LGND 希望为地球打造 ChatGPT

地球正被关于自身的数据所淹没。每天，卫星会拍摄约 100TB 的影像数据 。

但理解这些数据并非易事。看似简单的问题可能极其复杂。比如这个对加州经济至关重要的问题：该州有多少能阻止野火蔓延的防火隔离带？自上个火灾季以来它们发生了哪些变化？

“最初需要人工查看图像，但这种方法扩展性有限，”LGND 联合创始人兼 CEO 纳撒尼尔·曼宁告诉 TechCrunch。近年来，神经网络让这项工作变得简单了些，机器学习专家和数据科学家可以训练算法识别卫星图像中的防火隔离带。

“你可能要投入几十万——甚至上百万美元来创建那个数据集，而且它只能完成那单一功能，”他说道。

LGND 希望将这些数字降低一个数量级甚至更多。

“我们并非要取代从事这些工作的人员，”LGND 联合创始人兼首席科学家布鲁诺·桑切斯-安德拉德·努诺表示，“我们的目标是让他们效率提升十倍、百倍。”

该公司独家向 TechCrunch 透露，LGND 近期完成了由 Javelin Venture Partners 领投的 900 万美元种子轮融资。AENU、Clocktower Ventures、Coalition Operators、MCJ、Overture、Ridgeline 和 Space Capital 参与投资。多位天使投资人也加入本轮融资，包括 Keyhole 创始人约翰·汉克、Ramp 联合创始人卡里姆·阿提耶以及 Salesforce 高管苏珊娜·迪比安卡。

这家初创企业的核心产品是地理数据的向量嵌入技术。当前大多数地理信息以像素或传统向量（点、线、面）形式存在。这些形式虽具有灵活性和易传播读取的优势，但解读这些信息要么需要深厚的空间知识储备，要么需要相当规模的算力支持，或两者兼需。

地理嵌入技术能以简化形式概括空间数据，更易于发现地球不同点位间的关联。

“嵌入技术能预先解决90%的通用计算问题，”努尼奥表示，”这些超级精简的通用摘要本身就包含了90%的必要计算量。”

以防火带为例。它们可能以道路、河流或湖泊的形式存在。虽然在地图上呈现各异，但都具备某些共同特征：首先，构成防火带图像的像素不含植被；其次，防火带必须达到特定最小宽度（通常取决于周边植被高度）。嵌入技术能大幅简化符合这些特征的地形定位工作。

LGND 开发了企业级应用帮助大公司处理空间数据问题，同时为有特殊需求的用户提供可直接调用的 API 接口。

曼宁认为 LGND 的嵌入技术将推动企业以全新方式查询地理空间数据。

他举例说，设想一个 AI 旅行助手。用户可能会要求它寻找一套三居室的短租房，既要靠近优质浮潜点，”还要位于白沙海滩上。我想知道二月份我们去的时候海藻很少，也许最重要的是，在预订时房子一公里范围内没有施工工程”。

若用传统地理空间模型来回答这些问题，仅处理单个查询就耗时费力，更不用说同时满足所有条件。

如果 LGND 能成功向大众——哪怕只是向工作中使用地理空间数据的专业人士——提供此类工具，就有望在这个估值近 4000 亿美元的市场分得一杯羹。

“我们正努力成为这类数据的标准石油公司，”曼宁说道。