NASA-IBM Lunar Foundation Model 开启月球测绘，但尚不能承担任务控制

IBM 与 NASA 发布了 NASA-IBM Lunar Foundation Model。该模型基于约 200 万块月球影像切片训练而成，覆盖了两个差异显著的空间尺度。这套开源系统为研究人员提供了统一起点，可用于绘制陨石坑、研究火山地貌，以及估算极地冰层可能保持稳定的区域。

此次发布改变了科学家处理来自不同仪器、跨越数十年观测数据的方式。团队不再需要针对每个研究问题从头构建专用模型，而是可以在一个预训练的月球表征模型上进行适配。模型及其训练资源已向公众开放，降低了 NASA 和 IBM 以外机构的使用门槛。

这种开放性也带来了核心张力。可复用的基础模型能够整理碎片化观测数据，并缩小科学价值较高地点的搜寻范围。然而，它无法认证着陆区、确认冰的存在，也不能取代经过校准的仪器。因此，真正的竞争并非 IBM 与其他 AI 供应商之间的较量，而是可复用的开放模型与面向特定任务、经过运行验证的分析方法之间的比较。

NASA-IBM Lunar Foundation Model 将数据档案转化为研究基础设施

此次发布将大量月球观测资料转变为可复用的研究层，而非一套完成的导航系统。

NASA 于 2026 年 9 月 10 日宣布发布该模型，这是其与 IBM Research 及多家学术机构广泛合作的一部分。该机构称，这是首批专为月球科学开发的开源 AI 模型之一。其权重托管在 Hugging Face，配套代码则通过 GitHub 提供。

官方发布公告称，该系统主要基于 Lunar Reconnaissance Orbiter，即 LRO 的观测数据训练。该任务已用 17 年时间收集月球详细信息。NASA 表示，其产出的数据量超过该机构其他所有行星任务数据量的总和。

训练使用了超过 100 万张高分辨率相机影像，分辨率约为每像素 1 米；同时还纳入近 96.4 万张多光谱影像，分辨率约为每像素 100 米。这些数据源使模型能够同时接触局部表面细节和更广泛的区域模式。

其他输入数据来自 NASA 的 GRAIL 和 Lunar Prospector 任务，以及日本的 SELENE 任务。这些综合资料涵盖影像、地形、重力、温度、矿物、雷达、照明及与氢相关的信息。不同仪器的覆盖范围并不相同，因此并非每个地点都拥有全部测量数据。

最终系统属于基础模型，即先学习广泛表征，再适配到更具体的任务。这不同于仅为探测陨石坑或分割某一种地质特征而构建的传统流程。研究人员可以利用规模较小的标注数据集，对这一通用骨干网络进行微调。

NASA 初步重点介绍了三项应用。第一项是识别和测量陨石坑，其中包括尚未被编目的较小陨石坑。第二项是绘制不规则月海斑块图，这类异常火山特征或有助于阐明月球的热演化历史。第三项是估算极地冰资源潜力。

冰资源潜力是对与稳定冰层相关条件的预测，并非对水的直接测量。这一区别很重要，因为可获取的月球水资源可用于饮用水供应、制氧和推进剂生产。一张有价值的地图可以帮助确定后续调查的优先级，但本身无法证实资源是否可用。

该模型还在一次前后对比测试中探测到 Einstein crater 附近新形成的陨石坑。研究人员将撞击后的影像排除在预训练数据之外，随后让系统适配识别表面变化。NASA 表示，不同观测条件下的照明差异仍可能影响较小陨石坑的可见度。

此次发布的重要性在于，它提供的不只是模型权重。IBM 和 NASA 还发布了适用于机器学习的数据集、基准数据集合、代码和技术文档。这一组合让独立团队能够复现实验、检查局限性，并开发新的月球应用，而无需重建整条数据处理流程。

关键变化在于获得了一个共同基础。此前，一个研究团队可能需要投入大量精力寻找数据产品、对齐坐标、统一分辨率，并准备特定任务的输入。此次开源月球 AI 发布将其中一部分成本高昂的准备工作转化为共享基础设施。

