AWS 航空航天和卫星业务总监克林特·克罗西尔 (Clint Crosier) 表示，该公司超过 60% 的航天和航空航天客户已经在其业务中使用某种形式的人工智能，而三年前这一数字还只有个位数。

Crosier 预测，未来几年生成式人工智能在太空领域也将实现类似的增长，生成式人工智能使用深度学习模型来回答问题或根据在海量数据集中检测到的模式创建内容，这标志着传统机器学习算法向前迈出了一大步。

他在接受《SpaceNews》采访时表示，数学上的进步、可用数据量的爆炸式增长以及更便宜、更高效的数据处理芯片，为生成式人工智能的崛起带来了“完美风暴”，有助于推动云端应用程序的更广泛应用。

他说：“去年，AWS 从根本上对内部进行了重组，以便我们能够组建合适的团队和组织结构......这样我们才能真正加倍投入生成式人工智能。”

他说，AWS 已经创建了一个由少数人组成的“太空生成 AI”小组，与云客户合作，帮助开发下一代功能。

这些努力包括一个生成式人工智能实验室，供客户尝试使用这些新兴功能的新方法。 

Crosier 认为生成式人工智能在太空中的应用主要有三个领域：地理空间分析、航天器设计和星座管理。

BlackSky 和 Capella Space 等地球观测卫星运营商已经使用这些工具来帮助管理搜索查询并深入了解他们的地理空间数据。

制造业还处于早期阶段，但克罗西尔表示，工程师们正在试验如何利用输入了设计参数的生成式人工智能模型，从可能被忽视的数据（例如来自汽车行业的数据）中产生新的概念。

“无论你设计的是卫星、火箭还是航天器，你都会让生成式人工智能利用数十年的数据在全球范围内进行探索性工作，”他说，“然后它会回来给你带来以前从未有人想象过的新颖设计概念，供你的团队用作开始改进的基准。”

他说，生成式人工智能还可以通过帮助模拟测试场景来帮助操作员管理日益拥挤的轨道。

他说道：“如果我拥有一个由 600 颗卫星组成的星座，我希望模拟该星座在各种设计参数下的表现。” 

“好吧，我可以得到两个概念的模型，这让我非常不满意——但建模它们需要时间和金钱，或者我可以建模无限多个。Gen AI 会告诉我，我应该为我的建模仿真能力建模哪 25 个最重要案例，这将为我带来最佳的设计优化，所以我们看到它以这种方式使用。”

AWS 为加速采用这些新兴计算功能所做的努力还包括提供奖学金，并于 11 月宣布承诺在 2025 年底之前为全球 200 万人提供免费的 AI 培训。