人工智能应用技术研究中心在重庆成立。目前，我国在农业、工业、路网、气象、水利、建筑等领域，都已经展开了遥感+AI的探索布局。
综合来看，目前业界对“智能遥感”的主要理解是，AI技术可以在遥感领域，提供主动、实时化、自动纠错的图像识别与推理能力。
具体到跟各行业垂直应用息息相关的无人机遥感，AI可以带来如下几项帮助：
1、完成大量自动识别工作，实现遥感数据到可用数据的自动化处理。
2、缩短遥感数据使用流程，通过自动识别、自动预处理，让遥感结果可以实时被读取和利用，从而让实时化的遥感+作业联动成为可能。
3、用算法还原图像数据，降低环境与天气带来的影响。无人机遥感要面临诸如复杂地形、雨雾天气等影响因素，而通过特定算法的还原，这些影响因素可以部分消弭。
4、降低人工消耗，提高测绘效率，并且在部分领域实现预警式遥感，比如我国目前在滇藏、青藏等高原公路路段，已经采用AI+遥感技术，来主动发现泥石流、塌方路段。
然而罗马不是一天建成的。虽然遥感与AI的结合可以解决大量问题，构建新的想象力。但是在真实结合中，依旧将面对不少产业障碍。
比如说，上文提到AI算法可以提高实时化自动识别遥感图像的能力，但在实际运用中。遥感卫星和无人机要将数据上传到云端，在数据中心进行处理后再回传，依旧无法达到实时化的效果。上传云端行为，限制了行业应用AI遥感技术的可行性，比如在很多涉及国计民生的行业并不适合大量数据上云。
为此，好的解决方案是让无人机、遥感器等端侧设备上可以进行AI运算，数据本地预处理，实时贴近生产流程。然而产业现实是，目前AI+遥感行业中，绝大部分企业主要解决的是算法问题。然而算法问题需要有效的网络环境、计算环境去保障。就像再好的家电，没有电也是白搭。
于是我们可以看到，在遥感体系中硬件层面，尤其是边端侧的AI算力供给变得十分重要。
另一个方向来看，AI虽然降低了识别遥感数据所需的人力消耗，但复杂的硬件环境，很可能带来更多的AI技术人才消耗。而在目前产业环境下，AI硬件人才的成本是更大的。所以说，在硬件端保证遥感体系中，AI能力的兼容性和环境可用性，也是一个重要问题。
好在边端侧的AI算力解决方案已经在产业中浮现，比如说华为的Atlas智能计算产品，就带给遥感行业一个令人惊喜的突破：让AI算力飞在空中。
飞翔的AI算力
上文的逻辑中，我们讲述了这样一个现状：遥感想要走进各行各业，就需要加强无人机遥感的应用性。其中核心问题在于，要让无人机本身具备相对充沛的AI算力，让图像处理、图像识别、环境识别等相关运算，直接发生在设备当中。这样一方面避免了数据上传云端可能带来的安全问题，同时也加快了处理速度，缩短业务流程。
总而言之，这个问题目前最有效的解法，需要让AI算力飞起来，在无人机本身加装AI芯片。
飞在天空中的AI加速能力并不容易，这需要充沛的AI算力、多链路视觉数据处理能力，以及无人机场景中的环境适应性来进行集合保障。
回到武汉大学测绘遥感信息工程国家重点实验室所举办的比赛中，参赛选手们将使用Atlas 200 DK AI开发者套件来完成数据算法模型的推理计算。试想一下，如果不仅仅是算法侧引入华为Atlas智能计算平台，同时在无人机设备上搭载华为Atlas 200加速模块(Atlas 200 AI加速模块，是一个嵌入式AI模块，主要就是用于摄像机，无人机，机器人等硬件的端侧AI加速。在视频分析领域，可以处理16路高清视频的实时分析。而与之相配套的Atlas 200 DK AI开发者套件，可以在30分钟内完成开发环境搭建，提供高达16TOPS INT8的算力性能。)遥感将在端测和算法侧都得到强大的AI算力赋能，必将大大提升遥感测绘中的工作效率。
Atlas 200还可以与华为的全栈全场景AI能力与Atlas系列化产品相结合，在云端一体化和多设备计算领域获得更好的兼容性，有效应对AI+遥感可能需要的复杂解决方案部署和云端一体化应用。
AI算力飞在天上，仅仅是智能遥感大幕的一角。向更远处看，我们可以发现Atlas 200代表的机器视觉与万物相联模式，正在有效形成各产业的突破机遇。万物的智能迭代，都不可避免要从一枚芯片开始。
万物“芯”开始
综合来看，当Atlas 200走进无人机遥感空间，可以看到这样几个应用场景获得了突破：
1、增强了实时化图像识别与图像预处理能力。让农业灾害的实时分析，抗灾调度，以及路况、山体检测预警等实时化应用效率加强。
2、基于本地计算的安全性保障，提升终端处理能力，让电力、矿山，电力系统的遥感工作可以更好应用AI能力进行遥感测绘，提升了遥感技术的工业级应用能力。
3、Atlas系列产品的高性价比、主流算力特质，可以更好支持真实的产业项目落地，帮助产业完成低成本、低门槛部署AI遥感，并且可以避免出现大规模部署中的断货缺货状态，构筑更完善稳妥的供应链，让农业等需要广泛部署AI遥感的长尾产业获得了应用可能。
总体而言，Atlas让智能遥感可以真正在硬件通道上走入千行万业，让智能遥感技术一定程度上达成实时化、工业级、低门槛，适配各行各业的需求。
同时应该看到的是，这三点综合下来，就是让机器视觉能力高效率、高安全性、低成本地走入行业。目前这一能力并非仅仅被遥感领域需要，在大量需要应用视觉识别、图像与视频处理的行业当中，端侧AI加速都是必不可少的产业基座。
比如公共场所和交通场景中的智能摄像头、智能园区的门脸识别解决方案、导览机器人的视觉系统等等，都需要快速易获取，能够高效支撑产业应用的端侧AI算力。
万物智能，要从万物有“芯”开始。Atlas 200让AI算力飞翔在空中，遥感落地千行万业的故事，或许可以看作一个“公式“。它复用到今天无数产业端口中，构成真正的普惠AI蓝图。
