商汤科技张琳：AI+遥感能够擦碰撞出什么样的火花？-泰伯网

到2025年，亚洲市场规模预计达2亿美元，市场体量非常大。它并不是作为独立解决问题的方式存在于大多数场景，而是需要和传统的3S技术、物联网、区块链、大数据时代结合。

3月17日，商汤科技遥感事业部总经理张琳做客WGDC在线直播，阐述AI+遥感=?

张琳全面负责集团遥感事业部的组建，业务整体规划和执行，同时负责集团在上海及周边地区重点商务合作伙伴的开发、合作资源的开拓及战略项目的落地执行，推动商汤科技在新兴创新业务上的快速发展。

在加入商汤科技之前，张琳曾任新加坡亚太交易所联合创始人，协助公司成功获批新加坡金融监管局MAS颁发的衍生品交易所和清算所牌照并组建香港分公司。此外，她先后在香港交易所集团市场发展部及上市科任职，并持有上海交通大学学士和伦敦政治经济学院研究生学位。

在这次直播中，因张琳临时有事，商汤科技遥感事业部夏天代为进行。夏天详细介绍了AI遥感产业的市场，他表示：2020年，亚洲市场规模预计达1亿美元，到2025年，亚洲市场规模预计达2亿美元，所以说市场体量是非常大，遥感它并不是作为独立解决问题的方式存在于大多数场景，而是需要和传统的3S技术、物联网、区块链、大数据时代结合。

以下为夏天直播内容要点：
一、遥感视角下疫情与中国
二、AI遥感产业市场
三、政策支持及利好
四、人工智能遥感解译的困难。
五、AI遥感解译技术
六、发布国内首个在线智能遥感解译平台SenseEarth智慧地球
七、AI遥感应用实例——澳洲袋鼠岛大火纪实

一、遥感视角下疫情与中国

大家好！我是商汤科技遥感事业部夏天，临时代替我们遥感事业部总经理张琳，借WGDC在线直播平台给大家做一个汇报，今天我演讲的题目，AI+遥感能够擦碰撞出什么样的火花？

对于遥感人，我相信很多友商或是科研院所，都非常关注“中国速度”，商汤科技也是一样，在火神山医院建设的全过程中，我们做了一个全流程的工程观测，并利用AI遥感技术对里面的内容做了分析，在2019年9月30日，战疫最前线的堡垒火神山医院还是一片祥和，当时我们对建设之前的用地做了基本分类，然后进行信息统计，经过AI解译的算法，得到的建筑面积大概是6000左右，现在已经是火神山医院的地方，植被覆盖大概有7万多平方米。我们进行全流程的观测，黄色的框是遥感解译分析出来的关于工程建设用地，蓝色的框是在建工地，可以很明显的看到绿地在逐步减少。

2020年1月30日，遥感影像可见施工已基本完成医院整体场地平整、基础混凝土浇筑等工作；2020年1月31日，医院场地整体基建工程基本完成，集装箱式病房陆续进行安装完毕；2020年2月2日火神山医院竣工并完成交付。在这个地方我们做了统计表，然后大概得出的分析结果是，火神山医院从2019年9月30日到它竣工的变化情况，可以看出建筑和施工的工地是在稳步上升，裸地是从开始的增加到最后有部分的裸地变成建筑，而本来的植被面积是大幅度的缩减，这里面的所得结果，是通过人工智能解译而非传统人工标注的方法得到的结论，和实际的对比效果来说，应该还说是不错的。

美国在一月份和二月份，对中国整个二氧化氮浓度的整体观测。二氧化氮是机动车，发电厂工业基础设施，排放的最重要的污染废气。那么通过遥感视角，可以关注到这样的变化，在青岛西海岸工业园区的运行状态图中，它实际上是在复工以后，我们可以看到，通过一些热红外或者近红外波段的观测，可以看到部分工厂已经开工，从遥感的视角看到国家的复工情况，通过分析热源、灯光等信息，分析到人群的聚集，工业的复工或是生产能力的复工的程度，以及大致的宏观经济分析。