月球数据需要的不只是更好的影像

月球虽已被广泛观测，但由于传感器以截然不同的尺度测量不同现象，其数据依然难以整合。

一张相机影像只能呈现月球地形的一个视角。科学家可能还需要高程、坡度、温度、雷达响应、表面成分、重力、照明条件，或冰稳定性模型。每类测量回答的问题不同，也各自具有不同的分辨率、覆盖范围和不确定性。

尺度差异尤其显著。LRO 的 Narrow Angle Camera 可以以约每像素 1 米的精度分辨地形。部分重力观测则描述以每像素数公里计的结构。整合这些数据源并不等同于将几张普通照片叠加在一起。

光照带来了另一项挑战。月球几乎没有大气散射阳光，因此地形会产生强烈眩光和深邃阴影。随着观测和照明几何条件变化，陨石坑边缘的外观可能截然不同。忽略这些条件的算法可能会将光线变化误判为地形变化。

该模型通过将采集几何参数作为明确上下文输入来应对这一问题。输入包括太阳入射角、出射角、相位角和方位角信息，以及切片坐标和地面采样距离。系统不必仅从可见像素中推断全部光照条件。

其设计还将月球观测视为不同模态。模态是一种特定的测量形式，例如反射率、地形或重力。在系统学习它们之间关系之前，针对各模态的专用标记化处理会保留这些区别。

根据公开的模型卡，预训练覆盖了 11 种模态和两个空间尺度。数据集包含 963,609 个广角数据包和 1,000,113 个窄角数据包。每个数据包汇集了对齐至同一区域的测量数据。

这两类数据之间存在 100 倍的分辨率差距。项目没有完全训练彼此独立的骨干网络，而是采用混合分辨率流程来更新同一组权重。FlexiViT patch embedding 是一种让视觉 Transformer 适应不同图像块尺寸的方法，它支持后续微调，无需重新训练骨干网络。

该架构基于 ViT-B 编码器和解码器。视觉 Transformer，即 ViT，会将影像划分为图像块，并学习这些图像块之间的关系。发布的配置采用 12 层、12 个注意力头的编码器，以及匹配的 12 层解码器。

预训练需要 16 个 H100 图形处理器、150,000 个优化步骤，以及约 1,100 GPU 小时。这些数字说明了共享模型为何具有价值。单个科学团队可以从发布的检查点开始，而不必重复完整且计算密集的训练过程。

IBM 和 NASA 对 TerraMind 所采用的掩码标记方法进行了适配。TerraMind 是 IBM 与 European Space Agency 开发的地球观测模型。训练过程中，系统学习从周围的多模态上下文中重建选定信息。这鼓励模型捕捉观测之间的关系，而不是记忆单一分类目标。

当某项测量稀疏、存在噪声，或仅在部分区域可用时，这一机制尤其有用。它可以帮助研究人员检验多个数据源是否共同指向一个有前景的区域。但在没有仪器采集数据的地方，它并不能生成权威测量结果。

因此，NASA-IBM Lunar Foundation Model 首先解决的是数据整合问题，而非某一个具体的科学问题。它的核心资产是跨仪器的统一表征。陨石坑探测、火山地貌测绘和冰资源潜力估算，都是这一表征可如何适配的示例。

这一区分使此次发布保持了务实定位。该系统不是供宇航员使用的聊天机器人，不是自主月球车驾驶员，也不是月球的数字复制品。它是一个遥感骨干网络，旨在帮助研究人员从经处理的月球数据集中提取模式。

开源月球 AI 对任务专用模型提出挑战

IBM 和 NASA 押注于：一个可适配的月球统一表征能够减少重复工作，同时不牺牲专业任务上的表现。

传统科学机器学习通常从一个明确目标开始。研究人员收集标注样本、选择架构，并为该目标训练模型。以这种方式构建的陨石坑探测器可能表现优异，但其学习到的特征和准备工作未必能顺利迁移到冰层研究。

NASA-IBM 的方法颠倒了这一顺序。它首先从广泛、且大部分未标注的月球观测数据中学习，随后研究人员再根据问题，将这一通用骨干网络适配用于探测、分割或回归任务。

探测用于定位陨石坑等离散目标。分割则将图像区域划分为不同类别，可用于勾勒不规则月海斑块。回归用于估算连续数值，例如冰资源潜力评分。这些任务仍需要标注和评估，但不再从随机模型权重开始。

