#模型时代# Anthropic CEO 达里奥与“行星公司”CEO对话：卫星市场正在进行一场PC式的革命，我们可能会迎来三个“哥白尼时刻”

最近Manus火了，但是Manus的背后有一个很重要的支撑是Anthropic公司开发的模型上下文协议（Model Context Protocol, MCP），这是一种用于连接AI模型与外部数据源的开放标准协议，可以解决AI系统与数据源之间的集成问题。简单来说，就是让模型和其他应用可以对话，实现一种信息互通、进而控制。

说远了，这只视频是一个不太多见的主题对话。由Planet公司CEO Will Marshall和Anthropic公司CEO Dario Amodei（达里奥）进行。他们谈的是太空技术如何和大模型技术联动。我对太空相关技术了解有限，但是Will Marshall谈了两个事情，我觉得很有意思值得分享。

第一是他提到，过去5到10年里，卫星的成本性能提高了近千倍，这有点像从大型主机计算机到桌面计算机（PC）的转变。导致这个领域产生了大量的数据，也就可能创造无数应用。

第二是讲了未来会出现三个哥白尼时刻：1、AGI（通用人工智能）的出现；2、发现地球外生命的可能性；3：借助AI解码某些物种（如鲸鱼或黑猩猩）之间的交流内容。

***
一、AI作为通用技术的应用前景
Dario Amodei认为AI作为通用技术，有潜力在多个领域带来变革性进步。作为曾经的生物物理学家，他特别强调了AI在生物学和医疗保健领域的应用前景。"我特别兴奋于生物学方面的潜力，因为我曾是一名生物物理学家。我对医疗保健、推进科学的潜力感到非常兴奋，"Amodei表示。

他指出，在与Planet的合作中，AI能够帮助更好地理解地球，这不仅具有科学价值，还能改善我们管理地球的能力。Amodei强调，实现AI的应用价值面临的主要挑战在于创建基础模型与下游应用之间的适配器，这通常需要不同公司之间的合作。

当各行业专家与AI专家合作时，双方能够实现单独无法达成的突破。"当我们与一家比我们更了解某些领域的公司合作时，重要的是共同努力做一些我们无法单独完成的事情，因为我们理解AI，但不一定理解我们模型的所有潜在应用场景，"Amodei解释道。

二、AI发展的关键瓶颈
讨论中，Marshall询问了当前限制AI发展的瓶颈因素，包括计算能力、人才、数据和算法。对此，Amodei特别指出了专业领域数据的重要性。

虽然互联网上的通用数据已经被广泛采集用于训练模型，但特定领域的专业数据仍然稀缺且极具价值。"在通用数据方面，互联网上有大量数据，我们基本上已经抓取了整个互联网。但当你尝试在特定领域执行任务时，从该领域获得最佳性能的数据将特别重要，"Amodei解释道。
Amodei以Planet与Anthropic的合作为例，指出虽然Claude模型已通过互联网上的图像训练来分析各种图像，但其中卫星图像和地理空间数据的比例极小。"虽然我们训练的通用模型会有所帮助，但通过与拥有大量此类数据的公司（如Planet）合作，我们能从更高级的起点开始。"他强调，专业数据对于创建针对特定应用的微调模型具有极高价值。

三、太空领域的技术革命
Marshall指出，太空领域正经历一场不为人知的革命，成本更低的火箭和卫星数量的增加正在改变游戏规则。"过去5到10年里，卫星的成本性能提高了近千倍。这有点像从大型主机计算机到桌面计算机的转变，"Marshall解释道。

这场革命的主要成果是生成了关于地球的新数据集。仅Planet公司就每天生产400万张4700万像素的图像，覆盖整个地球陆地表面。这种规模的数据需要新的处理方法，就像大型语言模型已经为网络数据提供语义接口一样，卫星图像也需要类似的方法。

Marshall提出"可视查询地球"或"可搜索地球"的概念，这将实现对地球观测数据的语义理解和交互。这一愿景代表了地球观测领域的范式转变，使研究人员、政策制定者和企业能够以前所未有的方式与地球数据进行交互。

四、AI与地球观测数据的协同潜力
Amodei对"可查询地球"的概念表示赞同，并将其与文本领域已经取得的进展进行了对比。他指出，许多Anthropic的客户公司已围绕如何更好地查找、总结和搜索文本数据建立了商业模式，而同样的原则也可以应用于图像，尤其是卫星图像。

"在互联网环境中，当然需要互联网搜索功能。但直到遇到像这样的用例——卫星数据——才真正让人意识到，对图像进行同样类型的可查询操作，这已经成为我们文本业务核心部分很长时间了，"Amodei解释道。

他预测，这种能力未来将扩展到视频分析等更高级的应用。搜索大量图像以寻找特定内容的能力，特别适合卫星数据用例，可用于监测大面积区域的变化，如与可持续性或气候相关的变化，或风暴后的损害评估。

