IBM 與 NASA 聯合發布首個開源月球研究 AI 模型

• NASA ‑ IBM 月球基礎模型將數十年觀測數據轉化為科學探索基礎，以單一儀器無法達到的規模，協助科學家挖掘數據當中的規律。
• 模型在辨識月球表面關鍵地質特徵（包括潛在冰沉積物、隕石坑及火山構造）方面表現顯著提升，支援人類重返月球計劃；其辨識率較常用方法最高提升 23%。

香港2026年9月21日 /美通社/ -- 近日，IBM（NYSE: IBM）與美國國家航空航天局（NASA）宣佈開源發布「NASA‑IBM 月球基礎模型」（NASA‑IBM Lunar Foundation Model）。作為首批公開可用、專為月球科學探索而設的基礎模型之一，該模型由 IBM 及 NASA 研究人員利用整理完備的龐大月球觀測數據集訓練而成，目標協助科研人員把數十年來、來自不同儀器的複雜數據轉化為重要研究見解，協助人類在月球建立長期據點。

月球地形持續演變。隨時間推移，月球表面不斷出現新的隕石坑與水冰，亦曾經歷多輪火山活動。數十年來，透過感測器與儀器持續觀測月球，已累積 PB 級數據。過往科學家只能手動篩選地圖及影像，或是採用低解像度、只適用於特定任務的機器學習模型研究月表。這類方法耗用大量運算資源，而且在辨識及分析地質特徵方面，難以達到科研所需的精準度。全新發布的 NASA‑IBM 月球基礎模型可處理不同類型及解像度的月球數據，挖掘數據之間隱藏的關聯，加快研究進度。

具體而言，研究人員可運用這套基礎模型研究多種月球現象，包括：

• 潛在月球冰沉積物：永久陰影區是月球最難觀測的環境之一，但其地底可能蘊藏月球冰。月球冰代表存在水與氧氣 —— 這些資源對未來興建月球基地，以及為火星任務提供火箭燃料極為重要。NASA‑IBM 模型可結合多模態、多解像度觀測數據，預測月球表面可能存在冰層的位置。NASA 與 IBM 聯合發表的技術論文指出，相較 SwinV2-B (ImageNet) 模型，此模型預測月球冰高潛在區域的誤差（RMSE）最多可減少 22%^[1]。
• 火山活動歷史：透過研究名為「不規則月海斑塊」（Irregular Mare Patches）的月球火山特徵，科學家可更深入了解月球火山歷史及熱演化過程。此外，辨識這類變動區域對未來月面作業意義重大。在標籤數據不完美的情況下，模型偵測火山特徵的覆蓋範圍較 SwinV2-B (ImageNet) 模型多出 3%，維持同等精準度之餘，實現更高效率及更低微調成本^[2]。
• 隕石坑偵測：隕石坑是月球最重要、最易辨認的特徵之一，可揭示月球歷史的重要線索，例如不同地形的年代、地質狀況，以及月球早期內部的化學成分。繪製隕石坑地圖亦協助 NASA 揀選安全著陸點，避開陡坡、巨石等危險地帶，並規劃長期基礎設施選址。利用此模型，研究人員可在米級解像度下辨識、結合上下文分析並分類隕石坑；相關論文顯示，其精準度與 SwinV2-B 等先進模型相若，效率及微調成本則更優。在約 100 米的上下文尺度解像度下，模型只需要一半訓練數據，表現已較 SwinV2-B 高出近 19%^[3]。

NASA 華盛頓總部首席科學數據官、署理首席數據及 AI 官 Kevin Murphy 表示：「NASA 花了數十年建立完備的月球科學數據庫，但收集數據只是工作一部分。我們還要讓數據更方便科研人員探索及運用。NASA‑IBM 月球基礎模型展示將 AI 引入 PB 級科學數據帶來的可能性。這正是 AI 真正的價值：把大規模數據轉化為嶄新科學發現。」