该项目测试了多种适配策略。全量微调会针对新任务更新完整模型；冻结编码器只改变任务专用组件；低秩适配，即 LoRA，则训练新增的小型矩阵，同时保持大多数原始权重不变。

IBM 表示，其 LoRA 实验冻结了基础模型 90% 的权重。模型卡建议将 LoRA 作为默认方案，因为它在陨石坑探测中达到或超过全量微调的效果，并在分割任务上保持竞争力。它在重复运行中的波动也更小。

这种效率对规模较小的研究团队尤为重要。训练基础模型需要大量计算硬件，但适配已有模型所需资源要少得多。开放权重将昂贵的通用工作前移，同时仍要求科学团队负责自身的标注、评估和解读。

该策略也支持更一致的比较。如果多个团队采用相同的骨干网络和基准定义，就能研究性能差异究竟来自数据、适配方式还是任务设计。这并不能消除方法论分歧，但为研究人员提供了更清晰的共同参考。

公开代码库将该模型与 TerraTorch 集成，后者是一套面向地理空间基础模型的开源工具包。配置文件涵盖了已发布的下游任务。研究人员可以检查训练选择，而不必只依赖托管界面。

Apache 2.0 许可证允许在其条款范围内进行广泛的复用、修改和分发。这使 NASA-IBM 模型不仅仅是一次受控演示。高校、航天机构、企业和独立研究人员都可以利用自己的数据和方法对其进行测试。

然而，开放可用并不等于人人都能使用。用户仍需要具备遥感专业知识、拥有合适的计算资源、使用经过正确配准的数据，以及具备科学上站得住脚的标签。一个可下载的检查点并不能解决这些要求。

竞争压力落在面向特定任务的技术路径上。如果一个共享的预训练模型反复以更少的标注数据达到相当的性能，团队就需要有充分理由，才能为每项新任务从头训练新的骨干网络。这个理由可能是更高的准确率、更清晰的校准、更低的运行成本，或是对某一特定仪器更好的适配性。

共享模型并不会自动胜出。专用系统可以更直接地编码领域假设，而且可能更容易针对狭窄用途进行验证。它们还可以避开无关模态，或在实际运行环境中降低计算开销。

尽管如此，IBM 和 NASA 已改变了默认的问题。月球研究人员如今可以在投入一条独立管线之前，先询问新的应用是否能从这一通用表征中获益。即使尚未立即部署到任务中，这也是科研软件开发中的一次实际转变。

IBM 和 NASA 月球 AI 的表现如何

最强的基准测试结果出现在冰资源潜力预测上，而陨石坑和火山相关结果则需要更谨慎地解读。

该项目将月球基础模型与多种成熟的计算机视觉骨干网络进行了比较。这些基线包括 ResNet-50、ConvNeXt 变体、SwinV2、DaViT，以及一个采用掩码自动编码训练的视觉 Transformer。分割任务的比较还包括 DeepLabV3+ 和 SegFormer。

在使用完整训练集进行广角陨石坑检测时，表现最佳的适配版 NASA-IBM 模型取得了 0.2581 的平均精度均值。最强的已发表基线结果为 0.2420。在仅使用一半陨石坑训练数据时，该月球模型达到 0.2541，而基线为 0.2313。

模型卡指出，使用 50% 陨石坑标签进行预训练的变体，已能达到或超过使用全部可用标签训练的 SwinV2。这一结果支持了其标注效率方面的优势。它表明，广泛的月球预训练捕捉到了对后续检测任务有用的特征。

但在 1 米尺度下，差异微乎其微。月球模型达到 0.1543，而最强基线达到 0.1552。研究人员将这些系统描述为性能相当，因为这一差距小于多次重复运行之间的波动。

在窄角陨石坑基准测试中，整体性能也较低。该数据集的一部分以较模糊的 5 米尺度进行了标注，尽管其搭配的是米级影像。冻结的月球编码器表现接近随机初始化模型，表明仍有必要进行适配。

