最能揭示中国遥感 AI 竞赛走向的一幅照片，画面里看不到 AI。明亮的生产大厅内，一排排小型吉林一号卫星安放在带轮支架上。新华社于 2022 年 12 月刊发这张照片，当时的报道记录了长光卫星技术股份有限公司从逐颗建造、测试卫星转向并行生产的过程。[8] 模型位于这座工厂的下游，它们要等相机、发射任务、地面链路、标定工作以及多年积累的观测资料先行到位。

截至 2026 年 7 月 21 日，这条上游链条正成为故事的主线。从 RingMo 到 SkySense、MaRS 和 CGEarthEye，这段演进常被写成视觉模型规模不断扩大、能力逐步增强的序列。若把竞争单位本身纳入观察，图景会清楚许多。这个单位已经扩大：哪些传感器生成了像素，光学与雷达观测能否成对，同一片地面多久重访一次，空间细节能保留多少，以及谁能检查或复现训练档案，都已进入竞争范围。[1][2][3][5][7]

遥感图像与从远处拍摄的普通照片有着根本差异。光学传感器记录反射光；合成孔径雷达记录微波后向散射，在云层遮挡或黑暗条件下仍能观测。一块田地随季节改变面貌。一栋建筑在某种分辨率下只占几个像素，换到另一种分辨率，便能分辨屋顶、阴影和边缘。由此浮现的“现场信号”，重心落在学会判断：面对这一任务、这一尺度、这一时刻，哪一种观测带有有效信息；把每一种传感器都加入系统，无法代替这种取舍。

RingMo 首先把遥感视觉域确立为核心对象

RingMo 于 2022 年发布，较早与一条常见捷径拉开距离：先用日常照片预训练模型，再适配卫星影像。中国科学院空天信息创新研究院称，其训练集包含 200 多万张无标签图像，分辨率约为 0.1 至 30 米，采自卫星和航空平台。该院还提到，数据覆盖 150 多个具有代表性的城市、城镇、机场和港口，包含 1 亿多个目标实例。[1]

规模之外，RingMo 还采用了针对遥感特征设计的掩码图像预训练，尤其关注微小、密集分布且方向任意的目标。研究在八个标准数据集上评估模型，任务覆盖分类、检测、识别、提取以及与变化相关的分析。最初的技术约定由此清晰起来：先学习遥感领域可复用的表征，再接入面向具体任务的头部网络。[1]

RingMo 尚未证明单一编码器能够理解每一种传感器或每一片地理区域。它的基准成绩也没有确立模型在洪水应对、规划部门或农作物保险流程中的实际运行表现。它重新设定了基线：训练资产的战略价值从 ImageNet 式自然照片转向观测档案本身。

SkySense 显示，融合收益高度不均

SkySense 在 2024 年拓宽了这份技术约定。它的 20.6 亿参数系统使用 2150 万条时序序列预训练，数据来自高分辨率光学影像、中等分辨率多光谱观测和合成孔径雷达。独立的空间编码器与融合模块，使模型既能处理单幅静态光学图像，也能处理已经对齐的光学—雷达时间序列。论文在 16 个数据集、七类任务上评估了这套系统。[2]

其中的决定性观念是，时间、模态与位置各有含义，不能被当作可互换的元数据；它们本身就是输入的一部分。一块农田只观测一次，得到的是外观；反复观测，得到的则是一条生长曲线。云层挡住光学观测时，雷达可以保留信号，不过雷达也带有斑点噪声、叠掩效应，并以另一种物理关系描绘地面。因此，配对两类传感器的观测，远比增加一个色彩通道复杂。

SkySense V2 把这种取舍呈现得格外具体。在论文的 PASTIS-MM 作物制图设置中，静态 Sentinel-2 输入得到 75.0 分；使用 Sentinel-2 时间序列后，结果升至 85.5；再加入 Sentinel-1 雷达时间序列，得分仅升至 85.6；在光学时间序列上加入高分辨率影像，则得到 86.7。[3] 在这项基准上，时间带来 10.5 分的提升；已有时间信息后，雷达增加 0.1 分。

这些数字无法给出传感器的普遍排名。它们只对应一个数据集、一项任务、一种指标和一套训练设置。在夜间洪灾或厚云覆盖下，雷达可以成为最重要的观测。适用范围清楚的结论是：融合收益取决于缺失的那部分信息。SkySense V2 的共享骨干网络、分模态输入处理和时间融合，适合被理解为一套证据路由架构；它无法证明所有可用数据流都应始终融合。[3]

MaRS 用时间广度换取成对的亚米级细节

武汉大学的 MaRS 于 2026 年 3 月在 AAAI 发表，处理的是另一项薄弱环节。许多多模态系统依赖中等分辨率的 Sentinel 数据，许多甚高分辨率系统又只使用光学影像。MaRS 使用约 1680 万对光学—雷达图块训练，地面采样距离约为 0.35 米。它的跨粒度训练专门应对这样一种事实：即便描绘同一地点，局部雷达图块与光学图块也存在无法严密对齐的情况。[5]

这一转向改变了模型能够辨认的细节范围。在亚米级分辨率下，道路、建筑和受损形态带有十米级像素无法保留的细部。论文把 MaRS 作为骨干网络，测试了配准、缺失模态映射、图像转换、损伤检测与变化检测、目标与建筑检测、高度估计和道路提取。它们属于研究基准，与已部署的单一应急系统尚有距离，却清楚呈现了预期的交接方向：从宽泛的场景理解，走向观测不完整时的细粒度判读。[5]