二、AI遥感产业市场

从70年代航空遥感开始，到对地观测的遥感卫星一直都在发展，只不过是从2015年开始，全球活跃遥感卫星数量以较高的速度增长，2013-2018年的年复合增长率CAGR达到30%，卫星数量的发射是急剧攀升，其中商业卫星的占比高达45%。那么过去在遥感应用上，更多的是数据不够丰富、数据源不够多、卫星观测的频次不够密集，或者说数据质量难以支撑我们进行很有效的产业化应用。

随着卫星数量的增多，数据源也是极大增多，并且卫星本身的航天技术也在提高，从最早几十米的最高空间分辨率，现在已经达到亚米级，甚至有0.1米空间分辨率的卫星观测能力。那么卫星数量和数据源的增加，会对遥感应用上带来新的机遇，如何更好的运用这些数据？

遥感卫星发射数量的激增，意味着“无米下锅”的时代将彻底结束，各种新的应用场景都需要高度定制化的数据分析能力。过往我们可能更多的是依赖人工，比如说有一种职业叫做判图员，他最重要的工作就是人为识别各种各样地物类型在卫星上的表示。

这是一个非常劳动密集型的表现方式，效率低且受限于专业人员的专业水平，很难去支撑大范围的落地应用。我们需要找到新的途径去来解决这样的问题，这是全球对地观测数据分析市场体量，它基本上和卫星同步，从2016年到现在，及往后5年的预测，也是保持在一个30%的复合增长率，它是来自于NSR的分析。

从分析的数据指出，到2020年数据分析的整体体量将超过5亿美元，现在北美的市场比较成功，但是在亚洲、一些中东部或非洲国家，可能它的市场潜力在，但是并没有得到很好的挖掘，也受限于各种技术原因。

2020年，亚洲市场规模预计达1亿美元，到2025年，亚洲市场规模预计达2亿美元，所以说它的市场体量是非常大的，从我个人从业多年的看法来说，遥感它并不是作为独立解决问题的方式存在于大多数场景，而是需要和传统的3S技术、物联网、区块链、大数据时代结合，我今天主要讲的是跟人工智能的结合，共同地发挥应有的效率作用，所以说它的应用非常广泛。

过去我们可能更多的是一种To G的模式，因为遥感卫星数据影像的特点范围广、精度稍差、获取相对容易，以及价格相对便宜，并且有大量历史存档数据的优势，所以在各种各样的优势和劣势结合起来，导致以前市场是用政府来买单，也就是说遥感的应用主要来自于政府。

那么To B、To C特别是商业用户、企业用户来用遥感，可能体量比较小，本身在传统上能够做的事情相对少，市场份额就没有更多的扩展开。但是随着各种能力的提升，现在遥感数据作为另类传感器数据的一种，它无论是在传统的保险、期货的大范围分析，甚至到具体的农业上的运用，对投资公司的宏观分析，比如分析一块地皮或开发区的商业价值等，开始逐渐的往To B甚至往To C上面会有一定的过渡。虽然它的范围还是以大范围需求的客户为主，但是随着各种各样的技术涌入，在To B的市场里面，在未来会有一席之地。

三、政策支持及利好

政策推动国内卫星遥感数据服务产业高速增长，高分卫星应用是国家战略性重大工程、受政策大力支持。那么也就是说，我国已经付诸于行动的制定政策和鼓励措施，使卫星资源进入产业化，走进商业航天的范畴。

2019年5月，第二届数字中国建设峰会上，国家航天局发布《国家民用卫星遥感数据暂行管理办法》，这个暂行管理办法是会把原来国家的数据、卫星的政策使用，纳合法合规的进程。由国家推动数据共享、技术共享，推动遥感应用产业化。

