新視野號負責人Alan Stern:探索冥王星的日子,艱苦卻令人驕傲
新視野號負責人Alan Stern:探索冥王星的日子,艱苦卻令人驕傲

昨日,在騰訊 WE 大會上,「新視野號(New Horizons)」負責人Alan Stern在演講中講述了「新視野」號飛掠冥王星背後的故事。

48億公里的飛行。

我們到冥王星共花了9年半時間。

「新視野」號負責人兼首席科學家Alan Stern說。在演講時,提到自己的團隊被NASA挑中去完成飛掠冥王星的任務時,Alan Stern的表情既驕傲又興奮。

2015年7月15日,美國太空總署宣布,「新視野」號探測器已經成功完成人類對冥王星的首次近距離飛掠探測行動,這也意味著人類歷史上探測最後一顆大行星的任務也完成。

Alan Stern

直到今年10月底,時間過去了1年多,「新視野」號飛掠冥王星的探測數據終於全部傳回了地球。至此,在過去15個月內,「新視野」號收集的關於冥王星的數據總計400多批、超過50GB,成為一個重要里程碑。

研究人員表示,這些數據和圖像訊息有望改變人們對冥王星系統的認識。比如說,2006年,冥王星被「降級」為矮行星,而「新視野」號所傳輸回來的圖像信息很可能證明,過去這一判斷是錯誤的。

20世紀90年代末,NASA曾提出一個名為「冥王星 – 柯伊伯快車」的計劃,但由於經費不足等原因,最終無奈取消。但之後,美國行星學會發動了「拯救冥王星計劃」運動,NASA在壓力之下提出了一個解決方案,要求做冥王星探索任務的團隊要能做到兩點:一是要在2015年前抵達冥王星,二是研製經費不能超過5億美元。

當時NASA在做了這樣的競賽,那時候一共有5個團隊在競爭,「新視野」號是其中的一個。我帶著差不多有上千頁的設計,以及我們管理、成本計劃,最後我們團隊被NASA選中,「新視野」號成為唯一的團隊來執行任務。

但拿下了飛掠冥王星任務後,Alan Stern和他的團隊遇到的困難和挑戰更多。

獲得這個專案的時候,很多同事告訴我這是不可能完成的任務。他們跟我說你獲勝了,但是你又失敗了,在這樣的條件下飛掠冥王星是難以實現的。

「新視野」號遇到的困難主要來自兩方面,一個是NASA定下的時間,另一個就是資金問題。Alan Stern解釋說,「旅行者」號花了12年的時間來完成設計、構建等工作,而「新視野」號只有4年的時間,同時,「新視野」號只拿到了「旅行者」號專案12%的資金支持。

由於資金問題,「新視野」號在設計時做了很多妥協,比如縮減了天線的設計,這能夠節省很多核電池從而節省很多資金。但這也導致「新視野」號到了上個月才完成了所有的數據傳輸。

而除了發射前期的準備工作,在「新視野」號進入太空後,Alan Stern和他的團隊依然十分繁忙。Alan Stern介紹說,他們準備了3個備份計劃,如果「新視野」號發生什麼故障或問題,他們可以通過點燃火箭去調整方向。「我們計劃並不完美,但只有一個機會,好在最後證明我們是正確的,我們非常清楚地看到了冥王星。」

我們以前從沒想到,冥王星的和地球有這麼多共同的地方。

Alan Stern在演講時展示了他們的成果。透過「新視野」號傳輸回的圖片,科學家們在冥王星發現了大量的冰川、山脈、峽谷、平原和隕石坑,還發現了一個面積是太陽系裡面最大的火山。科學家還發現,冥王星山脈的山峰密布天然氣,有雪崩、降水的現象。

這些成果都改變了人們過往對冥王星的看法。一張清晰的圖片,是科學家們研究一顆星球的基礎。但由於冥王星變幻莫測的大氣環境和斑駁難辨的表面,即使哈勃望遠鏡也無法看清,此前人類對它的探索幾乎一片空白。 「新視野」號改變了這一現狀,科學家們對冥王星的探索和思考又將有新的開始。

Alan Stern在演講最後提到2015年時,「新視野」號首次將圖片傳回的那一刻,整個團隊是非常興奮和激動的,而他們的成績也備受關注。據Alan Stern介紹,當時他們的網站就獲得了數十億的造訪次數,全球都報導了他們飛掠冥王星這件事,還有一些孩子寫信給他,告訴Alan Stern「新視野」號團隊對冥王星的探索給了他們什麼啟發。

Alan Stern為「新視野」號取得的成就感到自豪。據了解,Alan Stern也開始研究太空探索商業化的可能性。

冥王星,這是多麼美麗的一個星球,也是多麼複雜的一個世界。所有的努力、執著、堅持不懈,我們真正實現了。

本文授權轉載自:愛范兒

關鍵字: #NASA
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