对于不规则月海斑块分割，表现最佳的月球配置取得了 0.5709 的交并比得分。最强基线达到 0.5687。交并比衡量预测区域与标注参考区域的重叠程度。

同样地，这一微小领先并不能确立决定性的排名。重复运行之间的离散程度大于两者之间的差距。更重要的是，随机初始化的月球架构降至 0.3142，表明即使最佳系统的最终成绩接近，预训练仍带来了显著价值。

冰资源潜力预测给出了最清晰的结果。适配后的 NASA-IBM 模型记录的均方根误差为 0.0293，而最强基线为 0.0377。数值越低，说明估计结果越接近基准目标。

IBM 将此描述为误差降低了 22%。其研究概述将部分优势归因于模型对多种数据类型的处理方式。每种模态都会先经过预训练的图块适配器，然后其 token 才会被合并。

相比之下，传统比较模型将八个图层作为输入通道，通过一个公共 stem 输入。随机初始化的月球架构在这一基准上已经超过六个 ImageNet 预训练基线中的五个。月球预训练带来了剩余的性能提升。

一项消融实验——即通过移除输入以测试其贡献——还带来了另一个值得注意的结果。仅使用坡向、坡度和建模冰稳定性深度的月球模型，大致可媲美使用完整八层堆栈的 ConvNeXt 模型。这表明该架构能够高效利用选定的模态。

这些数字仍需要结合背景理解。这些基准衡量的是相对于特定准备目标的表现，而不是载人探索场景中的成功程度。冰资源潜力预测使用的是知识驱动的参考地图。它并未将预测结果与一份完整、经物理测量的月球冰清单进行比较。

基准数据集也存在局限。模型卡指出，窄角预训练依赖于具备可用立体地形模型的地点。它覆盖了分布在月球各处的 1,095 帧影像，但并非全球高密度覆盖。

因此，这个开源月球 AI 模型获得的是可信的研究成果，而非运行认证。它在四项已发表基准上表现出竞争力，并在一项多模态任务中展现出最大优势。独立复现将决定这些收益能在多大程度上迁移至其他区域、标签、仪器和科学问题。

开放模型仍存在严峻的科学局限

该模型能够识别有前景的模式，但其自身文档明确排除了将这些模式作为直接运行证据的做法。

最明确的限制涉及大地测量学，即用于定位地表特征的精确测量与参考框架。该模型并不维持绝对大地测量参考框架。它可以复现局部地形结构，但同时可能偏移高程，或生成与正确位置相距甚远的纬度和经度值。

这一限制使研究人员无法将生成输出视为可直接用于任务的地图。即使一个陨石坑轮廓看起来令人信服，如果其坐标或高程参考发生漂移，也并不足够。着陆分析需要可追溯的几何信息、经过校准的观测数据，以及审慎管理的不确定性。

开发者明确表示，该模型尚未针对着陆点认证或危险排除进行验证。这些任务关系到航天器和机组人员的安全。它们所要求的证据标准，远高于研究基准测试中的性能表现。

生成的场也缺乏经过校准的预测含义。该模型可以生成看似合理的跨模态输出，以便检查其学习到的内容。这些输出属于定性检查，不能替代仪器、立体摄影测量或正式的大地测量解算。

关于冰的主张尤其需要谨慎。该模型估计的是与一张基于温度、地形及其他相关信息构建的冰资源潜力地图的相似度。它并不探测或测量地下沉积物。高分应当引导进一步调查，而不是证明存在可开采的水。

基准设计也带来了另一层不确定性。IBM 和 NASA 尚未分离几何 token、混合分辨率训练和月球预训练在所有任务中的各自贡献。冰实验提供了部分证据，但并不能解释所有性能提升。

较小的评估集进一步限制了强结论的成立。对于标注示例有限的任务，少数困难图块就可能改变关键指标。研究人员报告了多个随机种子下的波动情况，这有所帮助，但在新区域上进行独立测试仍然至关重要。

光照仍可能使地表变化检测变得复杂。NASA 指出，不同轨道之间的光照差异可能会影响小型陨石坑的可见性。显式几何信息为系统提供了有用背景，但无法消除阴影和眩光带来的所有歧义。

覆盖范围也反映了历史任务的选择。一些仪器观测了几乎整个月球，而另一些则聚焦于特定区域。基于这些档案训练的模型会继承其不均衡性。开放权重无法为测量有限的地点制造等价证据。

