GEOINTPlaybook关于地理空间智能的未来以及我们对数字化物理世界的展望的投资论文。太空资本报告® 执行摘要GEOINT 剧本| 太空资本报告2®This is largely due to the proliferation of space analysis; a critical feature of modern enterpriate and consumer applications. Yet despite the growth in geospace data data creation and, subsequently, the tools to conduct geomatic analysis, working with this type of information remains complex and产品数量有限。这在很大程度上是由于现有的现有企业和资金充足的技术初创企业之间更广泛的行业市场整合趋势。3 这指出了地理空间堆栈中的一个相互矛盾的主题 ： 从模块化技术堆栈 （ 未捆绑 ） 开始的公司然后演变成垂直集成的软件解决方案 （ 捆绑 ） 。新的 “作为服务 ” 范式解锁了跨计算 ， 存储 ， 应用程序编程接口 （ API ） 等的可扩展模块化开发 ， 并正在加快创新步伐。在这本剧本中，我们将通过我们的论文来分析地理空间智能 （ GEOINT ） 通过技术层的镜头 ： 基础设施，分布和应用。该框架帮助我们将地理空间堆栈的起源和约束与市场内的演变和变化联系起来。它还帮助我们看到基于空间的技术在与现代科技行业交叉并为各种市场的客户提供服务的生态系统中发挥的更大作用。关键收益基础设施 ： 各种地理空间传感器平台现在可以在不同的高度捕获数据 ， 这得益于低成本组件 ， 商品化存储 / 计算以及数十年的地理信息系统 （ GIS ） 产品开发。分发 ： 云 ， AI / ML 功能以及日益强大的 API 和软件开发工具包 （ SDK ） 的采用正在扩大用户群以及数据工程师 ， GIS 专家和主题专家之外的应用程序。应用 ： 现在 ， 在农业 ， 保险 ， 气候市场和增强现实等数万亿美元的全球行业中 ， 似乎建立了无数的风险投资规模的企业 ， 其市场潜力与 iPhone 首次嵌入 GPS 时的基于位置的服务相似。全球地理空间市场预计将从 631 亿美元增长到 1476 亿美元五年。2 执行摘要GEOINT 剧本| 太空资本报告3®NASA 在 1960 年代开始开发观测技术 ， 以更好地了解我们的地球 （ 遥感 ） 。Landsat 1 于 1972 年发射。所得到的数据被证明能够服务于一系列应用 ， 包括农业、林业、测绘、地质、水文、沿海资源 ，和环境监测。大约在同一时间 ， 地理信息系统 （ GIS ） Esri 成为第一家将地图信息数字化用于商业用途的公司。这种早期形式的定量和计算地理学使用户能够看到使用大型地理空间数据集的承诺 ， 以了解事情发生的地方 （ 模式 ， 集群 ， 热点 ） ， 为什么它们发生 ， 它们何时发生 （ 位置决定 ） ， 以及事物应该位于何处 （ 优化 ） 。地理信息系统 (GIS) 。 (来源:纽伯格市)作为这项技术的结果 ， 与建立了地理空间数据 ： 数据作为层 (栅格和矢量) ，其中每一层可以堆叠在另一层的顶部和分析可以在任何级别进行。 执行摘要GEOINT 剧本| 太空资本报告4®然后，在 1990 年代和 2000 年代，计算基础设施的重大进步使技术创新改变了地图。尽管仍需要领域知识来与地理空间数据进行交互，但有三项技术创新解锁了前所未有的功能 ： 1 ） GPU 发布并成为渲染复杂多维场景的标准 ，2 ） API 在开发人员中获得了服务和请求所有类型数据的吸引力，3 ） 互联网获得了吸引力，这让现代消费者了解了网络地图 （ 导航 ） 的优势和便利性。