6月14日至15日，由泰伯网主办的第七届全球天文信息开发者大会(WGDC 2018)，以“空间智能驱动万物互联”为主题，在北京的国度会议中心召开。来自测绘天文信息、人工智能、空间大数据的专家学者、企业代表、高校师生、行业从业者等参与了本次大会，现场人次过万。大会举行了多场行业峰会，展示了大数据与人工智能在天文空间上的各项使用。大会时期还颁发了Best of WGDC奖项。

在本次大会中，大地量子凭仗产品“空间数据引擎”，在14日下午取得了Best of WGDC奖的“2018年年度最佳口碑产品奖”。

获奖奖杯

领奖合照，左起第二位是大地量子开创人兼COO吕童博士。大地量子从参与评选的数百家企业中锋芒毕露，成为46家获奖企业之一。图片来源：泰伯网

同时，大地量子列席了15日下午的智慧农业峰会，并为大家带来了精彩的演讲，分享了关于目前时空大数据在基于农业又广于农业上的各类使用前景和存在成绩。

以下是演讲全文。

王驰：

尊崇的汪院士、各位长辈、各位专家，大家好!我是王驰，是大地量子的开创人。我们公司是成立于去年年终的 创业 公司，如今次要做空间大数据使用。公司位于成都，目前是十几团体的规模，其中有5位博士，而我本人在博士时期是做量子计算的。以上是我们公司根本的状况。

明天想在此作一些关于时空大数据结合农业大成绩的分享。时空大数据是关于工夫和空间的大数据，在座都是专家，我就不再班门弄斧，只是分享一下本人关于这个成绩的感受。

时空大数据最大的成绩是“大”

相比于其它大数据比起来，特点是大。例如遥感行业的冤家们会理解到，它每天的新增数据量是20T，每年新增数据量是7PB。7PB是是什么样的概念呢?以家用的100M带宽，要延续下载19年，才把这些数据下载完。但是，这样大的数据并没有很好天时用起来，应用率十分低，这就是时空大数据很大的应战。光是为了贮存这些数据，每年都要买上1000张左右的硬盘。

演讲中的王驰(赵盈 摄)

回忆全球天然卫星，总共发射了963颗。随着美国政策的不时开放，美国FAA估计在将来十年，再发射2619颗卫星，差不多是过来十年的三倍。这意味着，数据质量会不时上升，数据本钱会不时下降，也意味着数据总量会大幅度添加。

我们拿着这些数据干什么?怎样做我们想做的事情?

我以为有两点至关重要：

1、算法;好比零碎的大脑

2、算力;好比肌肉

算法的创新可以带来更多的使用，比方说可以去监测海浪的能量来协助潮汐发电站正确的选址;算力则可以让使用失掉更好的开展。

关于算力

在实践使用进程中，会发现算力的提升比算法的创新更困难，且并不意味着多买一些CPU、一些硬盘，就可以进步算力，实践上整个进程相当复杂，而有些时分质变会招致量变。关于我们来讲，要两手抓两手硬——既要在算法上创新，也要在算力上提升，这样才可以拓宽使用面。

举例，我们拿着一个玉米的模型，想要去计算北京周边种了多少玉米，可这样的数据谁会关怀?似乎没有人关怀北京周边种了多少玉米。但假如把数据扩展到全球或许是中国，像中国种了多少的玉米，或是全球种了多少玉米，这样的成绩就有很多公司关怀，例如期货、基金、农粮公司。不时进步算力，会带来更大的使用面，而这些使用面在小范围内是无法发掘到的，这就是质变到量变。

关于算法

在遥感卫星数据的根底上能开收回很多的算法，有些算法甚至是以前历来没想过的。例如滑雪——经过遥感卫星监测雪的厚度，并把这个数据交给滑雪喜好者，让他们在滑雪前可以先看一下雪场的雪有多厚，协助他们做出正确的决策。这说起来挺复杂的，而实践做起来时，不只有 商业 形式的成绩，也有技术上的成绩。而目前，更多的是技术成绩。

庞大的数据量(赵盈 摄)

从农业延伸更宽广的使用

我们回到农业大成绩。遥感在农业中的使用，其真实美国曾经做得比拟成熟了，特别是美国比拟代表性的公司Farmlogs ，基于NDVI指数，在农田范畴做得比拟成熟，在美国拥有三分之一以上的市场。

而这样的使用场景，中国能否可以复制?从卫星遥感、卫星时空大数据角度而言，它的优势在于大范围地监测、大范围地去答复一些比拟大的成绩。在农场级别，能做，但不是一个优势点。

