AI银河猎手加剧全球GPU荒
【编者按】想象一下，每天海量天文数据像银河倾泻般涌来，而人类正在用GPU为宇宙解码。从哈勃望远镜每日1-2GB的“小水管”，到韦伯望远镜57GB的影像数据流，再到即将上线的罗曼望远镜2万TB惊人体量，天文学正经历一场数据爆炸。本文揭秘UC Santa Cruz天体物理学家如何联手英伟达，用AI和GPU在星海中“淘金”，甚至用生成式AI修正地球大气干扰。但光速背后，算力焦虑与经费削减的阴影，正成为科学家与星空对话的新障碍。以下为全文编译：
美国国家航空航天局宣布，将于2026年9月发射南希·格雷斯·罗曼太空望远镜，比原计划提前八个月。这颗新型太空望远镜在服役期间，预计将为天文学家传回20000太字节的海量数据。
这将叠加于2021年投入使用的詹姆斯·韦伯太空望远镜每日57GB的惊艳影像数据流，以及智利山区维拉·鲁宾天文台今年晚些时候启动的巡天观测——后者每晚预计收集20太字节数据。
作为对比，曾被誉为”黄金标准”的哈勃太空望远镜，每天仅能回传1至2GB传感器读数。当手动分析这些数据流的时代已成往事，与所有遭遇数据洪流的研究者一样，天文学家们正转向GPU来解决难题。
加州大学圣克鲁兹分校天体物理学家布兰特·罗伯逊，亲历了这场科学方法的代际跃迁。过去15年间，他持续与英伟达合作，用GPU破解宇宙之谜：从模拟超新星爆发的理论验证，到开发分析新一代天文台数据洪流的工具。
“从分析孤立的星体，到基于CPU的大规模数据集运算，再到采用GPU加速的同类分析——这整个进化过程，我都见证了。”他告诉科技媒体TechCrunch。
罗伯逊与当时的研究生瑞安·豪森共同开发了名为Morpheus的深度学习模型，能在庞大数据集中精准识别星系。他们对韦伯数据的早期AI分析意外发现了大量特定类型的盘状星系，为宇宙演化理论增添了新变数。
如今Morpheus正与时俱进：罗伯逊将其架构从卷积神经网络切换至支撑大语言模型崛起的Transformer结构。这将使模型的分析能力提升数倍，加速数据处理进程。
此外，罗伯逊正研发基于太空望远镜数据训练的生成式AI模型，用以改善地面望远镜受地球大气扰动影响的观测质量。尽管火箭技术日新月异，将8米直径镜面送入轨道仍非易事，因此用软件优化鲁宾天文台观测数据已成为最佳替代方案。
但全球对GPU资源的渴求仍让他倍感压力。罗伯逊曾借助美国国家科学基金会经费，在加州大学圣克鲁兹分校搭建GPU集群，但随着更多研究者涌入计算密集型技术领域，这套系统正迅速过时。更严峻的是，特朗普政府在本财年预算申请中提议削减NSF经费高达50%。
“人人都想开展AI、机器学习分析，而GPU正是实现路径。”罗伯逊强调：”我们必须有创业精神……尤其当你身处技术前沿时。大学因资源受限而极其厌恶风险，所以我们得走出去证明——看，这才是我们领域的方向。”
本文由吉伊网原创发布，未经许可，不得转载！
本文链接：http://www.jkiyi.com/kx/21972.html