在 1990 年代，Itrisic Graphics 的一组工程师在不知不觉中开发了 Google Earth 背后的核心技术 ； 用于视频游戏的 3D 图形库。在首次演示发布后不久，该团队创建了一家名为 Keyhole 的公司，以改进产品堆栈，以流式传输带有卫星图像和航空照片的交互式 3D 地图。4 然后 ， 在 2004 年 ， 谷歌收购了 Keyhole ， 当时成立三年的数字地图软件公司。5,6 从历史上看 ， Keyhole 主要用于防御 ； 此次收购扩大了 Google 的商业用途 （ 包括广告 ） 。如今 ， 小型卫星和商用现成组件的使用已经使捕获更具成本效益全球范围内的及时地理空间数据。云 ， 边缘计算 ， AI / ML 功能以及日益强大的地理空间 API 和 SDK 的采用使地理空间智能的好处更容易获得。开发人员没有更长时间需要成为图像捕获、数据处理或对象检测方面的专家，而可以专注于构建针对独特客户需求的专用应用程序。对地理空间数据的需求正在通过市场进行量化，并用于告知未来将建立哪些传感器和平台。收集，处理和分析无尽地理空间数据的能力正在创造强大的新应用程序，这些应用程序有助于重塑整个行业的运作方式，并改变我们与地球的关系。 GEOINT 剧本| 太空资本报告5®ContentsGEOINT 剧本尾注 54 GEOINT 剧本| 太空资本报告6®基础设施 GEOINT 剧本| 太空资本报告7®原则上 ， 这包括可感知来自物理环境的输入的连接设备网络 （ 从卫星到智能手机的传感器 ） 。这些信息为了解我们的世界奠定了基础 ， 从人员和货物的流动到农作物的健康以及天气的变化。关键收益如今 ， 各种地理空间平台在不同的高度捕获数据 ， 受益于低成本组件 ， 商品化存储 / 计算以及数十年的 GIS 产品开发。地面站和边缘即服务从根本上改变了地理空间解决方案的构建方式 ， 并提供更及时、可操作的数据。地理空间公司的下一个演变将看起来和感觉更像是开发人员工具和专注于计算和 AI / ML 的深度技术公司。60 多年来，通过地图和报告可视化信息的地理空间产品为了解我们的物理世界提供了强大的工具。卫星将现代地图从静态近似转换为地球及其活动的动态反射。在 2010 年代初期，小型卫星和商用现成组件的使用使及时捕获地理空间数据更具成本效益。然而, 下行链路带宽是有限的并且非常昂贵, 延迟是相当大的, 并且计算机存储器。and processing power were characte. Further, there were no common file formats that determined how data should be managed. Verticalized solutions were built to address the gaps in framework and shared infrastructure. This碎片化源于地理空间智能及其构建者从未打算将其系统互操作的事实。相反 ， 该技术旨在提供封闭的解决方案 ， 具有受控的经济性 ， 服务高价值客户的一小部分。现在 ， 随着数据收集的快速增长以及高度专业化的处理和分析功能消除了采用障碍 ， 这种情况正在发生变化。我们将基础设施称为构建和捕获地理空间数据的硬件和软件。基础设施 GEOINT 剧本| 太空资本报告8®基础设施全球规模的数据1960 年代 ， NASA 开始开发观测技术 ， 专注于为技术发展提供信息所需的基础科学测量。 Landsat 星座始于 1972 年 Landsat 1 的发射 ， 并一直持续到今天 ， 提供了世界上最长的连续获取的天基陆地遥感数据收集。7 同样 ， 自 2014 年以来 ， 欧洲航天局发射了 Sentinel 任务 ， 包括两颗遥感卫星 ， 包括雷达和超光谱成像。尽管它是作为一项研究活动而发起的，但 Ladsat 系统的数据很快证明能够为农业，林业，制图，地质学，水文学，沿海资源和环境监测等一系列应用提供服务。