嫦娥六号最有说服力的 AI 成果，没有出现在基准测试表里。它是一张略带噪点的照片，拍摄于 2024 年 6 月 3 日：灰色月壤铺在前景，背后是一片纯黑，着陆器与上升器组合体在强烈日光下泛着亮光。拍照的相机没有进入画面，因为它已经驶到一旁按下了快门。

这台相机是一辆名为 “金蟾”（Jinchan） 的漫游器。它重 4.5 千克，尺寸为 0.47 × 0.29 × 0.23 米，以小型附件的形态随嫦娥六号着陆器飞行。采样结束后，它分离并落到月球背面，找到航天器，选定拍摄位置与姿态，传回了上面这张第三视角照片。[1][3]

放在采样返回任务旁边，这项成果很朴素，它的价值也由此清楚起来。金蟾展示了一种卸去宏大舞台感的具身 AI：只有一项现实任务，质量与算力受到严格限制，模型权重在飞行前固定，最终产物可供任何人查验。它的智能之所以发挥作用，正在于任务范围足够窄，从感知一直到成品都能纳入完整的工程设计。

任务塑造了整套架构

金蟾的定位没有覆盖通用月球探测。它的核心任务写得很清楚：以方向不确定的姿态释放后仍能正常工作，驶过附近地形，从外部实拍正在工作的着陆器与上升器，再经着陆器转发图像。工程论文给出的指标包括：最高自主速度 每小时 300 米，越障高度至少 8 厘米，爬坡能力至少 15 度。[1]

这些数字对应的是一段以拍摄机位为目的的短行程。这样的区别塑造了整台机器。机身两面都装有相机，即使释放后另一面朝上，漫游器依然可以工作。[5] 差速驱动让转向机构保持简洁。着陆器上则装有配套的无线单元，漫游器与着陆器之间的链路因此属于相机系统的一部分，省去了一套独立的深空通信系统。[1]

自主能力的目标同样落在摄影上。普通轮式里程计会累积误差，完整的视觉里程计则会提高对相机、地形纹理和处理器的要求。金蟾选择着陆器本身作为视觉参照。一个学习模型识别航天器上已有的特征点，据此估计漫游器的相对位置和方位，定位过程也省去了专用主动标靶。行进路线由此只追随一个已知拍摄主体：持续寻找着陆器，移动以改善视角，画面达到要求后停下。[1]

这就是由任务塑形的 AI。机器人所要掌握的，是三个能够感知或操纵的事项之间的可靠关系：图像中的着陆器、正前方可以通行的地面，以及下一张照片的成像质量。全局月球地图与开放式世界模型都在任务范围之外。

三项学习型判断，各有分工

公开的工程资料把金蟾的学习型感知拆成了三项独立问题。

第一项是 相对导航，用于定位着陆器上的特征点。团队采用极端光照样本和经过风格转换的样本训练，让真实航天器处在月面光照下时，特征检测器仍能保持识别能力。[1]

第二项是 地形识别，用于补充几何感知。金蟾的相机距地面仅约 13 厘米，俯视角度约为 80 度。从这一视点看，一块小石头就能占据大部分近景，可用的地平线信息也几乎消失。分割网络采用 HRNet 作为多分辨率主干，并加入空洞空间金字塔池化（atrous spatial-pyramid pooling）和注意力模块，以扩大有效视野，在无规则地形中辨别危险物。[1]

第三项是 智能构图，判断照片本身的质量。微型漫游器的位置和姿态，会改变月面前景进入画面的比例、着陆器能否完整入镜，以及反光表面与黑色天空之间的关系。系统根据实际拍到的画面，为目标的位置、大小和倾斜程度评分；随后从六个移动方向中作出选择，再次拍摄并评分，最后从这套循环生成的照片中选出最佳一张。[1][4]

这些神经网络组件嵌在一套更大的控制系统中，端到端策略没有接管全部电机指令。这样的分工界线直接关系到系统能力的含义。学习型感知负责处理难以逐项列举的环境条件，传统控制、状态管理、通信和故障处置则把任务限制在既定范围内。配套的计算系统论文介绍了一台由商用现货（COTS）软硬件组成的紧凑型 AI 计算机；登月前，团队又用环境测试和可靠性措施加固整套设备。[2]

公开的资源规格十分克制：一颗型号未公开的四核 ARM 处理器，最高运行频率 1.5 GHz；4 GB LPDDR 内存；Ubuntu Linux；以及连接着陆器的 2.4 GHz Wi-Fi 链路。在论文报告的各类测试条件下，计算系统的功耗约为 2.5 至 4.2 瓦。论文有意没有披露处理器型号，因此，声称金蟾搭载了某一款手机芯片，已经超出已发表证据的范围。[2]

这里的设计取舍很有启发。商用组件能缩小计算设备，降低功耗，也能缩短开发周期，但它们缺少专用航天电子器件的同等抗辐射履历。金蟾的方案没有假定月面环境已经变得温和。团队把狭窄的工作负载，与多级看门狗、故障检测、重启及恢复逻辑和环境测试结合起来。重要的硬件结论应归于架构：某款具名消费级芯片“征服月球”的说法缺少依据；任务真正证明的是，一套小型 COTS 计算系统经过工程处理，达到了这次有限飞行实验所需的可靠性。[2]

月球没有进入训练集

金蟾着陆后可以针对新图像作出反应，模型权重却无法在月面更新或微调。训练全部在离线状态完成；运行时推理驱动“拍摄—评分—移动”的迭代循环，月面图像没有开启新一轮训练。[1] 真正有用的适应工作发生在发射前，落在训练环境的设计里。

