NASA 联手 IBM 开源“月球基础模型”，用 AI 帮人类找水冰、挑登月点

发生了什么

2026 年 9 月 10 日，NASA 与美国 IBM 联合宣布向全球开源 NASA-IBM Lunar Foundation Model（月球基础模型），并同步在 Hugging Face、GitHub 放出配套的多模态月球数据集 SomBench。

这是全球首批专门面向月球科学与深空探测的开源大模型。它用 NASA 四项任务、九台仪器（含月球勘测轨道飞行器 LRO）积累的超 30 层数据层训练，基于 ViT-B 架构、在 16 张 H100 上完成 15 万步预训练。它主要干三件事：①在月球极区永久阴影坑里找水冰（未来登月基地的水、氧气和火箭燃料来源）；②自动绘制陨石坑分布图，帮着陆器避障、选安全落点；③识别罕见的火山地貌，帮地质学家重推月球演化时间线。

对我有什么用

NASA 首席科学数据官 Kevin Murphy 说：“收集数据只是工作的一部分，更要让数据容易被科学家探索和使用。”这套模型把过去要人肉看地图、或靠低精度小模型做的事，统一成一个高精度大脑——基准测试里识别关键月球特征的精度比传统方法最高提升 23%。随着阿尔忒弥斯（Artemis）计划推进（目标 2028 年送宇航员回月球），精准的月球地图直接关系到“人类能不能安全落脚、在哪里能找到水”。

我可以怎么做

• 普通用户用不上它做训练，但它是一个很棒的科普案例：AI 不只在写文案、画画，也在帮人类探索月球、寻找地外资源。
• 高校/科研团队的开发者可以免费下载权重和代码，用极少微调数据就能适配自己的月球地质分析任务，不需要从零搭算法。
• 对航天、遥感、地质感兴趣的同学，可以关注 Hugging Face 上的 SomBench 数据集，亲手跑一跑。

温馨提醒

• 这是科研模型，不是消费级产品，落地到具体任务仍需要地面真值验证（ground truth）。
• 开源意味着全球都能用，但用于实际登月任务规划前，仍需任务团队复核其输出，不能直接当作“最终结论”。