IBM 研究院歐洲、英國及愛爾蘭區域負責人 Juan Bernabe-Moreno 指出：「要解開月球的謎團，從海量科學數據中提取資訊的能力不可或缺。NASA‑IBM 月球基礎模型為科研人員提供大規模探索月球的基礎，整合不同儀器的觀測見解，從而發現在單點觀測中難以察覺的規律，建立開放式全球研究平台。」

雖然月球數據十分豐富，但過往未有公開的統一數據集，能夠把多模態、多解像度數據整合至適合現代機器學習的通用框架。除基礎模型外，IBM 與 NASA 科學家亦建構業界首個開源月球數據集 —— 一套統一、可直接用於機器學習的月球數據集，整合四次月球任務、九種觀測儀器所產生的 30 多個空間對齊數據層。數據集匯集數萬張影像及地圖資料，來源包括 NASA 月球勘測軌道飛行器（LRO）及其「重力復原與內部實驗室」（GRAIL）任務，以及日本宇宙航空研究開發機構（JAXA）的「月亮女神」（SELENE）任務，為月球科學界提供豐富的多模態月表及次表層資料。

NASA‑IBM 月球基礎模型延續雙方多年合作，目標將珍貴科學數據轉化成供整個科學界使用的研究基礎。透過開源這套模型，科學家及研究人員可借助前沿 AI 技術，加速月球探索。模型亦是 Prithvi 系列開放基礎模型的最新成員，該系列已涵蓋地理空間、氣象、太陽物理、月球等觀測數據。開發這一系列模型背後有更宏遠的願景：研究人員毋須為每項科學課題重新建構演算法系統，而是善用共享模型，推動跨領域科研突破。

關於IBM

IBM 是全球領先的混合雲、人工智能及企業服務提供商，幫助超過 175 個國家和地區的客戶，從其擁有的數據中獲取商業洞察，簡化業務流程，降低成本，並獲得行業競爭優勢。金融服務、電信和醫療健康等關鍵基礎設施領域的數千家政府和企業實體依靠 IBM 混合雲平台和紅帽 OpenShift 快速、高效、安全地實現數字化轉型。IBM 在人工智能、量子計算、行業雲解決方案和企業服務方面的突破性創新為我們的客戶提供了開放和靈活的選擇。對企業誠信、透明治理、社會責任、包容文化和服務精神的長期承諾是 IBM 業務發展的基石。瞭解更多信息，請訪問： www.ibm.com/

查詢更多本地資訊，請訪問IBM香港新聞間：https://hongkong.newsroom.ibm.com/ 

傳媒查詢：
崔守峯 shou.feng.cui@ibm.com  

¹  "Multimodal-Multiresolution Foundation Model for Lunar Remote Sensing", pg 17
²  "Multimodal-Multiresolution Foundation Model for Lunar Remote Sensing", pg 17
³ "Multimodal-Multiresolution Foundation Model for Lunar Remote Sensing", pg 15

** 本新聞稿由 PR Newswire 通過自動發布系统提供，內容由客戶承擔全部責任。**

以全球投資網絡、持牌團隊與AI能力，服務全球華人家庭

香港2026年9月22日 /美通社/ -- 全球華人財富管理機構諾亞控股有限公司（「諾亞」或「公司」，NYSE:NOAH；HKEX:6686）攜旗下全球資產配置平台Olive Asset Management（「Olive」）在香港成功舉辦2026全球投資者峰會《兌現之年·全球配置新程》。圍繞AI帶來的產業變革與全球華人家庭的長期財富需求，諾亞闡述了如何將多年積累的全球投資網絡、專業服務與AI能力結合，轉化為客戶可以使用、可以長期依托的財富管理體系。

Global Infrastructure Partners（GIP，貝萊德旗下基建平台）、麥格理資產管理、Bridgepoint、HarbourVest及三井住友德思資產管理等機構的投資專業人士出席並參與交流。全球管理人網絡是諾亞投資能力的重要基礎。通過持續參與全球基金投資，諾亞及Olive不斷積累管理人關係與底層研究數據，並將這些資源用於理解產業變化、驗證投資判斷，為客戶的長期配置提供支持。

