空天大模型作为人工智能与空天信息技术的深度融合，已在多个领域展现出显著的实践成果。以下是基于现有实践案例和技术进展的总结：

一、天基大模型的星载部署与实践

1. JigonGPT的研制与在轨运行
   中国科学院计算技术研究所联合多家单位研制的极光天基大模型JigonGPT，以智源Aquila语言大模型为基座，融合视觉编码模块，构建了1.02B参数的基准模型。通过分层量化与跨模态蒸馏技术，模型参数量压缩77%（至0.23B），在仅牺牲5.2%遥感解译性能的情况下，成功部署于“东方慧眼高分01星”卫星，实现星载图像解析、语义交互和指令生成功能。
2. 应用案例：基于JigonGPT的卫星数字人“东方小极”通过社交媒体与地面用户互动，提供遥感数据直达终端的服务，展示了天基智能体的实时响应能力。
3. 星载智能计算机的技术突破
   该载荷采用全体系国产化核心元器件和高可靠容错架构，支持100 Tops级智能计算，并通过超大文件断点续传技术，克服卫星链路间歇性中断问题，实现大模型动态更新。

二、地面空天大模型的行业应用

1. 星图云与DeepSeek-R1的融合
   中科星图旗下星图云接入开源大模型DeepSeek-R1，显著提升用户意图识别和逻辑推理能力（整体提升10%），并通过“对话即服务”模式构建数字地球平台。典型应用包括：
2. 智能化空间交互：用户通过自然语言提问即可获取地理教育、遥感科学等多领域信息，结合检索增强生成（RAG）技术实现高效数据解析。
3. 零代码智能体开发：内置星图览卷（遥感报告解析）、星图智库（知识挖掘）等工具，提升垂类应用构建效率30%。
4. 多模态大模型的科研突破
   中国科学院空天信息创新研究院提出的“空天·灵眸”大模型（RingMo）通过生成式预训练，支持跨模态遥感数据（光学、SAR）的通用表征，在场景分类、目标检测等任务中达到国际领先水平。其自监督学习框架无需标注数据，显著降低训练成本，已在国防安全、三维重建等领域试用。

三、技术创新的核心方向

1. 模型轻量化与国产化适配
2. 天基场景下，模型压缩技术（如分层量化）和国产硬件适配是关键，JigonGPT与“东方慧眼”星座均采用全国产化元器件。
3. 地面应用中，昇腾AI平台与MindSpore框架支持“空天·灵眸”的国产化训练与部署。
4. 多模态数据融合与闭环反馈
5. 多模态AI大模型（如“空天·灵眸”）整合遥感数据的几何、电磁等特性，构建通用语义空间，支持跨任务灵活迁移。
6. 星图云通过用户反馈优化卫星载荷设计，形成“数据-模型-应用-反馈”的闭环链路。

四、应用场景与未来展望

1. 核心场景覆盖
2. 天基实时服务：卫星数字人、灾害预警、军事侦察等16。
3. 地面行业赋能：自然资源监测（生态保护、灾害预警）、智慧城市管理、低空交通优化等48。
4. 未来趋势
5. 开源生态建设：如DeepSeek-R1的开源模式降低研发成本，推动国产替代。
6. 天临空地一体化：结合星载与地面算力，构建全域智能感知网络，支撑数字孪生、元宇宙等新兴领域。

总结

空天大模型的实践已从技术验证迈向规模化应用，天基与地面模型的协同将进一步推动空天信息服务的实时化、智能化。未来需持续突破模型轻量化、多模态融合及生态开放等挑战，以实现更广泛的社会经济价值。