OlmoEarth平台：行星尺度的地理空间推理
摘要
AI2发布OlmoEarth平台，通过CPU/GPU分工和高度并行架构，使大陆尺度卫星图像推理可在一天内完成，每平方公里成本不足一美分，支持环境监测应用。
核心要点
- OlmoEarth模型基于约10TB多模态卫星数据预训练。
- 平台可在大约一天内完成大陆尺度推理，处理数十TB图像，每平方公里成本不到一美分。
- 最近北美野火风险图生成使用了约19,600个CPU和994个GPU，网络吞吐量超168 GB/s。
- 并行化将估计的4,737小时串行计算缩短至30.5小时，加速155倍。
- 工作流分为数据获取与预处理（CPU）、推理（GPU）、后处理（CPU）三个阶段。
原文佐证
- The OlmoEarth models are our family of Earth observation foundation models, pretrained on roughly 10 terabytes of multimodal satellite data.
- Today, the platform can run inference across continent-scale areas in roughly a day, processing dozens of terabytes of imagery at a cost of fractions of a penny per square kilometer.
- At peak, the run used roughly 19,600 CPUs and 994 GPUs in parallel, with network throughput exceeding 168 GB/s.
AI 洞察
OlmoEarth平台标志着地球观测AI从模型开放走向平台化服务，显著降低了环境组织应用AI的门槛。其创新的CPU/GPU分阶段架构为大规模数据处理提供了高效范例。未来，此类平台将成为气候监测和灾害响应的重要基础设施。