西班牙地球观测数据提供商Xoople SL今日宣布完成1.3亿美元融资。
此轮融资由马德里投资公司Nazca Capital领投,MCH Private Equity、CDTI、Buenavista Equity Partners和Endeavor Catalyst等机构跟投。
Xoople为客户提供来自欧洲航天局等组织的卫星图像数据访问服务。未来,该公司将销售来自其自有地球观测卫星星座的数据。在宣布融资的同时,Xoople还公布了与L3Harris Technologies Inc.的合作协议,由后者为其计划中的卫星生产光学传感器。
光学观测卫星的工作原理并非传统意义上的拍照,而是测量从地球表面反射的太阳光。部分反射的太阳光人眼无法察觉,原始测量数据往往包含误差。因此,卫星图像需要经过大量处理才能用于实际应用。
据TechCrunch报道,Xoople收集观测数据的来源之一是欧洲航天局的Sentinel-2卫星星座。该星座由两颗相同的卫星组成,可在13个光谱波段进行拍摄,最高分辨率可达32英尺。
部分地球观测卫星运行在地球同步轨道上,意味着它们悬停在固定位置上方。这类系统在跟踪特定区域变化方面表现出色,但分辨率有限。对图像质量要求更高的公司会使用部署在近地轨道的卫星。近地轨道距离地面更近,因此可提供更高的分辨率。
Xoople未明确其计划卫星将采用哪种轨道。不过,该公司向TechCrunch透露,其长期发展路线图包括构建"真正的AI世界模型"。世界模型是一种能够生成三维虚拟环境的神经网络,例如地球模拟。
目前,Xoople提供的平台可将来自Sentinel-2等第三方卫星星座的原始图像转换为更适合分析的格式。客户还可以使用这些数据来驱动人工智能应用程序。
建筑行业是Xoople平台的应用领域之一。工程公司可以构建分析建筑工地影像的AI模型,以发现项目延期情况。此外,卫星图像还可用于估算延期时长和相关成本。
Xoople平台在公共部门也获得广泛应用。据该公司介绍,阿拉斯加交通部正在使用其卫星数据监控冰山相关的交通风险。该平台还可用于监控作物健康状况、根据天气条件调整包裹配送路线等任务。
据报道,此轮融资对该公司的估值超过10亿美元。Xoople将利用这笔资金支持工程技术开发项目。
Q&A
Q1:Xoople是什么公司?主要做什么业务?
A:Xoople是一家西班牙地球观测数据提供商,主要为客户提供来自欧洲航天局等组织的卫星图像数据访问服务。未来该公司还将销售来自其自有地球观测卫星星座的数据,并提供将原始卫星图像转换为分析友好格式的平台服务。
Q2:Xoople的卫星数据可以应用在哪些行业?
A:Xoople的卫星数据应用广泛,包括建筑行业(分析建筑工地影像发现项目延期、估算延期成本)、公共部门(阿拉斯加交通部用其监控冰山交通风险)、农业(监控作物健康状况)和物流行业(根据天气条件调整包裹配送路线)等。
Q3:光学观测卫星是如何工作的?
A:光学观测卫星的工作原理并非传统拍照,而是测量从地球表面反射的太阳光。由于部分反射光人眼无法察觉且原始数据含有误差,卫星图像需要经过大量处理才能用于实际应用。不同轨道的卫星各有优势,近地轨道卫星分辨率更高,地球同步轨道卫星更适合跟踪特定区域变化。
好文章,需要你的鼓励
2026年4月19日,北京举办了一场半程马拉松赛事,人形机器人不仅超越了所有人类参赛者,还打破了人类世界纪录。荣耀公司的机器人以50分26秒完赛,优于乌干达选手Kiplimo保持的57分20秒纪录。赛事共吸引约100支中国团队的300台机器人参赛。相比去年首届赛事最快机器人耗时2小时40分,今年成绩大幅提升。专家指出,人形机器人在复杂环境中的实际应用仍面临挑战,但中美两国已投入数十亿美元推动该领域发展。
这篇由清华大学、香港大学、美团LongCat团队等机构联合发布于2026年4月的综述(arXiv:2604.10098),是关于Transformer"注意力沉积"(Attention Sink)问题的首篇全面系统性研究。注意力沉积是指AI模型将大量注意力集中到语义无关的词上的普遍现象。综述梳理超过180篇研究,围绕"如何利用、如何解释、如何消除"三个维度构建了完整知识体系,涵盖大语言模型、视觉Transformer、多模态模型等多种架构,为AI推理效率、幻觉治理和低精度部署提供了系统性指导。
音乐流媒体平台Deezer披露,其平台每日新增AI生成音乐高达7.5万首,占新上传音乐的44%。更令人担忧的是,这些AI音乐的播放量中约85%来自欺诈性机器人流量。Deezer已开发出误报率低于0.01%的AI检测技术,并主动将AI标记音乐排除在推荐和编辑歌单之外。调查显示,97%的用户无法分辨AI音乐与人类创作的区别,随着AI音乐生成门槛持续降低,流媒体欺诈问题或将进一步加剧。
这项由加州大学圣地亚哥分校等多家机构联合发布于2026年4月的研究(arXiv:2604.11201),推出了名为COCOABENCH的AI综合能力测试平台,包含153道需要同时运用视觉理解、网络搜索和编程三种能力的真实任务,并配套轻量级测试框架COCOA-AGENT。测试发现,当前最强AI系统成功率仅为45.1%,主要失败原因集中在推理规划、工具执行和视觉感知三大方面,揭示了现有AI距离"真正全能数字助手"仍有显著差距。