能够一提到农业，大家就想到农场，实践上农业并不只仅停留在农场，农业有很多的产业。

比方，作为一个农场，要推销农药、化肥和种子。我们能否可以把微观的数据，比方说作物分类的数据提供应这样的农资公司，让他们停止市场决策?买了农资之后，他能够会去存款，找乡村 金融 、乡村信贷，或许是流转土地。而偏金融的行业(在拿到农业相关的微观数据后)能否可以做一些跟风控相关的东西?比方检查一个农户若干年的种植状况，判别他能否仔细种地，从而推断他的信誉。

再比方，农场发作灾祸之后。大少数农户都购置了农业保险，而农业保险公司要去定损。如今的办法是派人到地外面去，拿着GPS在地里测。那么，这个定损进程能否(经过卫星遥感大数据产品来)增加保险公司的人力?能否可以经过更大范围的数据洞察，协助再保险更好的效劳于农业保险，从而更好的效劳农户?

(以上)这些是农场的下游。在(农业)下游，东西种出来之后得卖，卖到哪里去?期货市场就是比拟好的应用范畴。经过对产量的预测，比方说对全美玉米的产量或大豆产量停止预测，可以很好地协助期货、基金来预判一些风险。异样，关于大宗贸易商或饲料厂商等会从期货市场购置很多农产品的公司，经过产量预测或许是作物的种植面积，能协助他们增加一些风险。

比方种植面积，这是我们的一个案例：

作物分类辨认案例

经过底层技术结合一些业务逻辑，可以开收回比拟有意思的模块。其中一个底层技术是，针对地球下面每一个像从来判别它下面种的是什么作物。这个技术没有我如今说的这么成熟，但它是如今我们研发的方向。假如可以把一切的像素点全部加起来的话，就可以失掉美国全国的玉米种植面积。这个种植面积假如可以比美国农业部USDA(United States Department of Agriculture)提早发布的话，那就是对市场而言很有价值的信息。

那么，经过作物辨认和作物分类模块，能否也可以结合其它的模块(拓展新的使用范畴)?比方经过作物辨认，结合卫星来监测洪水。

假如可以把水稻的种植散布和洪水结合起来的话，(这些价值数据)可以提供应农资企业，让他们晓得这里水稻受灾之后能够需求补种，是不是要往这些中央销售一些产品;或许提供应保险公司，(让他们)在这些方面停止比拟精准的洪水定保。

这是我们想要做的方向和创新，经过底层技术和其它技术结合起来，然后结合业务逻辑，做有意思的事情。

关于算力方面，也有两个比拟复杂的案例。这是我们处置的10m分辨率的全国耕地散布图：

耕地散布图

在这下面可以在10m分辨率下清楚地看到乡间的小路。中国有19亿亩耕地，每个像素是100平方米，有兴味可以复杂算下需求对多少像素停止计算才可以失掉这样一张图。

这是美国地域产量的预测：

做这张图差不多需求处置60亿个像素。即便在外面用到AI的模型，假如一秒钟可以计算一个像素往年的产量是多少，那么关于20多亿个像素，计算工夫也会超越60年，这是算力的成绩。很多时分，会疏忽了算力关于整个空间大数据产业在使用时的重要性。

归根结底都是技术的成绩

回归到时空大数据的使用，我们以为，和用户业务场景、业务逻辑结合进程中，要深化的了解(用户所在的)这个行业——(如何深化另一个行业)这是很大的成绩。异样，算法和算力的创新，也是很大的成绩。但归根究竟，在目前阶段，用户的需求其实是绝对比拟明晰的。往往很多时分是技术上的无法完成——要么是由于算法做不到，要么由于算力不行，无法做到大规模的完成。目前遇到的成绩，归根究竟都是技术成绩。常常有冤家跟我说，在这个行业市场是需求被教育的，但我并不是这样以为的。我觉得需求被教育的我们本人，我们需求更深化理解行业，以更虔心的研发技术。比方用户提出要95%的精度，我们不能够教育用户说你其实需求90%就行了，(反而是)我们要力争做到95%以上。要在这个行业树立认知，在技术上不停开展的话，我们是为整个行业提供基于时空大数据的根底数据，为其它行业停止赋能，而不是取代其它的行业去做(那些行业)它们自身做的事情。要么协助他们(其它行业的从业者)做市场的决策，要么添加一种新特性吸引更多的C端用户，要么提供市场的洞察，获取更多的leads。这是时空大数据产业，去做的事情。

以上就是一些不成熟的分享意见，希望各位专家多多指正。