虽然 Ladsat 的商业化努力在 20 世纪 90 年代中期被放弃，但基础数据被许多企业、政府和科学组织利用。最近的研究估计，2017 年 Ladsat 档案产生的年度经济价值约为 35 亿美元，高于 2011 年的 22 亿美元。8 这些天基遥感平台的发展为新平台的出现和融入地理空间堆栈奠定了基础。卫星在过去十年中 ， 发射的卫星数量和类型呈指数级增长。实际上 ， 截至 2021 年 4 月 ， 在轨共有 971 颗遥感卫星 ， 在短短 3 年内增长了 42 ％ 。9全球卫星地球观测 （ EO ） 市场在 2021 年价值 36 亿美元 ， 预计到 2030 年将达到 79 亿美元。10 这种快速增长是由启动服务和计算的商品化推动的 ， 这些服务和计算降低了新数据提供商的进入门槛。1957 年至 2021 年活跃卫星数量地球观测数据立方体(来源:乔纳森 · C · 麦克道尔)(来源:联合国)全球规模的数据 GEOINT 剧本| 太空资本报告9®NASA 的航天飞机以每公斤 54, 000 美元的价格发射到低地球轨道 （ LEO ） 的成本为 15 亿美元 ， 在 1970 年至 2010 年之间 ， 向太空发射一公斤的成本平均约为 18, 500 美元。12 SpaceX 通过垂直整合生产以降低成本 ， 通过透明定价迫使竞争 ， 并成功实现部分可重用性 ， 从而将发射成本降低了近 19 倍。13 今天 ， SpaceX Falcon 9 Block 5 火箭耗资 6200 万美元 ， 以每公斤 2500 美元的价格向 LEO 发射 ，14 而猎鹰重型飞机的成本平均在 1400 美元左右。15 SpaceX 的 Starship 旨在成为世界上最大且唯一可完全重复使用的运载火箭 ， 这将进一步降低 LEO 的发射成本至每公斤 10 至 20 美元。16这使发射卫星的价格更便宜 ， 并吸引了新进入者。处理能力是利用卫星捕获的复杂数据的另一个关键障碍。1971 年，英特尔发布了第一个完整的通用中央处理器 （ CPU ），以帮助推动集成电子产品的发展。CPU 负责计算机的主要功能，包括输入，处理，数据存储和输出。除了处理关键功能外，他们还负责渲染图形。然而，对更高性能渲染能力的兴趣驱使工程师开发图形处理单元 （ GPU ） 。1999 年，NVIDIA 推出了第一个广泛可用的 GPU，其中包括一个能够每秒处理 1000 万个多边形的渲染引擎 ； 几年后，这个数字增加到每秒 380 亿。17 GPU 的体系结构使性能的这一步变化成为可能 - 而 CPU 则按顺序处理作业 （ 更好地calculation) a GPU 并行化作业 (更擅长渲染) 。 2009 年, 研究人员发现了 GPU 在构建和训练机器学习应用程序方面的承诺。这导致了 GPU 加速计算的新范式, 使大型复杂数据集实时可用。基础设施几千公斤 ， 大到一个校车 11从历史上看 ， 发射成本一直是进入太空的主要障碍。卫星可以称重全球规模的数据“通过向组合中添加 CUDA 驱动的 GPU ， 我们能够将处理能力提高 250 倍。这将从一项不可能完成的任务中查看 10 年的观测数据 ， 并将其转变为一周即可完成的任务。 ”Brian Furtaw ， 高级数据科学家 ， 专注于 NVIDIA ML / AI 程序的 GPU 硬件和软件解决方案 全球规模的数据基础设施GEOINT 剧本| 太空资本报告10®与 GPU 相似 ， 专用集成电路 （ ASIC ） 近年来获得了牵引力。这些芯片设计应用硬件和计算配置解决特定问题。一个众所周知的例子是 Google 的张量处理单元 (TPU) ， 这是一种专用集成电路 ， 旨在加速机器学习工作负载。 TPU在训练大型复杂神经网络时 ， 通过最小化精确时间来加速线性代数计算的性能 ； 训练模型需要数周 ， 以小时为单位。18 大多数 ASIC 都专注于超速随着硬件的发