拍摄的数据有90%在天上直接丢失，根本无法传回地面处理。这句话戳中了商业航天当下的隐痛，行业斥巨资将精密仪器送入轨道，最终换来的却大多是太空垃圾。

　　中国目前在轨遥感卫星已超过200颗，每日生成的原始数据量逼近EB级别，相当于100万TB。

　　绝大多数数据在传输环节被无情舍弃，原因是传不起、传不动、地面也来不及处理。

　　遥感卫星长期存在几个致命的系统性短板，比如，通信带宽极窄，卫星与地面站的通信窗口每天仅有几次，每次仅维持几分钟；

　　计算大脑缺位，目前的卫星本质上仍是一台只会机械按快门的照相机，缺乏自主筛选信息的能力。即使数据勉强下传，地面处理中心的算力同样捉襟见肘。

　　如果将遥感卫星视作地球的眼睛，当前市场主要存在两种视力矫正方案：追求极致像素的光学镜片，以及试图穿透迷雾的雷达义眼。

　　光学遥感卫星的工作原理很简单，就是用镜头对准地球，像拍照片一样把地表影像传回来。但简单的原理背后，是持续数十年在分辨率上的纠缠。

　　分米级时代（2010-2020）：能看清车型，甚至车牌（民用限制0.3米）。

　　中国有云覆盖天数年均超过180天，这意味着你的天眼有一半时间在闭眼。更尴尬的是，光学卫星在夜间基本就是瞎子，除非你愿意搭载昂贵的夜视设备。

　　商业化的悖论由此产生，技术越先进，单星成本越高（数亿级别）；天气依赖性强，数据获取不可控；军事敏感度高，民用场景受限。

　　这就解释了为什么光学遥感技术成熟，但商业模式始终跑不顺。因为你卖的是可能拍得到的数据，而不是一定拍得到的服务。

　　它不依赖自然光，主动发射微波信号，然后接收地表反射的回波进行成像。这种自带光源的设计，赋予了SAR三大超能力：

　　它能依靠微波穿透云雾雨雪的特性，不受恶劣天气影响，实现全天候工作，可用于灾害应急、海洋监测；

　　同时不依赖太阳光照，能在夜间和极地等极端光照条件下稳定运行，适用于夜间监控、极地观测；

　　还可以穿透植被冠层和浅层地表，在农业估产、地下管线探测等场景中发挥重要作用。

　　第二代（2007）：商业SAR萌芽，德国TerraSAR-X开启高分辨率时代。

　　第三代（2014）：小型化突破，欧洲Sentinel-1实现免费数据供给。

　　SAR的核心优势在于确定性，无论刮风下雨，它都能给到确定性的数据。这种确定性在保险、金融、应急等场景具有不可替代的价值。

　　但SAR也有短板，它的图像解译难度大，需要专业知识才能读懂；成本较高，虽然比光学卫星便宜，但单星仍需数千万到上亿；还存在分辨率瓶颈，民用SAR分辨率普遍在0.5米～1米级别，与光学仍有差距。

　　值得一提的事，聪明的玩家已经开始布局双模卫星——同一平台同时搭载光学和SAR载荷。

　　长光卫星的吉林一号星座已经开始尝试这种融合路线，天仪研究院则在SAR领域快速迭代。

　　谁能率先跑通光-SAR融合的数据产品，谁就有可能在下一代竞争中占据先机。

　　商业遥感的数据价值，正是由空间分辨率、时间分辨率与应用场景刚需程度共同决定的。

　　农业监测只需天级重访，而灾害应急与国防安全则要求分钟级或小时级的响应速度。单星往往需要数天才能重访同一区域，要实现高频监测唯有依靠庞大的星座基数。

　　在当前的卡位战中，格局已经初步显现。中国SAR领域的第一梯队是卫星制造商。

　　天仪研究院则是SAR领域的黑马。从2019年发射第一颗SAR卫星海丝一号开始，短短几年内完成了多次技术迭代，最新一代SAR卫星分辨率已达到0.5米级别。

　　这些服务商的共同特点是不造卫星，只玩数据。但问题在于，上游卫星资源受制于人，数据质量和时效性难以保证。

　　美国Planet Labs是目前最接近遥感界AWS的玩家，它运营着全球最大的商业遥感星座（200+颗Dove卫星+21颗SkySat），实现全球陆地每日覆盖，提供API接口，支持开发者调用。

