AWS成功在衛(wèi)星部署機器學習技術(shù)，供用戶在太空邊緣處理原始資料

云計算上太空成了新興云計算發(fā)展方向之一，AWS也致力于在太空構(gòu)建云計算基礎(chǔ)設(shè)施，該公司在其云計算大會AWS re:Invent 2022公開目前云計算上太空的最新成果，他們已經(jīng)在軌道衛(wèi)星成功執(zhí)行AWS運算和機器學習軟件，而AWS提到，這是目前史無前例的太空實驗。

這項太空實驗在過去10個月于低地球軌道衛(wèi)星上進行，目標是要測試以更快更有效的方式，讓用戶可以通過云計算服務(wù)，直接在衛(wèi)星上收集和分析太空資料。目前的實驗成果，用戶已經(jīng)能夠在衛(wèi)星上分析大量原始太空資料，并且僅通過衛(wèi)星下行連接發(fā)送有用的圖像，以供進一步存儲和分析，借以降低成本并且加速決策步調(diào)。

AWS提到，在衛(wèi)星上執(zhí)行即時資料分析，并通過云計算將分析結(jié)果直接交付給決策者，是目前太空資料管理的明確發(fā)展方向，有助于突破目前衛(wèi)星運營的邊界。也就是說，衛(wèi)星運營商能夠使用熟悉的AWS工具和更新的命令，通過云計算安全地與太空設(shè)備通信。

這項太空云計算實驗，AWS與D-Orbit、Unibap兩家太空企業(yè)合作，D-Orbit是太空物流和運輸服務(wù)公司，其使用AWS運算和機器學習服務(wù)，在ION衛(wèi)星（下圖）上快速分析大量太空資料進行地球觀測。另外，Unibap則是在衛(wèi)星上部署程序，目標是要讓終端客戶可以將原始衛(wèi)星資料，在數(shù)分鐘內(nèi)轉(zhuǎn)換成為警報，像是從太空識別地球云層或是野火煙霧，甚至是建筑物和船只等物體，在特定條件發(fā)出警報作為觸發(fā)事件。

AWS解釋，原始衛(wèi)星圖像和資料集文件通常非常龐大，所以Unibap通過機器學習技術(shù)，大幅縮小圖像42%，進而提高處理速度并且實現(xiàn)即時推理運算。Unibap團隊通過多個地面站與衛(wèi)星連接，雙向操作太空資料，而這依賴AWS云計算和衛(wèi)星之間的TCP/IP代理，這種方式讓Unibap團隊不需要手動處理多重下行連接，系統(tǒng)將自動管理文件傳輸。

目前AWS、Unibap和D-Orbit的聯(lián)合太空實驗仍在進行中，并且繼續(xù)測試各種可能性，包括探索更多在衛(wèi)星處理原始資料的方法，或是更精細的資料傳輸方式。