遥感AI的中国困局：数据不开放，再强的算力也是徒劳

事件概述

中国在轨遥感卫星数量超过100颗，位居全球第二，拥有充足的AI人才和算力，但目前缺乏一个可直接使用、经过充分预训练的国产遥感基础模型。核心原因是遥感数据获取成本高、审批流程复杂、使用限制严格——高校课题组申请高分数据可能需要数月周期和数万元费用，这直接阻碍了AI模型的快速迭代和试错。相比之下，欧美头部遥感基础模型（如Prithvi、AlphaEarth、Clay）均依赖Landsat、Sentinel等完全免费公开的数据集，其成功本质是数据治理能力的胜利，而非单纯技术胜利。

核心信息

1. 数据封闭是中国遥感AI的结构性短板。欧美已在“开源数据+AI模型”的飞轮上运行两年，AI领域两年可能形成数代模型代差。中国可采取渐进改革路径：先开放10米以上分辨率数据用于科研，再逐步向商业用户放开，设立由主管部门统一管理的“遥感AI共享数据集”。
2. 中国在特定垂直场景有弯道超车机会。农业遥感（全球最丰富的农作物监测需求）、灾害应急（全球最丰富的真实灾害场景）、城市扩张监测（全球罕见的城市化速度）三个场景数据密集度高，场景驱动模型精度可能反超通用模型。
3. 基础模型商业化需“国家队+企业”双引擎。国家队（如中科院空天院）负责开源基础版本以弥补战略短板，不追求商业盈利；商业航天企业联合AI企业开发场景化大模型，实现细分场景突破。

三阶段追赶路线图

• 破冰期（2025-2026）：出台≥10米低分辨率遥感数据开放路线图，启动1-2个国产遥感基础模型项目，利用国际公开数据训练原型模型，关键标志是在开源平台发布第一个遥感基础模型权重。
• 筑底期（2027-2028）：国产模型在农业、灾害应急场景达到Prithvi对标水平，商业航天企业AI收入占比从约5%以下提升至约20%以上，涌现3-5家纯AI遥感初创公司。
• 超越期（2029-2030）：至少一个国产模型进入全球前三，在应急减灾、农业场景形成“中国方案”并输出海外，出现估值10亿美元级别的商业遥感AI企业。

核心风险

• 数据开放无法取得实质性突破，整个路线图失去基础。
• 追赶型节奏导致“永远差一代”，需在特定场景建立差异化优势而非硬拼通用模型。
• 复合型人才因国内数据限制难以产出世界级成果，可能流向欧美或其他赛道。
• 最坏情况：3年后欧美模型已商业化，中国因无自主基础模型且无法合规使用海外模型，在遥感领域沦为全球价值链中的“被服务者”。

结论

遥感AI的竞争表层是模型和算力的竞争，深层是数据治理机制的竞争。美国40年前制定的Landsat开放政策在AI时代兑现为核心优势。中国需在安全与发展之间尽快找到可行的平衡点，越早决策越能避免差距扩大。