　　美国Capella Space是SAR领域的独角兽。它能达到0.5米分辨率，小时级重访；与保险、金融、国防客户深度绑定，2024年估值超过10亿美元。

　　芬兰Iceye另辟蹊径，从保险行业切入，专注洪水监测。与保险公司合作推出 parametric insurance （参数化保险），提供数据即服务，按事件收费。

　　欧洲Sentinel计划则是商业公司的噩梦，其Copernicus计划提供免费SAR数据，分辨率虽低（10米），但覆盖全球、完全免费，对商业SAR公司形成降维打击。

　　遥感赛道的商业化探路，正经历一场剥洋葱般的自我进化。行业正在告别倒卖原始数据的粗放时代，艰难向提供高维价值的深水区挺进。

　　过去，遥感交易带有强烈的定制零售色彩。客户圈定时间地点，卫星按指令接单拍摄。

　　这种按景计费的做法使得单次账单动辄数千乃至数万元，叠加数天甚至数周的漫长交付期，以及极低的数据标准化程度，让客户体验大打折扣。

　　遗憾的是，遥感数据的专业门槛极高，高昂的客户教育成本导致这种改良方案的市场渗透依然步履沉重。

　　原始图纸卖不出好价钱，就必须提供精炼过的情报。进阶玩家开始做减法，他们将晦涩的原始图像隐藏在后台，直接向终端交付直戳业务痛点的分析报告。

　　农业保险公司可以直接拿到自动测算的受灾面积与定损金额；环保部门只需查收植被碳储量估算的动态曲线；对冲基金则紧盯矿场与港口油储库存的起伏，借此预判大宗商品走势。

　　这条路径的护城河在于行业认知，它逼迫企业完成团队基因重组，将传统的纯航天工程师队伍，迅速改造为由行业老兵与AI算法极客混编的特种部队。

　　当局部的信息服务无法满足爆发的产业需求，商业的终局必然走向平台化。这就是卖能力，即构建云原生的底层架构。

　　航天宏图的 PIE-Engine、中科星图的 GEOVIS，乃至携庞大算力矩阵杀入的阿里云与华为云，都在争夺同一个生态位。

　　未来的行业巨头，必定是能够为整个空天产业链从业者提供 AI 驱动的信息基础设施平台或智能引擎的企业。通过开放 API、搭建算法集市与开发工具，这些平台能够打破数据的物理极限，实现全域感知信息的无界流动。

　　不过，硬币的另一面是极其骨感的现实。构建底座犹如孕育黑洞，前期投入巨大且生态成型极度缓慢。

　　更为致命的是，这恰恰印证了王坚院士的痛心疾首。倘若天上那 90% 的高潜数据依旧被白白丢弃，源头活水被生生掐断，那么地面的数字平台即便再强悍，终究也会陷入无米下锅的境地。

　　短期来看，未来一到三年内，农业的参数化定损理赔、灾害的小时级应急响应以及需求激增的 ESG 碳汇监测将率先吃到红利。

　　拉长到三至五年，自动驾驶所需的高精地图实时更新，以及金融机构死盯的大宗商品与全球供应链风控，将成为行业新的利润池。

　　而在更远的五到十年后，实时更迭的数字孪生城市与追踪全球贸易命脉的动态可视化网络将真正成为现实。

　　未来的行业终局，早已跳出了单纯的情报倒卖或单一卫星制造的范畴。整个空天产业链真正渴求的，是一个完全由 AI 驱动的信息基础设施平台，或者说是一台智能引擎。

　　当中国庞大的遥感星座群真正装上那颗最聪明的太空大脑，我们迎来的将是一个真正没有盲区、无限链接的透明地球时代。返回搜狐，查看更多j9.com官网