自动化偏见同样存在风险。即使输出反映了不确定的输入或不完美的目标，视觉上连贯的结果仍可能显得权威。研究人员在根据建议的模式采取行动前，需要获得不确定性估计、与原始观测数据进行比较，并开展领域审查。

这些限制并不会降低 NASA-IBM Lunar Foundation Model 的实用性。它们界定了该模型可以安全发挥的作用。它能够帮助确定地点优先级、加快制图、比较数据源，并为专家审查生成假设。

它最站得住脚的位置是在运行决策之前。模型缩小搜索空间，而仪器和经过验证的分析管线则建立证据。因此，可复用建模与面向任务的验证彼此互补，尽管它们会争夺开发资源。

这条边界应当塑造公众预期。该发布通过改善科学分析来支持月球探索。它不会自主规划 Artemis 任务、操控着陆器、认证地形，或证明某个极地陨石坑中含有可利用的水。

三个信号将显示这次发布是否重要

下一项考验是采用情况：独立团队必须复现基准、扩展模型，并将其输出与新的观测结果联系起来。

第一个信号是独立的基准复现。外部研究人员应利用发布的数据和代码，重新运行陨石坑、不规则月海斑块和冰资源潜力预测评估。可比的结果将增强人们对实现方式及已发表比较结果的信心。

最有参考价值的复现将测试新的地理划分和此前未使用过的月球产品。当训练和评估数据共享细微的局部模式时，模型可能表现良好。在陌生区域取得强劲结果，才能表明其表征可迁移到原始基准设计之外。

独立研究还应报告不确定性、运行时间、内存使用量，以及对适配选择的敏感性。准确率本身并不能决定模型是否适合研究工作流。当更小的专用模型更容易验证或运行时，它可能仍然更可取。

第二个信号是新下游应用的出现。当前演示涵盖陨石坑、火山特征和极地冰资源潜力预测。研究人员可以将同一骨干网络适配到滑坡、巨石场、表面成熟度、光照分析或变化检测。

最有力的证据将是一项并非由原始团队设计、且使用独立准备标签集的任务。这将支持基础模型的核心主张：广泛预训练应当有助于解决开发期间尚未被完全明确的问题。

第三个信号是与新任务数据及实地验证的连接。当后续观测证实或质疑预测时，预测会变得更有价值。新的轨道影像、地表测量或定向探索，可以揭示所建议的特征是否对应真实的物理条件。

NASA 更广泛的AI 科学战略提供了有用背景。该机构与 IBM 此前已发布用于地球观测的 Prithvi 模型，以及用于太阳物理学的 Surya 模型。月球模型将这一模式延伸至行星科学，而非作为一个一次性项目独立存在。

未来的发布将检验 NASA 能否在不造成工具、标准或数据准备流程碎片化的前提下，维护一系列开放的科学基础模型。TerraTorch 等共享软件可以提供帮助，但每个科学领域仍需要各自的测量方法和验证实践。

研究人员还应关注模型如何随时间演进。引入更多模态、改进大地测量处理、扩大窄角覆盖范围，以及校准不确定性，都将有助于解决当前的若干局限。还需要版本化的基准测试，以区分真正的进步与评估条件变化所带来的差异。

NASA-IBM Lunar Foundation Model 已经带来了一项具体成果：科学家如今可以下载一个基于数十年月球观测数据构建的通用表征。其基准性能使这次发布值得进行严肃测试，尤其适用于多模态问题和标签受限的项目。

它的长期重要性取决于研究社区接下来如何行动。独立团队能否复现这些结果、构建超越最初三项任务的应用，并根据新的证据验证预测？这些问题将决定一个开放检查点能否成为持久的科学基础设施。

对于开发者和科研团队而言，当前的行动很明确：查阅文档，选择一个范围明确的研究任务，并在调整模型之前建立可信的基线。将输出结果与原始测量数据进行比较，并在每一个具有重要影响的环节保留人工审核。NASA-IBM Lunar Foundation Model 应被视为一个假设生成引擎，而非权威答案。如果独立研究既证实其优势，也揭示其失效之处，该项目将实现比精美演示更有价值的成果：一种共享、可检验的月球研究方法。