從客戶長期利益出發，理解財富管理的責任

諾亞控股認為，AI帶來的生產力變化，正在改變財富創造的方式，也對家庭的長期安排提出新的要求。財富管理需要深入理解技術、資本與家庭需求變化背後的長期驅動力，同時將家族治理與傳承納入考慮。專業機構的責任，是幫助客戶理解變化，並結合自身需要作出判斷，在長期陪伴中建立信任。

諾亞控股董事局主席汪靜波表示：「以專業成就關愛之心，是諾亞不變的底色。我們的職責，不是去預測事件，而是識別力量；真正的關愛，是用專業能力，幫客戶看清哪些是可以承受的波動，哪些是必須迴避的風險。」

諾亞控股CEO殷哲在峰會上表示，每一次技術革命，都在重寫世界秩序、重新分配資源。AI正在推動的這一輪生產力變革，也不例外——它同樣改變了企業成長與投資者參與的路徑。

殷哲表示：「過去的工業革命解放了人的雙手，這一次AI革命進一步拓展了人的大腦與智能。諾亞長期積累的GP洞察，讓我們得以持續觀察優秀投資機構如何作出選擇。借助AI，我們將這些積累連接成更清晰的研究線索——這張『圖』，就是全球優秀機構的選擇軌跡；順著它去找值得深入研究的公司，就是我們所說的『按圖索驥』。」

這些判斷，最終要落到客戶可以使用的體系上。諾亞旗下三大平台協同運作：ARK Wealth Management負責賬戶與投資執行，覆蓋全球銀行體系、交易通道、公募基金與結構性產品；Olive Asset Management負責長期資產配置，覆蓋私募股權、風險投資、不動產與全球基礎設施；Glory Family Heritage圍繞家族的保障邊界與代際安排，提供全球家族傳承與生活方式服務。三個平台在統一框架下協同，將客戶的長期需求落實為具體的投資、配置與傳承安排。

諾亞Olive的「機構智商」：讓判斷有據可依，讓經驗持續積累

Olive Asset Management全球首席執行官彭靜在峰會上介紹，Olive正持續建設「機構智商」，將長期投資實踐中的研究、決策與經驗沉澱為組織共同的方法和標準，使專業判斷能夠持續積累、接受檢驗，並隨實踐不斷改進。

觀察一流機構的選擇，是研究的起點，而不是結論。全球管理人網絡提供了研究廣度，但機構名氣與投資數量本身不能替代判斷。團隊追蹤的是同一判斷背後有多少真正獨立的信息源支持，而不是簡單統計有多少家跟投。在執行層面，Olive強調分別評估公司質量與買入價格；在研究層面，篩選模型需要回到歷史時點，使用當時可獲得的信息接受檢驗，再根據真實結果修正方法。項目數據、決策依據，以及成功與失誤帶來的經驗，由此持續留存在組織中。AI在這一過程中輔助擴大信息覆蓋、發現異常與持續追蹤，專業團隊則負責行業研判、風險評估與最終決策。

峰會同期設有多場分論壇，涵蓋硅谷前沿科技、全球私募一級市場佈局、二級市場機遇，以及家族傳承規劃等議題，由諾亞團隊與多家合作機構的專業人士共同參與研討。

諾亞將持續連接全球投資資源、專業研究與客戶服務，通過旗下平台的協同，為全球華人家庭的長期投資與財富傳承提供支持。

關於諾亞控股有限公司

諾亞控股有限公司（紐約證券交易所代碼：NOAH；香港交易所代碼：6686）是一家總部位於新加坡的財富管理機構，專注服務全球華人高淨值家庭。諾亞成立於2005年，2010年於紐約證券交易所上市，2022年於香港聯合交易所雙重主要上市，業務覆蓋9個國家和地區，並在新加坡、美國、中國香港與中國上海設有賬戶與交易中心。

免責聲明

本新聞稿僅供參考，不構成任何投資建議、要約或要約邀請。投資涉及風險，證券及基金價格可升亦可跌，過往業績不代表未來表現。本稿件中所包含的前瞻性陳述受多種風險和不確定因素影響，實際結果可能與陳述存在重大差異。

** 本新聞稿由 PR Newswire 通過自動發布系统提供，內容由客戶承擔全部責任。**