8月9日,以“共绘遥感创新应用新蓝图”为主题的智能遥感开源生态联盟第二次会议在武汉光谷成功举办。活动现场,36家遥感联盟的成员单位获得授牌,《武汉.LuoJiaNET/LuoJiaSET产业应用白皮书》在本次活动中正式发布,多家企业、高校代表就遥感领域的行业应用实践与前沿研究课题展开分享与讨论,共话遥感产业新未来。 
联盟成员合影
本次会议由武汉大学、武汉人工智能计算中心、华为技术有限公司共同主办,昇思MindSpore开源社区协办,旨在汇聚创新与应用力量,孵化智能遥感行业应用成果,开创遥感产业新空间。
会议现场共为36家新入遥感联盟的成员单位进行了授牌。携手产业界伙伴共探遥感创新发展新路径,共建遥感前沿技术新高地,加快科研创新到产业落地进程。

授牌仪式
在本次会议上还重磅发布了《武汉.LuoJiaNET/LuoJiaSET产业应用白皮书》。此前,武汉大学与华为昇腾AI团队一起,共同打造了全球首个遥感影像智能解译专用框架武汉.LuoJiaNet和业界最大遥感样本库武汉.LuoJiaSET,本次白皮书的发布是武汉大学与华为在遥感领域科研创新合作的又一重大进展。
共绘创新应用新蓝图
中国科学院院士龚健雅在致辞中表示,在国家自然科学基金委重大研究计划集成项目的支持下,武汉大学与华为合作,在武汉人工智能计算中心算力的支撑下共同打造了嵌入昇思MindSpore技术特性的全球首个遥感影像智能解译专用框架武汉.LuoJiaNET和业界最大遥感影像样本数据集武汉.LuoJiaSET(现已在昇腾和昇思社区上线)。为进一步推进科研成果的产业落地,武汉大学与华为和中国卫星应用协会牵头联合发起成立了智能遥感开源生态联盟。

中国科学院院士龚健雅致辞
欧洲科学院、俄罗斯自然科学院外籍院士焦李成在致辞中对联盟运作提出建议:一是团结,一起在智能遥感领域做点事情;二是协同,联盟各个成员企业都会有自己的禀赋或者说不同特色,协同合作攻克一切难关;三是做事,在遥感核心技术上做出成果,做出领先技术。
中国遥感应用协会副秘书长周自宽表示,智能遥感开源生态联盟的发展主要离不开两点:第一是人工智能,武汉.LuoJiaNET是我们联盟的特色;第二是数据,现在已经有越来越多的数据免费并开源了,这也为遥感生态和联盟的发展带来了新机遇。
华为昇腾计算业务总裁张迪煊表示,经过半年多的发展,上海数慧、汉达瑞、武汉珈和科技等联盟成员企业都开始有了相应的遥感创新与落地方案,印证了成立联盟的前瞻性与正确性。未来,华为将持续基于昇腾AI为联盟伙伴提供更加有力的支持,让联盟的最新成果赋能产业,更好的为国家、为社会提供高端、优质、便捷的服务。
展望遥感新未来
会上,联盟顾问、中国科学院空天信息创新研究院副院长张兵对遥感卫星应用技术发展的趋势做了清晰的展望:一是多模态遥感是很重要的发展方向,二是模型数据深入耦合的事件预测。产业上,未来智能遥感卫星系统和增强现实的关系是未来新兴增长点。
联盟副理事长、西安电子科技大学人工智能学院执行院长侯彪介绍了遥感影像智能解译技术及其应用案,基于昇腾AI基础软硬件平台打造的秦岭.西电遥感脑,已经面向农业、林业、城市建设、灾害检测与评估等实际需求提供解决方案。
活动现场,联盟成员企业「上海数慧、汉达瑞、航天宏图、武汉珈和科技」分别分享了基于联盟创新成果的最新行业方案。
会议最后,联盟秘书长胡翔云发布了联盟愿景并带领联盟全员宣读。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。