2019年8月，第二届遥感应用技术论坛中指出“2018年我国的卫星遥感市场规模约为74亿美元，机构预计到2023年，这一场规模将达105亿元。那么如此庞大的市场就会推动各种资本的涌入，各种技术的更新迭代，也会给我们企业或者是相关的机构带来很大的信心。

另外一个利好比较有意思，2020年1月，特朗普政府采取措施限制人工智能软件的出口，以期将敏感技术排除在中国等竞争对手的控制之下。但是实际上对国内的人工智能企业，或者遥感领域、传统技术，它实际上是一个利好消息。

它其实是美国打商业战，从农产品上升到科技链条上的延续，到后面它还有更多的限制，虽然说他现在限制的是更多的偏向军事应用，但明显的信号是他已经开始对这种技术和软件的交流进行限制和禁运。

美国特朗普政府高估了自己的技术，也低估相关企业对中国市场的依赖，中国遥感技术、人工智能技术在世界上都处于领先地位，虽然与美国可能还会在某些领域有些差距，但是总体来上说是不弱的。如果美国要实现禁运，在市场上无疑是给我们发展留出空间，如果美国再进一步扩大的话，全世界各个地区的用户，对于美国产品的信心也将会受到打击。

四、人工智能遥感解译的困难

虽然说国家已经在发展航天技术开放、数据共享政策，鼓励产业化，鼓励各种龙头企业的诞生，鼓励产业链的健康发展，但还是存在政策开放速度慢的问题。中国虽然说是遥感大国，但是目前可分析数据也只有遥感卫星发射数量一项，其他的数据都很难进行分析，绝大多数的应用都是对政府的服务，在To B这一段是非常的不足的，给政府服务时也同样有问题，就是政府没有那么多的遥感技术人员，或者在有些政府上面他并不太懂，不太认可这个技术。

虽然说商业遥感卫星向民间资本完全开放，但是在应用方面，如果不能和各行各业，比如说农林水环境、智慧城市等的去深度结合，就很难打破它传统的应用模式。而中国地信的数据和信息的开放速度，很明显的是阻碍了遥感和解译成果的应用和发展。

还有一个比较有意思的就是所谓的无声抵抗，还是跟政府相关，因为遥感的卫星数据以及解析出来的结果，除了本身技术上的一些结果，在定性上面，它是一个非常客观真实，不容有任何改变，你也无法去改变或者人为去操纵的。这样就带来一个问题，原来的人工解译遥感图像，它是人为可控、可预知的。但是如果把它变成一个不可控的方式，在某些方面会增加政府执政上面的风险。遥感揭露的信息不对称的本质，在遥感的应用上有的时候是一把双刃剑，这个地方就不做过多的深入讨论。

人工智能遥感解译的技术难度还是比较高的。特别是人工智能技术在全世界范围内大部分是基于深度学习的方法，需要有大量的样本数据，并且要被正确标注好的样本数据。

获取这些数据是非常困难的，而遥感你需要去解译的对象，无论是农业、林业或者各种各样稀奇古怪的建筑，哪怕是小目标识别上的汽车、飞机、船舶等，它在不同的情况下，所标注出来的样本，有的时候也会产生一种过拟合的现象，也就是说区域获得标注的数据成本本身就很高，然后获得到的这些样本数据，用它进行训练，过程中也会出现很多问题。可能模型A在A省有用，拿到B省就不可用，那么这就是一个普世性的问题。

另外地理信息它有别于传统人工智能用到的，比如解译人脸的语义信息是非常不明显的，需要更多的算法模型和模型的优化来支撑解译的实际业务场景。如果通过人去解译一件事情，假设精度是80%，那么你用人工智能的方式，你去解译一件事情的时候，既投入了成本，又投入了精力，并且有比较高的期望值，这个时候对人工智能的期望值比人为的还要高，那么怎么去满足它？

还有比如要识别一个苹果，它可能在平原地区是一种表示，比如山东的苹果你识别出来非常的好，但是把它移到陕西去，可能你的模型就不适用了。所以说在这种地域上的限制、模型的复杂性、样本获取的难度等，带来的技术难度就会相应的提升。

