Gemma 3 на спутнике YAM-9: VLM на орбите

По состоянию на 15 июня 2026 года самый интересный факт в истории Loft Orbital и Google DeepMind не в том, что нейросеть посмотрела на спутниковый снимок. Это уже обычная задача для земных дата-центров. Новое здесь другое: Gemma 3 работала на борту спутника YAM-9 и помогала отбирать объекты интереса до отправки данных аналитикам на Земле.

VLM на орбите - это мультимодальная модель, которая анализирует спутниковые изображения прямо на борту аппарата и помогает отправлять вниз не весь сырой поток, а более релевантные наблюдения. Если такой подход станет штатным, спутник начнет выглядеть не как камера с дорогим каналом связи, а как сенсор с первичной логикой отбора.

По данным TechCrunch, демонстрация прошла в апреле 2026 года и стала первым публично описанным применением vision-language model на орбите. Модель отвечала на естественно-языковые запросы к данным с YAM-9: например, искала места, где природная среда соприкасается с человеческой застройкой, или инфраструктуру вокруг железнодорожных узлов.

Что произошло на YAM-9

YAM-9 - спутник Loft Orbital. Компания строит не разовые кастомные аппараты под одного заказчика, а платформу, на которой разные клиенты могут размещать полезные нагрузки и программные миссии. В официальном материале Loft Orbital пишет, что YAM-9 был развернут после запуска SpaceX Transporter-15 28 ноября 2025 года в 10:44 по тихоокеанскому времени, связь со спутником была установлена, а системы выглядели штатно.

Для этой статьи важнее не сам запуск, а то, что Loft называет Virtual Missions. Разработчик может запускать и обновлять алгоритмы на бортовых вычислительных ресурсах, получать доступ к сенсорам и потокам данных активных спутников и проверять приложения без разработки собственного космического железа. YAM-9 стал одним из полигонов для такого подхода.

Связку с моделью собирала не одна Loft. TechCrunch пишет, что программный пакет NAVI-Orbital разработала группа NASA Jet Propulsion Laboratory, а технический лидер AI-группы JPL Хуан Делфа Виктория руководил этой частью работы. NAVI-Orbital стал обвязкой, через которую Gemma 3 запускалась на ограниченном бортовом контуре. Инженерам пришлось урезать зависимости и требования к памяти, чтобы модель вообще поместилась в такой режим.

Почему Gemma 3 подходит для такого эксперимента

Gemma 3 в этой истории важна как модель для ограниченного железа. Google описывает Gemma как семейство открытых моделей, построенных на технологиях Gemini. В model card для Gemma 3 указано, что модели работают с текстом и изображениями на входе и генерируют текст на выходе; у них есть открытые веса, контекстное окно до 128K у старших вариантов и поддержка более 140 языков.

Для бортового сценария особенно важна vision-language часть, а не языки или длинный контекст. В разборе Google Developers указано, что Gemma 3 получила поддержку изображения через SigLIP vision encoder; у вариантов 4B, 12B и 27B есть обработка визуального ввода. Google также описывает прием, при котором изображение сводится к компактному набору визуальных токенов. Это не отменяет вычислительную цену, но делает задачу ближе к edge-устройствам, чем у более тяжелых мультимодальных систем.

Gemma 3 не стоит смешивать с Gemini. В демонстрации использовали семейство Gemma с открытыми весами, а не потребительский чат Gemini. Для команд, которые думают о собственных edge-сценариях, это практическая разница: им нужен не красивый интерфейс чатбота, а модель, которую можно встроить в ограниченную среду и контролировать на уровне пакета, зависимостей и запуска.

Что меняется для спутниковых сенсоров

Классическая схема спутниковой аналитики выглядит грубо: аппарат собирает данные, потом передает большой объем вниз, а дальше человек или земная ML-система разбирает, что в этих данных полезно. Это работает, но канал связи, задержка и стоимость обработки становятся узким местом. Чем больше сенсоров, тем больше мусора до первичного отбора.

VLM на борту меняет место, где начинается анализ. Спутник может сначала ответить на вопрос, есть ли в кадре нужный тип объекта или ситуации, и только потом отдавать приоритет фрагментам для передачи. Для мониторинга пожаров, судов, инфраструктуры, границ или изменений на местности это может сократить путь от наблюдения к сигналу.

Loft уже продает эту идею шире одного эксперимента. На странице On-Orbit AI компания описывает бортовые CPU/GPU, сенсоры и связь как ресурсы, на которых клиенты могут запускать AI/ML-задачи у источника данных. В отдельном анонсе AI for Space Loft прямо говорит о переходе от спутников-камер к системам, которые понимают, что видят, и отправляют выводы или предупреждения вместо сырых данных.

С точки зрения Toolarium это продолжает линию, которую мы разбирали в материале про мультимодальные модели: ценность VLM растет, когда модель связывает картинку, текстовый запрос и контекст задачи. Разница в том, что теперь этот цикл пытаются перенести туда, где дорого хранить, передавать и пересчитывать лишнее.

Где границы демонстрации

Самая рискованная формулировка для заголовка - назвать YAM-9 «автономным ИИ-спутником». Это слишком широко. Из доступных источников следует более аккуратный вывод: на орбите показали первое публично описанное применение VLM для отбора объектов интереса, но не полностью автономную миссию, которая сама принимает все решения.

