AlphaEarth Foundations：統一的地理空間嵌入，用於全球製圖

Google DeepMind 推出 AlphaEarth Foundations，一款將 PB 級多模態地球觀測資料整合為統一數位嵌入的 AI 模型，旨在革新全球製圖與環境監測。此系統作為「虛擬衛星」運作，提供一致且高解析度的數位表示，涵蓋地球的陸地與沿海水域，以協助在糧食安全、森林砍伐與水資源管理等關鍵決策上提供支援。

技術架構與資料整合

AlphaEarth Foundations 透過將不同的公共資料來源合成為統一格式，解決了資料過載與資訊不一致的挑戰。

多模態資料融合

• 光學衛星影像
• 雷達
• 三維雷射測繪（LiDAR）
• 氣候模擬

空間與儲存效率

模型以 10×10 公尺的格子分析全球。關鍵技術創新在於為每個格子建立高度緊湊的摘要（嵌入）。這些嵌入所需的儲存空間比其他測試過的 AI 系統少 16 倍，顯著降低了行星尺度分析的成本。

效能與準確度

在與傳統方法及其他 AI 製圖系統的比較測試中，AlphaEarth Foundations 展現出卓越的學習效率，尤其在標籤資料稀缺的情境下。平均而言，該模型在估算表面特性與辨識土地利用等任務上的錯誤率比測試模型低 24%。

衛星嵌入資料集

為了促進外部研究，Google 透過 Google Earth Engine 發布了 Satellite Embedding 資料集。該資料集每年包含超過 1.4 兆個嵌入足跡，為組織打造客製化、即時需求的地圖提供基礎。

真實世界應用

多個組織正利用此資料集提升地理空間製圖的速度與準確度：

• Global Ecosystems Atlas：利用嵌入對未被繪製的生態系統（如極度乾旱的沙漠與沿海灌木叢）進行分類，以優先考量保育並對抗生物多樣性喪失。
• MapBiomas：在巴西測試此資料，以監測農業與環境變化，特別是亞馬遜雨林等關鍵生態系統，為永續發展提供資訊。
• Institutional Partners：此資料集已被聯合國糧農組織、Harvard Forest、地球觀測組織（Group on Earth Observations）、俄勒岡州立大學與史丹福大學等機構使用。

專家觀點

「Satellite Embedding 資料集正透過協助各國繪製未被探索的生態系統，徹底改變我們的工作——這對於精準定位保育重點至關重要。」 — Nick Murray, Director of the James Cook University Global Ecology Lab and Global Science Lead of Global Ecosystems Atlas

「Satellite Embedding 資料集能改變我們團隊的工作方式——我們現在有了製作更精確、精細且快速的地圖的新選項，這是過去無法做到的。」 — Tasso Azevedo, founder of MapBiomas

未來方向

AlphaEarth Foundations 屬於更廣泛的 Google Earth AI 計畫。未來的發展將探索模型的時間性功能，並將這些年度嵌入與通用推理大型語言模型（如 Gemini）結合，以進一步提升對行星動態的分析。