我们现在也在做很多方面的尝试和努力，比如我们做一些样本克隆，或者说是样本自身的一个衍生，然后在深度学习方面，原来最基础的是通过大样本的训练，慢慢的想基于小样本训练去减轻这种困难，但是我们未来要走的路还是挺长的，当然我们也看到了很多希望，也做了一些工作，后面我会再跟大家着重的介绍一下。

五、AI遥感解译技术

传统遥感影像识别面临的挑战，解译精度不足以满足应用需要；自动化程度不足，现存的遥感图像识别方法过程复杂依赖人工干预；不易操作，以来作业员的经验水平；无法满足面向海量遥感数据的快速处理需求；大量存量数据价值未被有效利用。

解译精度不足以满足应用需要。解译精度授权于两个方面，一个是本身的数据源，图像的质量或是精度。目前提到的高分辨率的卫星遥感数据，高分辨率实际上是三个意思，最普通的高分辨率是空间分辨率，我们大家能够理解的零点几米、一米、两米这种叫空间分辨率，实际上还有时间分辨率和光谱分辨率。

而随着空间分辨率，现在卫星的数据普遍已经到了亚米级，制约行业应用或者制约应用到扩展的时候，更多的是来自于对时间分辨率上的要求，也就是说用户需要一个高频次的连续观察，而卫星在设计的时候，可能更多的时候为了提高分辨率，降低了幅宽，导致回访周期到20天、40天的时间。

自动化程度不足，现存的遥感图像识别方法过程复杂依赖人工干预。要知道遥感本身学科相对来说比较小众，可以用到遥感技术领域，或是机关单位、政府、企业来说，遥感人才完全是不够用的。过去自动化程度不足，很多地方希望用到遥感手段，但是不会用，能否设定一种自动的方法，傻瓜式操作，从提供图像到提供结果到分析，可以在本地完成，不需要专业人员去指导如何一步步的进行解译、标注、分析、处理、统计等。

不易操作，依赖作业员的经验水平。以前遥感的解译技术，虽然说有辅助的软件来协助，更多还是通过人为操作，是纯人工或者说是半自动化，特别是在对高精度地图的更新、林业图版的变化，城市的变化，去看两幅图不同，会带来极大的人工操作的工作量。

自动化程度不够，智能化水平不够带来的直接的影响，就是处理的实效性不够，可能一幅图，一个专业人员要做精标细标的话，可能要一个工作日，那么在面对这么大的数据量的情况下，明显时效性跟不上。这些种种的就导致了有大量有价值的数据是没有被利用，也就是说存储的影像数据没有进行一个很好的数据挖掘。

在未来不仅可以对新获取的数据进行一些分析，大量的历史存量数据，也可以从中挖掘出巨大的商业价值。

六、发布国内首个在线智能遥感解译平台SenseEarth智慧地球

将来为解决这个问题，我们引入了人工智能和遥感结合的概念，为了让人工智能提高精度，提高效率以及让它变成全自动的，让它可以更好的落地生根到不同的行业和细分领域，让更多完全不懂遥感，但是又有遥感业务场景需求的人可以用到遥感。

我们基本的技术，就是把来自太空的地理信息观测和深耕多年的神经网络解译，以及超大规模并行计算的能力，结合成全球范围内的智能分析结果。利用AI+遥感将海量的卫星影像通过原创的人工智能算法，转化成一种全新的角度去理解地理信息，包括目标检测、用地分类、变化监测等。

去年在泰伯网举办的WGDC2019大会上，我们发布国内首个在线智能遥感解译平台SenseEarth智慧地球，把我们的算法和能力提供到网上，让用户可以体验人工智能解译。关于SenseEarth智慧地球2.0支持用户上传他手上的数据，然后用我们的模型套到他的数据上面进行遥感解译，并且可以下载解译的结果，我们的愿景是打造国内首个互联网云遥感解译平台。