重返月球前夜，NASA开源了AI

半个多世纪以来，人类第一次重新踏上飞往月球的旅程——而这一次，NASA同时把另一件东西放上了开源平台。

2026年4月的一个周三下午6点32分（美国东部时间），NASA从肯尼迪航天中心发射了Artemis 2任务。这是Artemis计划首次载人飞行[^1]，任务性质很明确：载人绕月飞行——飞船不登月，而是携带4名宇航员飞掠月球并返回，对SLS火箭、猎户座飞船和生命保障系统做全系统载人验证，为后续Artemis 3载人登月铺路[^1]。

几乎在同一时间窗口里，NASA和IBM做了另一件事：开源了首个月球基础模型 NASA-IBM Lunar Foundation Model，模型权重与代码向全球研究者开放，可自由下载、微调和试验[^2]。

一枚火箭，一套模型权重。前者烧钱数十亿美元、只此一份；后者零成本复制、人人可用。这两件事在同一年发生，不是巧合，而是一条产业链的两端：硬件负责把人和设备送上月球，数据和模型负责让上去的人和设备知道该往哪去、去干什么。

这篇我们就来拆一拆：重返月球这件事，正在从「发射叙事」变成「发射+数据+生态」的复合叙事。

🚀 时隔50多年，载人任务先落地

金句先行：火箭的意义从来不只是火箭，而是把一条产业链重新激活。

先看这次发射本身。Artemis 2从肯尼迪航天中心升空，是Artemis计划的首个载人任务，也是自1972年阿波罗17号之后人类首次载人飞向月球[^1]。这中间隔着的，不只是50多年的时间，还有一整代航天工程能力的重建——运载工具、飞船、地面测控、乘组训练，几乎每一环都要重新验证。

载人任务和无人任务的区别，在于容错率被压到极限。无人探测器失败了可以再造，载人任务失败一次，整个计划可能停摆数年。这就是为什么Artemis计划要走「无人验证—绕月载人—登月着陆」的渐进路径：Artemis 1已完成无人绕月测试，Artemis 2把人放进回路验证飞船载人能力，Artemis 3才尝试载人着陆[^1]。每一步都在为下一步攒置信度。

这条路径图，本质上也是一份月球经济的投资时钟。载人绕月任务落地，意味着后面每一环的确定性都在提升。但一个新问题随之而来：人上去了，科学产出怎么保证？

答案藏在另一条产品线上——不烧燃料的那种。

🤖 NASA的第二张牌：开源月球模型

金句先行：当发射成本降不下来的时候，先把数据成本降下来。

NASA和IBM开源的这个月球基础模型，是首批专门面向月球科学、可公开使用的智能分析工具之一[^2]。它的目标说得很直白：把数十年来分散的月球观测数据，转化为可复用的分析工具。

具体能干什么？三件事：陨石坑测绘、火山地貌识别、极区水冰潜力评估[^2]。

这三件事看似枯燥，实则对应月球探测的核心命题。陨石坑测绘关系到着陆点安全评估；火山地貌识别关系到月球地质演化研究；而极区水冰评估，直接指向未来月球基地的选址——水意味着饮水、意味着氧气、也意味着可以分解出火箭推进剂。谁能先把水冰分布摸清楚，谁在下一阶段月面活动选址上就占先手。

为什么用「基础模型」这个形态？因为月球遥感的痛点不是缺数据，而是数据太散：不同任务、不同仪器、不同分辨率，各说各话，科学家调用一次要做大量预处理。基础模型的思路是把多源数据压进一个统一表征，下游任务只需小样本微调[^2]。

用一张图看这条数据流水线：

值得注意的是开源这个动作本身。模型权重和代码全部公开，托管在Hugging Face上，任何人都可以下载[^2]。这在航天领域并不常见——航天数据传统上是「申请—审批—受限使用」的模式。把最核心的模型资产直接开放，说明NASA的计算方式变了：单点领先不如生态繁荣，月球科学这件事，参与的人越多，基础设施的价值越大。

而支撑这套模型的地基，是长达17年的一笔「数据存款」。

📊 17年攒下的数据护城河

金句先行：AI时代最贵的不是算力，是别人没有的数据。

这个模型的主训练数据来自NASA的LRO——月球勘测轨道飞行器。这个探测器自2009年入轨以来已在轨运行约17年，覆盖了大部分月面[^3]。一个关键数字：LRO的数据规模，超过了NASA其他所有行星任务的总和[^3]。

