保護地球一直是一項緩慢的工作——研究人員在沼澤中跋涉計數瀕危類人猿，預報員費力地計算天氣物理，廢物分流設施從送往垃圾填埋場的垃圾中分類可回收材料。AI 和加速計算正在設定新的步伐。
今年地球日，NVIDIA 重點介紹了五個推進氣候科學和可持續發展的項目。
NVIDIA Earth-2 推進氣候模擬 NVIDIA 通過 Earth-2 系列開放 AI 模型、庫和框架支持天氣和氣候理解——這是全球首個完全開放、加速的天氣 AI 軟件棧。Earth-2 加速天氣預測的所有階段，從處理初始觀測數據到生成 15 天全球預報或局部風暴預報。它包含 Earth-2 Nowcasting 等模型，利用生成式 AI 在幾分鐘內將國家尺度預報轉化為公里級分辨率、零至六小時的局部風暴和危險天氣預測。另一模型 Earth-2 Global Data Assimilation 現已可從 Earth2Studio 和 Hugging Face 下載。數據同化是預報員的巨大任務：對於國家氣象局，近一半用於預測的計算用於預處理原始觀測。該模型可在單 GPU 上運行，幾分鐘內將原始數據轉化為當前大氣的全球快照，包括温度、風速、濕度和氣壓。該模型架構 HealDA 是與國家海洋和大氣管理局及 MITRE 合作開發的。
AI 幫助靈長類動物學家保護極度瀕危的紅毛猩猩 AI 正在將野生動物保護從勞動密集型、高成本的過程轉變為高效、自動化的系統，幫助大型類人猿生存和繁衍。來自婆羅洲和蘇門答臘雨林的兩項開創性研究最近展示了 GPU 加速的 AI 如何自動從航空影像中檢測紅毛猩猩巢穴，大幅減少種羣監測的時間和成本，以更好地瞭解極度瀕危紅毛猩猩的密度和分佈。傳統調查需要團隊在茂密森林、泥炭沼澤和山區地形中步行橫斷面，每小時約覆蓋 1 公里。而無人機調查可在相同時間內覆蓋 18 公里，但瓶頸在於人工圖像分析——訓練有素的專家每分鐘大約需要一分鐘來識別巢穴，這意味着一次無人機飛行時長會產生多達 30 小時的繁瑣審查工作。GPU 加速的深度學習解決了這一挑戰。利物浦約翰摩爾大學應用人工智能教授 Paul Fergus 表示：“視頻中的信噪比非常小，尋找信號猶如大海撈針——但 GPU 提供了幫助。這對於大規模視頻處理來説是一大變革。”他合著的一項研究中，研究人員訓練了一個 AI 模型用於自動巢穴檢測，可在單 GPU 上不到五分鐘內處理 1,800 張圖像。同樣，發表在 PeerJ 上的研究訓練了四個 AI 模型，其中一個基於 InceptionV3 架構，在分類航空圖像是否包含巢穴時展示了超過 99% 的準確率和精度。所有三種紅毛猩猩物種都被列為極度瀕危，過去 75 年間數量下降超過 80%。威脅包括森林砍伐、非法捕殺和極長的繁殖間隔。快速可擴展的監測對於指導保護干預至關重要。
AMP 利用 NVIDIA Physical AI 從垃圾填埋場轉移數十億磅可回收物 回收存在成本問題。傳統分揀設施建設成本高達 2500 萬美元，但仍會錯過 25% 的可回收材料。NVIDIA Inception 初創公司 AMP 正在使用 AI 和機器人改變這一狀況。該公司在現有回收站點已有數百台機器人，現在正在從頭建設 AI 原生回收設施——包括丹佛的全自動化工廠和弗吉尼亞州的廢物轉移項目。迄今為止，AMP 已從垃圾填埋場轉移了超過 20 億磅材料，防止了約 73.9 萬噸二氧化碳當量排放。AMP 的設施成本效益高，回收率達到 90%，而傳統工廠約為 75%。利用 NVIDIA Hopper GPU，該公司將 AI 推理能耗降低了一半。通過 AI 和機器人，AMP 使用的傳送帶數量約為同等規模傳統工廠的三分之二，意味着更少的鋼材、更少的能源和更小的環境足跡。AMP 在 NVIDIA GPU 上訓練 AI 模型，並使用開源 NVIDIA TensorRT 庫和 Triton 推理服務器在邊緣進行推理。該公司還在探索 NVIDIA Isaac Sim 框架，以在構建前先在模擬中開發和優化設施。
研究人員開發海嘯早期預警系統 在太平洋深處，沿着胡安·德富卡板塊俯衝到北美板塊下方的 1000 公里斷層，自 1700 年 1 月 26 日最後一次卡斯卡迪亞斷層破裂以來，應力一直在積累。古地震證據表明復發間隔約為 250 年。當它破裂時，俄勒岡州和華盛頓州沿海地區將在 15 分鐘內遭遇高達 30 米的海嘯。現有海嘯預警系統基於簡化假設，可能導致延遲、錯誤或遺漏。更準確的預報可以通過求解所謂的逆問題來實現：從海底傳感器的壓力讀數反推導致它們的海底運動，然後再正向預測波浪襲擊的位置和高度。UT Austin 教授 Omar Ghattas 和他的合作者 Stefan Henneking 多年來一直在研究這類問題。他們的團隊因足夠快的計算而獲得了 ACM Gordon Bell 獎。該解決方案利用了時間平移不變性，可以預先計算完整物理波動方程，從而當傳感器檢測到真實破裂時，只需快速計算即可。在 GPU 上運行時，完成時間不到 0.2 秒——比現有方法快 100 億倍——並且不僅返回預報，還返回該預報的不確定性度量。這使人們在破裂後幾分鐘內收到警告，留下大約 10 分鐘時間到達高地。計算不再是瓶頸。
Planet 將 AI 應用於地球觀測 Planet 運營着世界上最大的地球觀測衞星星座。該公司的任務是對全球每天成像，使變化可操作且可見。Planet 團隊已成功發射近 650 顆衞星，產生了超過 3000 億平方公里的圖像和 50 PB 的地球數據。然而，一張原始衞星圖像實際上並不是圖像：它是一個壓縮字節數組，必須解壓縮、正射校正——精確固定到地球表面並校正傳感器物理和軌道幾何——然後處理。到人類看到它時，圖像可能已過去數小時。Planet 航天器副總裁 Kiruthika Devaraj 表示：地球觀測一直以天文學為模型，而天文學的目的是窺視遙遠的過去。它需要變成更像生物學：將計算的“大腦”移到傳感器的“眼睛”旁邊，從而加速洞察。與 NVIDIA 為期三個月的合作試圖縮小這一差距。通過使用 GPU 原生工作流，該團隊構建了一個管道，將原始壓縮衞星數據的處理速度比傳統架構快 100-300 倍。具體來説，可以在幾秒鐘內提供野火洞察，而不是數小時，從而為急救人員提供快速可見性以支持主動管理。