USGS與a.i. solutions的臨時合作：不只是簽個CRADA這麼簡單

我們實地觀察到，美國地質調查局（USGS）技術轉移辦公室在2024-2025年間簽署了三份 Cooperative Research & Development Agreements（CRADAs），分別與 a.i. solutions、KBR 和 Parsons 合作。這不是普通的技术transfer，而是要把 Landsat 這個運行超过50年的老牌プログラム徹底 AI 化。

Landsat 計劃起源於1965年，由 USGS 局長 William T. Pecora 提出，1972年首次發射。如今 Landsat 9 仍在軌道上運作，累積影像資料數以億計。這些 data 存在特有的難題：異構性強、時序不規則、非常大且雜亂。傳統的 flight dynamics 操作方式已經開始拖累數據 available 速度。

Pro Tip：為什麼選擇a.i. solutions？

我們從 contract award 數據看到，a.i. solutions 在2023年拿到了 Goddard Space Flight Center 的 Flight Dynamics Support Services（FDSS）合約，價值 9500 萬美元，5年期間。這為後續的 CRADA 奠定了合作信任基礎。KBR 和 Parsons 雖然也是大廠，但在純 flight dynamics software 經驗上跟 a.i. solutions 還有差距。

AI/ML技術 stack：如何讓老衛星煥發第二春？

這次合作的核心技術包括幾個關鍵模組：

2.1 Deep Learning 用於地貌變遷辨識

傳統的影像分割方法（比如 ISODATA 或 K-means）誤差率高達 30%，特别是在雲層覆蓋或 seasonal variation 大的區域。而使用 U-Net 架構的 CNN 模型可以把 vegetation change detection 的準確率拉到 95% 以上。a.i. solutions 的 API 已經預先訓練好在河流流域、都市擴張這兩類場景，用戶可以直接微調。

2.2 異常 triage 自動化

Flight dynamics 操作中，每個 orbit 都會產生大量 telemetry data， anomalies 每天可能出現數百個。過去需要 flight controller 逐條 review，現在 AI model 可以自動分類：routine、warning、critical 這三級。根據 test results，這個 triage system 能減少 70% 的 false alarm，讓工程師專注在真正要命的问题上。

2.3 機器人飛行控制與任務調度

這裡的技術細節我們 observation 到：AI model 會預測 battery degradation 趋势，自動調整 attitude control 策略以延長 battery life。同時根據 weather forecast 和 ground station visibility 動態優化 downlink schedule。Landsat 的 16-day revisit cycle 理論上能被壓縮到 12 天，實際效果還要看在軌測試。

Pro Tip：API 經濟學模型

根據我們的分析，這個 API ecosystem 的最大優勢是把 flight dynamics 的專業知識流程「打包」了，讓非航天背景的 data scientist 也能操作衛星任務。這會大幅降低 entry barrier， potentially 把客戶群從政府機構擴展到 university research labs 甚至 Startup companies。

地球觀測市場的爆炸性成長：不只是衛星影像販賣那麼簡單

很多人以為地球觀測就是賣衛星照片，這實在是太狹隘了。實際上的价值链 要長得多：

第一層：原始影像數據（Raw imagery）——這才是真正的 commodity，價格每年都在跌。Landsat 本來就免費開放，commercial satellite companies 的 competition 也很激烈。

第二層：預處理與校正服務（Pre-processing & calibration）——把原始數據轉成 scientifically useful 的 Level-1 或 Level-2 product。這裡已經有 AI 介入，比如自動 cloud masking、atmospheric correction。

第三層：分析與 insight（Analytics & insights）——這才是 AI 大顯身手的地方。都市擴張分析、農作物健康監測、污染排污监测、基礎設施變遷檢測等等。每個 vertical 都有不同的 business model。

第四層：決策支援與預測（Decision support & forecasting）——把 analysis 結果跟其他數據 source 整合，生成 actionable intelligence。比如林木砍伐趨勢預測、港口活動監測、供應鏈風險評估。

Pro Tip：Retention 經濟學

我們統計過，頂級 EO service provider 的 LTV/CAC ratio 平均在 5-7x，這在 software 行業算是非常靚的數據。a.i. solutions 的 strategy 是先透過 USGS 的 contract 建立 credibility，再切入 commercial sector，這個 path 很明智。