TechCrunch пишет, что YAM-9 несет Nvidia Jetson AGX Orin, а Loft сейчас оперирует 12 аппаратами. По словам главы AI-направления Loft Пола Лассера, для постоянного покрытия любой точки Земли понадобилось бы примерно 50-100 спутников уровня YAM-9. Это полезная проверка масштаба: демонстрация уже интересна, но между одним успешным кейсом и глобальным сервисом лежит парк аппаратов, энергетика, память, связь и надежность обновлений.

Есть и продуктовый риск. Если модель на борту ошибочно отфильтрует «неинтересные» данные, часть информации просто не попадет к аналитикам вовремя. Поэтому первые зрелые применения, скорее всего, будут не заменять земную проверку, а ранжировать очередь: что передавать быстрее, что хранить, где попросить повторную съемку и где нужен человек.

Почему это не про «ИИ в космосе ради ИИ»

Космос здесь просто крайний случай edge AI. На Земле похожая логика появляется в камерах, роботах, промышленном оборудовании и мобильных устройствах: данные возникают далеко от дата-центра, а решение нужно рядом с сенсором. Если гонять весь поток в облако, система становится дорогой, медленной или слишком зависимой от связи.

Спутник делает эту проблему видимой. Передача данных ограничена окнами связи и пропускной способностью, бортовая энергия конечна, а обновлять софт сложнее, чем на сервере. Поэтому успешная демонстрация Gemma 3 на спутнике важна не только для космической отрасли. Она показывает, как открытые мультимодальные модели могут попасть в реальные физические контуры, где нельзя просто добавить еще один GPU в стойку.

Близкий кластер - модели, которые связывают восприятие с действием в физическом мире. YAM-9 пока не доказывает, что VLM сама управляет миссией. Но он показывает первый слой такого сдвига: модель отвечает на запрос к сцене и помогает выбрать, какие данные имеют смысл, вместо простого распознавания заранее заданного класса.

Что смотреть дальше

Первый вопрос - повторяемость. Понадобятся новые публичные кейсы: какие запросы модель обрабатывала, сколько времени занимал вывод, какой процент полезных объектов она пропускала, как часто ошибалась и как обновлялся пакет на борту. Без этих чисел история остается сильной демонстрацией, но не полноценным benchmark.

Второй вопрос - экономика связи. Если бортовой VLM действительно снижает объем сырых данных, это должно проявиться в стоимости передачи данных вниз, скорости реакции и нагрузке на земных аналитиков. Именно здесь космический edge AI может стать продуктом, а не красивой инженерной заметкой.

Третий вопрос - управление. Чем больше спутник решает на борту, тем важнее журналы, проверяемые политики и возможность объяснить, почему модель посчитала объект важным. Для коммерческого мониторинга это вопрос качества сервиса. Для государственных и оборонных задач - вопрос ответственности.

FAQ

Что такое Gemma 3 на спутнике YAM-9?

Это демонстрация, в которой vision-language model Gemma 3 работала на борту спутника Loft Orbital YAM-9 через программный пакет NASA JPL NAVI-Orbital и помогала находить объекты интереса в спутниковых данных.

Это был первый ИИ-спутник?

Нет. Корректнее говорить о первом публично описанном применении VLM на орбите. Onboard AI, object detection и бортовая обработка данных существовали и раньше, но Gemma 3 добавляет естественно-языковой запрос к изображению.

Зачем запускать VLM прямо на орбите?

Чтобы делать первичный отбор рядом с сенсором. Если спутник заранее понимает, какие кадры или фрагменты важнее, он может снизить объем сырого потока, ускорить реакцию и разгрузить земных аналитиков.

Читайте также

• Мультимодальные модели: ИИ, который видит, слышит и читает
• Google арендует AI-compute у SpaceX: зачем гиперскейлеру чужие GPU
• World Action Models для робототехники: роботы с прогнозом действий

Источники и проверка фактов

Факты, даты, названия продуктов и технические характеристики проверены 15 июня 2026 года. Быстро меняющиеся данные нужно перепроверить перед публикацией.

• TechCrunch: A satellite just learned to find things on its own, опубликовано 15 июня 2026 года, использовано для факта апрельской демонстрации, роли Gemma 3, NAVI-Orbital, NASA JPL, YAM-9, Jetson AGX Orin, оценки 50-100 спутников и формулировки «first reported use of a VLM on orbit».
• Loft Orbital: YAM-9: Advancing Missions, Compute, and Innovation in Orbit, опубликовано 18 ноября 2025 года и обновлено 28 ноября 2025 года, использовано для даты deployment, SpaceX Transporter-15, Virtual Missions, Hub Compute и описания YAM-9.
• Loft Orbital: On-Orbit AI, проверено 15 июня 2026 года, использовано для описания on-orbit compute, сенсоров, edge AI/ML и сценариев вроде object detection, мониторинга и автономного софта.
• Loft Orbital: AI for Space business unit, опубликовано 2026 года, использовано для позиции Loft о спутниках как интеллектуальных системах, которые отправляют выводы и предупреждения вместо сырых данных.
• Google AI for Developers: Gemma 3 model card, проверено 15 июня 2026 года, использовано для сведений о Gemma 3: мультимодальность, текст и изображения на входе, текст на выходе, открытые веса, 128K context и поддержка 140+ языков.
• Google Developers Blog: Gemma explained: What's new in Gemma 3, опубликовано 2025 года, использовано для деталей vision-language support, SigLIP vision encoder, вариантов 4B/12B/27B и обработки визуальных токенов.
• Unibap Space Solutions: YAM-9, проверено 15 июня 2026 года, использовано как дополнительное подтверждение миссии YAM-9, on-orbit compute, virtual missions и вклада iX10.