2026年以来，全球天文领域正大规模落地AI星系探测技术，科研团队依托GPU算力支撑，可快速从PB级星际观测数据中筛选出微弱的未知天体信号。这类新增科研算力需求，已成为继大语言模型训练、AIGC内容生产之后，全球GPU供应缺口扩大的新诱因，当前高端通用GPU交付周期已延长至14个月，高端H100芯片市场溢价率超40%。
对于寻找河外星系的天文学家而言，AI已经成为不可或缺的核心工具：韦布空间望远镜每天传回的1TB以上原始观测数据中，99%的无用噪点都可以通过训练好的AI模型在数小时内完成筛选，效率是人工标注的上百倍。
这种效率提升的背后是巨量算力支撑。训练一个适配多波段观测数据的星系识别AI模型，单次训练就需要消耗相当于30张A100芯片连续运行72小时的算力，而随着全球多个射电望远镜阵列完成升级，这类科研算力需求还在以每年230%的速度快速增长。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号