保护地球一直是一项缓慢的工作——研究人员在沼泽中跋涉计数濒危类人猿，预报员费力地计算天气物理，废物分流设施从送往垃圾填埋场的垃圾中分类可回收材料。AI 和加速计算正在设定新的步伐。
今年地球日，NVIDIA 重点介绍了五个推进气候科学和可持续发展的项目。
NVIDIA Earth-2 推进气候模拟 NVIDIA 通过 Earth-2 系列开放 AI 模型、库和框架支持天气和气候理解——这是全球首个完全开放、加速的天气 AI 软件栈。Earth-2 加速天气预测的所有阶段，从处理初始观测数据到生成 15 天全球预报或局部风暴预报。它包含 Earth-2 Nowcasting 等模型，利用生成式 AI 在几分钟内将国家尺度预报转化为公里级分辨率、零至六小时的局部风暴和危险天气预测。另一模型 Earth-2 Global Data Assimilation 现已可从 Earth2Studio 和 Hugging Face 下载。数据同化是预报员的巨大任务：对于国家气象局，近一半用于预测的计算用于预处理原始观测。该模型可在单 GPU 上运行，几分钟内将原始数据转化为当前大气的全球快照，包括温度、风速、湿度和气压。该模型架构 HealDA 是与国家海洋和大气管理局及 MITRE 合作开发的。
AI 帮助灵长类动物学家保护极度濒危的红毛猩猩 AI 正在将野生动物保护从劳动密集型、高成本的过程转变为高效、自动化的系统，帮助大型类人猿生存和繁衍。来自婆罗洲和苏门答腊雨林的两项开创性研究最近展示了 GPU 加速的 AI 如何自动从航空影像中检测红毛猩猩巢穴，大幅减少种群监测的时间和成本，以更好地了解极度濒危红毛猩猩的密度和分布。传统调查需要团队在茂密森林、泥炭沼泽和山区地形中步行横断面，每小时约覆盖 1 公里。而无人机调查可在相同时间内覆盖 18 公里，但瓶颈在于人工图像分析——训练有素的专家每分钟大约需要一分钟来识别巢穴，这意味着一次无人机飞行时长会产生多达 30 小时的繁琐审查工作。GPU 加速的深度学习解决了这一挑战。利物浦约翰摩尔大学应用人工智能教授 Paul Fergus 表示：“视频中的信噪比非常小，寻找信号犹如大海捞针——但 GPU 提供了帮助。这对于大规模视频处理来说是一大变革。”他合著的一项研究中，研究人员训练了一个 AI 模型用于自动巢穴检测，可在单 GPU 上不到五分钟内处理 1,800 张图像。同样，发表在 PeerJ 上的研究训练了四个 AI 模型，其中一个基于 InceptionV3 架构，在分类航空图像是否包含巢穴时展示了超过 99% 的准确率和精度。所有三种红毛猩猩物种都被列为极度濒危，过去 75 年间数量下降超过 80%。威胁包括森林砍伐、非法捕杀和极长的繁殖间隔。快速可扩展的监测对于指导保护干预至关重要。
AMP 利用 NVIDIA Physical AI 从垃圾填埋场转移数十亿磅可回收物 回收存在成本问题。传统分拣设施建设成本高达 2500 万美元，但仍会错过 25% 的可回收材料。NVIDIA Inception 初创公司 AMP 正在使用 AI 和机器人改变这一状况。该公司在现有回收站点已有数百台机器人，现在正在从头建设 AI 原生回收设施——包括丹佛的全自动化工厂和弗吉尼亚州的废物转移项目。迄今为止，AMP 已从垃圾填埋场转移了超过 20 亿磅材料，防止了约 73.9 万吨二氧化碳当量排放。AMP 的设施成本效益高，回收率达到 90%，而传统工厂约为 75%。利用 NVIDIA Hopper GPU，该公司将 AI 推理能耗降低了一半。通过 AI 和机器人，AMP 使用的传送带数量约为同等规模传统工厂的三分之二，意味着更少的钢材、更少的能源和更小的环境足迹。AMP 在 NVIDIA GPU 上训练 AI 模型，并使用开源 NVIDIA TensorRT 库和 Triton 推理服务器在边缘进行推理。该公司还在探索 NVIDIA Isaac Sim 框架，以在构建前先在模拟中开发和优化设施。
研究人员开发海啸早期预警系统 在太平洋深处，沿着胡安·德富卡板块俯冲到北美板块下方的 1000 公里断层，自 1700 年 1 月 26 日最后一次卡斯卡迪亚断层破裂以来，应力一直在积累。古地震证据表明复发间隔约为 250 年。当它破裂时，俄勒冈州和华盛顿州沿海地区将在 15 分钟内遭遇高达 30 米的海啸。现有海啸预警系统基于简化假设，可能导致延迟、错误或遗漏。更准确的预报可以通过求解所谓的逆问题来实现：从海底传感器的压力读数反推导致它们的海底运动，然后再正向预测波浪袭击的位置和高度。UT Austin 教授 Omar Ghattas 和他的合作者 Stefan Henneking 多年来一直在研究这类问题。他们的团队因足够快的计算而获得了 ACM Gordon Bell 奖。该解决方案利用了时间平移不变性，可以预先计算完整物理波动方程，从而当传感器检测到真实破裂时，只需快速计算即可。在 GPU 上运行时，完成时间不到 0.2 秒——比现有方法快 100 亿倍——并且不仅返回预报，还返回该预报的不确定性度量。这使人们在破裂后几分钟内收到警告，留下大约 10 分钟时间到达高地。计算不再是瓶颈。
Planet 将 AI 应用于地球观测 Planet 运营着世界上最大的地球观测卫星星座。该公司的任务是对全球每天成像，使变化可操作且可见。Planet 团队已成功发射近 650 颗卫星，产生了超过 3000 亿平方公里的图像和 50 PB 的地球数据。然而，一张原始卫星图像实际上并不是图像：它是一个压缩字节数组，必须解压缩、正射校正——精确固定到地球表面并校正传感器物理和轨道几何——然后处理。到人类看到它时，图像可能已过去数小时。Planet 航天器副总裁 Kiruthika Devaraj 表示：地球观测一直以天文学为模型，而天文学的目的是窥视遥远的过去。它需要变成更像生物学：将计算的“大脑”移到传感器的“眼睛”旁边，从而加速洞察。与 NVIDIA 为期三个月的合作试图缩小这一差距。通过使用 GPU 原生工作流，该团队构建了一个管道，将原始压缩卫星数据的处理速度比传统架构快 100-300 倍。具体来说，可以在几秒钟内提供野火洞察，而不是数小时，从而为急救人员提供快速可见性以支持主动管理。