这不是修辞，是量级碾压。一个任务干翻全部门类的总和，LRO就是月球遥感领域的「数据垄断者」。

具体到这次训练：模型使用了约200万个月球图像切片，其中包含超过100万张1米分辨率窄角相机（NAC）图像，以及约96.4万张100米分辨率多光谱图像[^2]。米级分辨率意味着什么？意味着可以直接支撑着陆点级别的工程决策，而不仅仅是科学研究级别的概览。

除了LRO，模型还融合了多来源数据：

更关键的是配套发布的数据集：整合了9台仪器、4项任务、30多个空间对齐数据层[^2]。这句话翻译成工程语言就是——把不同分辨率、不同载荷、不同坐标系的数据，统一到了一套可以直接调用的框架里。

做过遥感或者地理信息的人都懂这一步的分量。多源数据融合中最脏最累的活，从来不是算法，而是对齐：分辨率不一致、投影不一致、时间基准不一致，每一项都是无尽的预处理。NASA和IBM把这层脏活干完，然后连数据一起开源。

这相当于在月球科学领域，直接把「入场门槛」从机构级降到了个人级。一个研究组、甚至一个研究生，以前要做一年数据工程才能开始的问题，现在下载权重就能微调出下游模型。

💡 产业逻辑：发射与模型的AB面

金句先行：火箭打开物理通道，模型决定通道里跑什么货。

把Artemis 2和月球基础模型放在一起看，一条完整的产业逻辑浮出水面。

物理通道和数据生态，缺一不可。只有火箭没有数据，登月就是盲降；只有数据没有火箭，月球科学就是纸上谈兵。NASA同时握着两端：LRO提供了17年的数据积累[^3]，Artemis提供前者，而开源模型是把两端粘合起来的中间件。

对产业链上的各方，这套组合拳的含义不同：

• 对科研机构：分析工具的边际成本趋近于零，月球科学研究从「少数机构的特权」变成全球公共品[^2]；
• 对商业航天公司：规划月面着陆、资源勘探的公司，获得了一个免费的先期评估工具，能大幅压缩选址论证周期。

pie showData

title 月球基础模型数据构成

"100万1米级窄角图像" : 50

"约96万张多光谱图像" : 48

"其他融合数据" : 2

还有一个容易被忽略的细节：模型训练数据中纳入了日本JAXA的SELENE任务数据[^2]。月球探测这件事上，数据层面的国际合作早已跑在了任务层面前面。开放数据接口，比签署合作协议更能固化协作关系——因为依赖一旦建立，切换成本极高。数据资产的开放策略，本身就是一种国际竞争力的构建方式：谁的数据被更多国家的研究者使用、依赖、二次开发，谁就定义了这个领域的工具链标准。

⚠️ 冷思考：开源不是终点，而是新起点

当然，也要冷静看待。开源模型解决的是「分析工具」问题，不等于自动产生科学发现；基础模型在月球这种低样本、高专业性的领域，下游微调效果仍需时间验证。而Artemis计划的后续任务，同样面临排期、成本与工程成熟度的多重考验——Artemis 2本身也只是绕月验证，真正的登月还要等Artemis 3的着陆系统就位。

但方向已经清晰：重返月球不再只是「把人送上去」的单一叙事，而是「通道+数据+生态」的系统工程。硬件任务每一次发射都在为生态背书，数据资产每一次开源都在为任务降本。

结语

半个世纪前，人类登月的动力来自冷战竞赛；这一次，动力来自一条正在成形的产业链。Artemis 2让人类时隔50多年再次飞向月球，NASA-IBM月球基础模型则把17年的数据积累变成了全球可用的公共工具。一硬一软，一闭一开，勾勒出深空探测的新范式：发射能力决定你能不能去，数据与模型生态决定你能干什么、和谁一起干。

接下来的看点有二：一是Artemis 3能否兑现载人登月，把这条渐进路径走完；二是开源生态上会长出怎样的下游应用——当全球的研究者、创业公司都开始在这套模型上跑自己的任务时，月球经济的地基，才算真正浇筑完成。

参考来源

[^1]: NASA — Artemis II 任务官方页面（nasa.gov/artemis）：Artemis 2为首次载人绕月飞行，4名乘组，为Artemis 3载人登月做准备。

[^2]: NASA & IBM — NASA-IBM Lunar Foundation Model 发布说明及 Hugging Face 模型页（huggingface.co/NASA-IMPACT）：约200万图像切片、超100万张1米NAC图像、约96.4万张100米多光谱图像，融合9台仪器、4项任务、30余个空间对齐数据层，权重与代码开源。

[^3]: NASA — Lunar Reconnaissance Orbiter（LRO）任务页面：2009年发射，在轨运行约17年，数据总量超过NASA其他行星任务之和。