Planet Labs 把 AI 推論搬上軌道，Pelican-4 搭 Nvidia Jetson Orin 0.5 秒辨識十餘架飛機

Planet Labs 的 Pelican-4 衛星在 3 月 25 日從距地約 500 公里的低地球軌道，拍攝澳洲愛麗斯泉（Alice Springs）機場影像後，直接以機載 Nvidia Jetson Orin 模組執行推論，0.5 秒內辨識出十餘架飛機，原始影像下的準確率達 80%。Planet Labs 是少數能在地球觀測衛星上直接執行 AI 影像處理的公司之一，這次驗證指向一個可能：把「衛星擷取影像到取得分析結果」的時間差，從數小時壓縮至分鐘級。

這套在軌推論能力歷經 18 個月的工程開發。80% 準確率有一個關鍵前提：量測條件是原始影像，即未經前處理的直出衛星影像。在訊號品質與頻寬限制最嚴苛的條件下，推論仍具備基本可用性，並非在理想化資料上跑出的數字。Nvidia Jetson Orin 作為邊緣 AI 運算模組，此次在低地球軌道環境下運作，把邊緣算力的應用邊界從地面工業拉到了軌道層。Planet Labs 計畫將相同架構部署到即將推出的 Owl 星座，由多顆衛星組成自主偵測網路，目標涵蓋野火前線、農損區域與自然災害現場的近即時告警。

從商業模式看，在軌推論切中衛星情報服務的結構性瓶頸：現有流程依賴地面站排程的下載窗口與批次處理，整條鏈路延遲過長，時效敏感的應用卡在這個瓶頸。如果 Owl 星座能把 Pelican-4 的架構常態化，農業損失核查、緊急救災定位等場景，理論上可從「事後批次分析」升級為「近即時告警訂閱服務」，這對 Planet Labs 的服務單價與客戶黏性都有正向潛力。這目前是單顆衛星、單一場景（機場飛機辨識）的里程碑，80% 準確率能否跨目標類別與複雜場景維持，加上 Owl 星座的部署規模與時程，仍待後續公告。