配套代码仓库尤其有用，因为它同时展现了开放程度及其限度。武汉大学发布了光学和雷达预训练权重、预处理代码以及可复现的预训练流程。不过，仓库说明，完整的 约 5 TB MaRS-16M 语料库未向公众开放，已发布内容仅限学术研究使用。[6] 外部团队可以测试骨干网络，却无法仅凭此次发布重建完整观测档案。

CGEarthEye 把星座资源转化为模型优势

CGEarthEye 明确呈现了向上游移动的路线。作者来自长光卫星技术股份有限公司和吉林大学，模型以吉林一号星座为基础设计，没有采用通用的公开影像混合库。2025 年的论文介绍了 JLSSD：一个从吉林一号 2023 年覆盖影像中抽样而成的语料库，包含 1500 万张 0.75 米分辨率图像。在中国境内，同一地点按季度取景；在中国境外，则使用年度镶嵌影像。五种模型规模从 2200 万参数延伸至 11 亿参数。[7]

季节性设计比参数总量更有分量。卫星运营方可以决定在哪里采集、多久重访一次、剔除哪些低质量观测，以及如何对齐更新。CGEarthEye 把这些采集决策编排为训练课程：全球多样性、中国境内的重复观测，以及细致的空间信息。这是从论文数据构造中得出的推论，尚不足以证明专有档案总能胜过开放的 Sentinel 数据。它确实说明，进入架构比较之前，传感器所有权已经能够转化为 AI 优势。[7]

现在再看那张生产车间的照片，它已经超出一般航天工业配图的含义。每一颗造好的卫星都会增加潜在重访能力；每一次重访都能给档案加入另一个季节、另一组变化配对或一次罕见事件。工厂与模型之间隔着多年的工程工作，却同属一个数据系统。[7][8]

开放权重不等于开放观测站

SkySense++ 也提醒人们，模型访问权与数据可复现性不能画上等号。这个 2025 年的系统使用 2700 万张多模态图像，并加入语义预训练阶段，意在改善模型面对七个领域、十二项地球观测任务时的少样本迁移。它的代码已经公开。数据声明同时指出，部分组成数据集受原始协议限制，不能再次分发，研究人员需要向各自的数据提供方申请访问。[4]

这种限制并非中国独有。高分辨率商业影像、国家地面站档案和灾害数据常受法律、安全或许可条件约束。不过，“开放”的含义也随之改变。可下载的检查点足以支持下游实验，却无法让预训练数据混合变得可审计、可更新或可独立复现。在遥感领域，模型卡还需要一份配套记录，说明传感器、采集日期、地理抽样、云层与质量筛选、标定、许可和缺失观测。

以下四项测试可以判断，这套传感器—档案策略是否已经越过基准领先，走向成熟：

1. 地理迁移： 按地区、气候和聚落形态留出测试集，避开从同一批影像的邻近图块随机切分训练集与测试集。
2. 传感器与时间漂移： 测试预训练阶段未曾出现的新一代卫星、标定变化、不同季节和灾后条件。
3. 运行交接： 对照模型所要改进的数值流程或人工流程，报告延迟、不确定性、误报和人工复核情况。
4. 可复现的数据沿袭： 公布足够的采集、筛选与配对元数据，让外部研究者在底层商业像素不能再次分发时，仍能解释结果。

证伪条件很直接。若基于可获取的中等分辨率档案训练的模型，在细粒度且按地理区域留出的任务上持续追平与星座相连的系统，那么传感器所有权构成的护城河就比当前呈现的更浅。若收益遇到新传感器、新季节或新区域便消失，那么“基础模型”的称谓过于宽泛，模型展现的只是对基准的熟悉。反过来，持久的迁移能力将确认，观测系统与编码器一道，已经成为中国 AI 能力的核心层。

遥感竞赛由此同时朝两个方向推进。架构正在学习如何更有选择地调度光学、雷达、时间和分辨率，机构则沿链条上行，进入让这些选择得以成立的档案。最终影响最深远的模型未必拥有最大的参数量。它或许连接着一套观测系统，在基准停止变化之后仍能持续观测、标定与学习。

来源

1. 中国科学院空天信息创新研究院，“首个跨模态遥感数据生成式预训练基础模型发布”（2022 年 8 月 22 日；RingMo 的数据来源、分辨率范围、自监督设计与评估范围）。
2. Xin Guo 等，“SkySense: A Multi-Modal Remote Sensing Foundation Model Towards Universal Interpretation for Earth Observation Imagery”，CVPR 2024（模型规模、光学—SAR 时序语料库、架构与评估范围）。
3. Yingying Zhang 等，“SkySense V2: A Unified Foundation Model for Multi-modal Remote Sensing”，ICCV 2025（共享骨干网络设计、模态消融实验与 PASTIS-MM 作物制图结果）。
4. Kang Wu 等，“A semantic-enhanced multi-modal remote sensing foundation model for Earth observation”，Nature Machine Intelligence 7（2025；SkySense++ 预训练、少样本任务范围、代码和数据访问声明）。
5. Ruoyu Yang 等，“MaRS: A Multi-modality Very-high-resolution Remote Sensing Foundation Model with Cross-Granularity Meta-Modality Learning”，AAAI 2026（成对的 0.35 米语料库、传感器对齐问题与下游评估范围）。
6. 武汉大学 RSIDEA，WanderRainy/MaRS（官方权重、预训练代码、数据可用性限制与仅限学术用途的条款）。
7. Zhiwei Yi 等，“CGEarthEye: A High-Resolution Remote Sensing Vision Foundation Model Based on the Jilin-1 Satellite Constellation”（2025；JLSSD 抽样、季节性设计、模型家族与评估设置）。
8. 新华社，“‘吉林一号’背后的技术”（2022 年 12 月 14 日；批量生产背景，以及本文所用纪实卫星照片的来源）。