AI 星系獵人加劇全球 GPU 短缺壓力

美國國家航空暨太空總署（NASA）宣布，將於 2026 年 9 月將南希·格雷斯·羅曼太空望遠鏡（Nancy Grace Roman space telescope）送入軌道，比原定計劃提前了八個月。這台新的太空望遠鏡預計在其服役期間，將為天文學家提供 20,000 TB 的數據。

這將進一步增加數據處理的壓力。自 2021 年開始運作的詹姆斯·韋伯太空望遠鏡（James Webb Space Telescope）每日下傳 57 GB 令人驚嘆的影像；而位於智利山區的維拉·魯賓天文台（Vera C. Rubin Observatory）也將於今年晚些時候開始觀測，預計每晚將收集 20 TB 的數據。

相比之下，曾被視為黃金標準的哈伯太空望遠鏡（Hubble Space telescope）每天僅傳回 1 到 2 GB 的感測器讀數。雖然人工逐一審視這些讀數已是陳年往事，但就像其他所有坐擁海量數據的人一樣，天文學家現在正轉向 GPU 來解決他們的問題。

加州大學聖塔克魯茲分校（UC Santa Cruz）的天體物理學家布蘭特·羅伯遜（Brant Robertson）在支援或使用這些任務的數據時，親身見證了科學領域的這一重大轉變。羅伯遜在過去 15 年裡一直與輝達（Nvidia）合作，將 GPU 應用於理解太空的問題上——起初是透過先進的模擬來測試超新星爆炸理論，現在則是開發工具來分析來自最新天文台的龐大數據流。

他告訴 TechCrunch：「這經歷了一個演變過程：從觀察少數天體，到對大規模數據集進行基於 CPU 的分析，再到對同樣的分析進行 GPU 加速。」

羅伯遜與當時的研究生瑞安·豪森（Ryan Hausen）開發了一個名為 Morpheus 的深度學習模型，該模型可以審視大型數據集並識別星系。他們早期對韋伯數據的 AI 分析識別出數量驚人的特定類型盤狀星系，為有關宇宙發展的理論增添了新的觀點。

現在 Morpheus 正與時俱進：羅伯遜正將其架構從卷積神經網絡（CNN）轉向大型語言模型背後的 Transformer 架構。這將使該模型能夠分析比目前大數倍的區域，從而加快工作速度。

在 Disrupt 會見您的下一位投資者或投資組合初創公司

您的下一輪融資。您的下一位員工。您的下一個突破機會。盡在 TechCrunch Disrupt 2026。屆時將有 10,000 多位創始人、投資者和科技領袖齊聚一堂，參加為期三天、超過 250 場的戰術會議、強大的引薦以及定義市場的創新活動。立即註冊，最高可節省 410 美元。

在 Disrupt 會見您的下一位投資者或投資組合初創公司

您的下一輪融資。您的下一位員工。您的下一個突破機會。盡在 TechCrunch Disrupt 2026。屆時將有 10,000 多位創始人、投資者和科技領袖齊聚一堂，參加為期三天、超過 250 場的戰術會議、強大的引薦以及定義市場的創新活動。立即註冊，最高可節省 410 美元。

羅伯遜還致力於開發利用太空望遠鏡數據訓練的生成式 AI 模型，以提高地面望遠鏡收集的觀測質量，因為後者會受到地球大氣層的干擾。儘管火箭技術有所進步，但要將 8 公尺長的反射鏡送入軌道仍然很困難，因此使用軟體來改進魯賓天文台的觀測結果是次優的解決方案。

但他仍感受到全球對 GPU 資源需求的壓力。羅伯遜利用國家科學基金會（NSF）的資金在加州大學聖塔克魯茲分校建立了一個 GPU 集群，但隨著越來越多的研究人員希望在工作中使用運算密集型技術，該集群正變得過時。川普政府在目前的預算申請中提議將 NSF 的預算削減 50%。

「人們想要進行這些 AI、機器學習分析，而 GPU 確實是實現這一目標的途徑，」羅伯遜說。「你必須具備創業精神……特別是當你在技術的前沿領域工作時。大學非常規避風險，因為他們的資源有限，所以你必須走出去向他們展示：『看，這就是我們領域的發展方向。』」