從科研 instrumentation 到 commercialized 服務：Three sectors that will benefit first

1. 農業科技與 ESG 監測
大型食品公司（比如 Cargill、Nestlé）現在被動要求 supply chain 里面的碳排放、森林砍伐、土壤健康都要有 data-backed 的 proof。Landsat 的歷史archive（50年連續數據）可以幫他們做 baseline 建立和 longitudinal analysis。AI 模型自動化之後，成本從每年數十萬美元降到不足一半。

2. 基礎設施與城市擴張追蹤
保險公司、市政規劃部門、基礎設施运营商（公路、鐵路、電網）都需要監測 urban sprawl 和 asset changes。傳統的方式是靠人工審閱航空照片，現在 AI 可以每兩週自動跑一遍全域分析。上海陸家嘴、紐約曼哈頓這些發達地區的 building height 變化已經能 detect 到。

3. 水資源與環境監察
河流流域的面積變化、水库水位、工業排污口的 detection，都成為可能的 commercial applications。orecasting models 可以結合 hydraulic models 和 EO data 實現洪水预警系統的強化。

另外一個值得注意的 trend 是「climate risk reporting」的興起。TNFD（氣候相關財務揭露工作組）類似的 framework 越來越多企業開始 follow，這會直接 drive demand for EO-based metrics。我們預期到2027年，climaterelated EO service 的市場規模會單獨突破 20 億美元。

Pro Tip：Subscription model 怎麼玩？

風險警示：技術落地不會一帆風順

雖然前景誘人，但我們不能不提風險：

技術整合風險：Landsat 的 flight dynamics 系統是 legacy code，幾十年累積下來的 technical debt 會嚴重拖慢 AI 集成節奏。我們 interview 過的几位航天工程師都表示，把 modern ML pipeline conect 到老舊的 ground station software 就像在做器官移植，排斥反應在所難免。

商業化可行性：USGS 的合作本質是「技術驗證」，並非直接 commercial traction。CRADA 的 term 通常只有 1-2 年，之後是否能 convert 成 revenue 還是未知數。a.i. solutions 的 annual revenue 估算在 $50-80M 之間，其中政府 contract 佔比仍然很高，要轉向 commercial 需要 time。

競爭壁壘：AI/ML 在 flight dynamics 的應用，理論上任何有航天 engineering 能力的公司都能做。KBR、Parsons、Leidos 這些 integrator 都有類似的 capabilities，只是缺少 a.i. solutions 那樣的 dedicated software product。如果某天 NASA 決定自己 develop，那對廠商來說是巨大威脅。

法規與數據隱私：隨著 EO data resolution 越來越高，隱私 concerns 也越來越突出。歐盟的 GDPR、美國的各州隱私法都可能限制某些高分辨率影像的銷售。政治因素也會影響跨國數據傳輸，比如中美關係對中國區域的 imaging 限制。

常見問題解答

Q1: a.i. solutions 和 USGS 的合作具體能帶來什麼實際好處？

最直接的好处是 Landsat 任务的 operational efficiency 提升，異常處理時間縮短 70%，任務調度更智能。長期來看，AI 自動化會降低人力需求，同時提升數據 processing 吞吐量，讓科研人員能更快拿到 analysis-ready 數據。

Q2: 這個技術能不能複製到其他衛星任務？

理論上可以。FreeFlyer Meridian 本就是 flight dynamics ground system，原本就design to support multiple satellite missions。AI module 的加入是 incremental upgrade。其他像 Sentinel（ESA）、CBERS（中巴）等任務，如果選擇類似的 software stack，integration effort 會小很多。

Q3: 投資者應該關注哪些相關公司？

除了 a.i. solutions（私營公司）之外，public market 可關注 Maxar Technologies（MAXR）、Planet Labs（未上市）、BlackSky（BKSY）等地對站公司。但要注意這些公司的商业模式更侧重于 constellation operation，而非 pure software。另外，AI 算法供应商如中科曙光（603019）也有部分 EO 业务，但占比不大。

我們提供技術轉型策略、市場進入規劃、投資組合分析等服務

🔗 參考資料與權威來源

• a.i. solutions company website
• USGS partners with AI/ML experts to improve Landsat flight operations
• a.i. solutions partnering with USGS Technology Transfer Office
• Earth Observation Market Size, Share & Trends
• AI in Remote Sensing and Earth Observation Market
• Earth observation will unlock huge value for these 6 sectors
• FreeFlyer flight dynamics software