这项工作远比用地面相机拍摄比例模型困难。在地球上，照片通常包含天空漫射光、大气散射、熟悉的背景，环境也会让阴影变柔。在月球上，主导光源近似平行的太阳光；天空纯黑；着陆器具有很强的反光性；月壤和背景的反射则弱得多。国家航天局的资料称，团队购买了不同灯具来复现这些条件，让构图系统学会辨认一张成功的月面照片应有的样子。资料还提到，漫游器在研发期间接受了 100 多次各类地面试验。[4]

工程论文还给出另一条线索：团队用风格转换和极端光照样本增强着陆器特征识别能力。[1] 两份资料合在一起，描述的是一个务实的仿真与数据增强问题。发射前无法从实际部署地点取得有代表性的样本，团队便以漫游器必须识别的特定目标为中心，调整可以调节的物理条件，包括光线方向、反差、地形和观察视点。

这些材料仍不足以证明模型能泛化到陌生航天器、另一处着陆点或长距离科学探测，却足以表明，只要任务范围保持固定，训练数据设计就能取得实效。目标已经确定，预期地形范围经过排演，输出判据清楚可验。随后，漫游器在真正重要的环境里完成了这份任务约定。

自主运行期间，地面控制始终在场

月球背面无法与地球直接通信，因此嫦娥六号依赖鹊桥二号中继卫星。[7] 这也凸显了在本地完成感知与修正的价值：若机器人每做一次小幅修正都等待地面指令，时间就会消耗在层层链路和操作人员的响应上。

把金蟾写成取代地面任务控制的故事，会夸大这次演示。嫦娥六号会根据风险种类采用不同程度的自主能力。着陆期间，探测器先用可见光图像识别相对安全的区域，在约 100 米 高度悬停，随后用激光三维扫描选定最终着陆点。[6] 采样环节的任务计划要求，地面专家复现观测到的地形并验证作业方案，探测器则执行成组动作，再用机载传感器核查结果。[6] 任务结束后的访谈把人的权限写得很具体：钻进超过 1 米后，阻力迹象指向岩石，地球上的专家决定停止钻进。[5] 金蟾的摄影出动，则是另一套小得多的回路。

这些安排遵循同一原则：选择性授权。快速的本地感知与修正靠近硬件完成；任务目标、后果重大的决策和应急处置权留在经过工程设计的人机系统中。若把每个回路都称作“AI”，具体成就反而会失焦。着陆流程、采样作业和摄影漫游器采用了不同的传感器、算法及后备逻辑，因为每个环节的失败都意味着不同的后果。

照片给出任务结果，基准测试仍然空缺

开发团队的工程资料记录了每一步内部过程：地形感知、相对定位、移动、构图和传输。传回的图像则以独立证据让整套系统的结果变得具体：一台 4.5 千克的机器经受住飞行与释放，并在 6 月 3 日完成了指定的摄影任务。行星学会的任务概述确认，这张照片出自该微型漫游器，并将它置于人类首次成功从月球背面采样返回的任务历程中。[7]

公开材料仍然缺少另一组同样重要的信息。相关资料没有发布月面测试集、特征定位误差分布、地形分割混淆矩阵、单次推理能耗、淘汰帧数，也没有给出与完全脚本化相机移动方案的对照。一张成功图像证明了端到端任务的完成，却无法衡量开放环境下的导航可靠性或通用视觉智能。

任务本身没有因此打折，证据的适用范围本就应当如此。飞行演示回答的是“这套集成系统在这里完成了设计任务吗？”基准测试回答的则是“在一个定义明确的分布上，与其他方案相比，某个组件表现如何？”金蟾鲜明地给出了第一个答案，第二个问题的大部分数据仍未公开。

对中国 AI 的发展而言，金蟾留下的长期信号，远没有“月球基础模型”那样宏大，却比宣传口径里的“自拍”更有分量。学习型视觉得以进入真实航天器，因为团队限制了它的权限，依据环境设计数据，并在模型周围保留传统工程系统。最终飞上月球的是一套受明确限制的智能，限制条件精确到了足以执行飞行任务的程度。

来源

1. Xing Yan 等，《The Technology of Autonomous Intelligent Miniature Robot and its Application on Lunar Surface》，Aerospace Control and Application 50(6)，2024 年——介绍金蟾的任务、尺寸、机动能力范围，以及学习型感知、导航与构图架构。
2. Gong Jian 等，《COTS Components Based Artificial Intelligence Computation System for the Microminiaturized Lunar Autonomous and Intelligent Rover》，Aerospace Control and Application 50(6)，2024 年——介绍机载计算架构、环境鉴定与可靠性设计。
3. 中国国家航天局，《专属机器人“摄影师”，拍下嫦娥六号月背“证件照”》，2024 年 6 月 6 日——说明官方图像来源，以及漫游器的分离、移动、角度选择与传输过程。
4. 中国国家航天局，《月背上的“小小摄影师”》，2024 年 8 月 8 日——介绍神经网络的使用、月面光照训练、有限算力与地面试验。
5. 中国国家航天局，《嫦娥六号总设计师胡浩：探月工程是一项复杂的系统工程》，2024 年 7 月 2 日——介绍双面相机布局、漫游器独立运行、地面控制能力，以及由人作出的停止钻进决定。
6. 中国国家航天局，《China's Chang'e-6 lands on moon's far side to collect samples》，2024 年 6 月 2 日——介绍着陆传感器、自主避障、中继支持与计划中的地面仿真作业流程。
7. 行星学会，《Chang'e-6: Collecting the first lunar farside samples》——独立梳理任务时间线、月球背面通信条件，并确认微型漫游器的身份。