五、AI在预测分析中的应用
Marshall还探讨了AI在预测分析中的潜力，特别是利用地球观测的历史数据预测未来事件。对于地球上的每个陆地点，Planet公司已有约2500张历史图像。他提出，AI模型可能能够预测"下一个令牌"（即下一张图像），这在预测洪水、森林砍伐或难民营等情况时非常有价值。

Amodei对此表示赞同，指出即使不生成另一张图像，AI模型现在已经能够查看一系列图像并预测接下来可能发生的事情。"他们甚至不需要在许多情况下生成另一张图像。他们可以用语言描述他们认为事情将如何发展以及接下来会发生什么，"他解释道。

Amodei将这种能力与AI在其他科学领域的应用联系起来，包括医学诊断、预后和金融预测。"所以这类应用有很多先例，而且效果很好。我们仍处于尝试阶段，但基于我在各行业看到的用例类型，我非常乐观，"他表示。

六、Planet与Anthropic的战略合作
对话中，Marshall和Amodei宣布了Planet与Anthropic之间的战略合作关系。Marshall表示，他对Claude模型的初步能力印象深刻，特别是在简化API编程和分析图像序列方面。例如，在分析亚马逊地区一片森林区域时，Claude能够准确描述正在发生的事情、可能的原因，甚至推断接下来可能发生的事情及其后果。

合作的主要方面是将Planet的卫星数据用于微调Anthropic的模型，使其在处理卫星图像方面更加智能和高效。"我最兴奋的是，看到这些结果不是模型开箱即用的表现有多好，而是它们告诉我们，当模型接受卫星数据训练后能做得多好，"Amodei解释道。

Amodei强调，卫星数据与模型通常训练的图像数据有很大不同。"卫星数据实际上与我们训练的分布相当不同...互联网上的平均图像可能是猫照片。"这种差异实际上增加了合作的潜力，因为如果模型在分布外数据上表现良好，并且还有很大的改进空间，这表明合作非常有前景。

七、公益企业结构的意义
作为同为公益企业(Public Benefit Corporations)的公司，Marshall询问Amodei为何选择将Anthropic设立为公益企业。Amodei表示，这一决定源于他和联合创始人对AI技术社会影响的深刻认识。

"从一开始，当我和其他公司联合创始人意识到这项技术改变社会的潜力——主要是积极的方式，但也有潜在的负面方式和风险时，对我们来说，确保我们优先考虑该领域的一些责任方面非常重要，"Amodei解释道。

这一理念体现在Anthropic的"负责任扩展计划"(Responsible Scaling Plan)中，该计划规定了如何管理技术开发的每个阶段。Amodei指出，虽然仅仅声明自己是公益企业在法律上的改变可能不够，但它是一个重要信号，表明公司如何看待该领域的重要性和自身的责任。

Marshall补充说，这种结构确实改变了董事的信托责任，为公司提供了在做出决策时考虑更广泛社会影响的自由。

八、AI在环境与气候问题上的双面性
讨论中，Marshall提出了AI与气候和环境之间复杂关系的问题。一方面，AI可以为气候和环境带来巨大的潜在益处，如提高数据中心效率、改进天气预测，甚至助力核聚变研究。另一方面，效率提升通常不会导致实际使用量减少，而AI作为一种加速器，可能会加速材料使用，使我们更快突破地球的承载能力。

Amodei从AI责任的一般角度回应了这个问题。"AI具有所有这些通用能力。这意味着它可以用于善，也可以用于恶，"他解释道。例如，在网络领域，AI可以用于攻击，也可以用于加强防御；同样的原则适用于生物学领域和许多其他应用。

"因此，我认为我们应用技术的顺序将非常重要，"Amodei强调。对于环境和气候变化，AI可以用于改进气候模型和开发新技术。"所有这些应用都会发生，但我们可以选择优先考虑哪些应用并首先实现它们，"他表示。

九、未来的"哥白尼时刻"
在结束讨论时，Marshall提出了一个未来主义的话题，预测未来十年可能会出现三个重要的"哥白尼时刻"：AGI（通用人工智能）的出现、发现地球外生命的可能性，以及借助AI解码某些物种（如鲸鱼或黑猩猩）之间的通信。

对于动物通信解码的可能性，Amodei表示乐观。他指出，当AI系统训练预测下一个词时，它们几乎没有先验知识，架构非常通用。"如果它们能学习人类语言，我猜它们可能也能解码这些动物的某些内容，"他推测道。这可能允许我们生成合成信号，使我们能够与动物交流。

关于在其他行星上发现生命的可能性，Amodei表示他作为科幻迷对此感到兴奋。他指出AI在这方面的潜力在于解释大量数据的能力。"当我们寻找其他行星上的生命时，无论是近距离还是远距离搜索，都有大量数据需要筛选，而我们可能不确切知道我们在寻找什么。所以我可以想象AI在这方面也有协同作用，"Amodei总结道。 http://t.cn/A6BLYku1