OlmoEarth dari Ai2 jalankan AI satelit skala benua

Ai2 memaparkan infrastruktur di balik OlmoEarth, platformnya untuk menjalankan foundation model atas citra satelit dalam skala sangat besar. Model-modelnya dilatih pada sekitar 10 terabyte data pengamatan Bumi, dan cerita tekniknya ada pada bagaimana model itu benar-benar diterapkan lintas benua tanpa pekerjaannya ambruk. Pipeline-nya berjalan tiga tahap: CPU menangani pengambilan dan prapemrosesan data, GPU menjalankan inference, lalu CPU merakit kembali hasilnya. Wilayah dipecah menjadi bagian sebesar satu mesin, lalu menjadi window sebesar satu model, sehingga ribuan partisi bisa berjalan sendiri-sendiri.

Angkanya memberi gambaran skalanya. Peta risiko kebakaran hutan untuk Amerika Utara memakai sekitar 19.600 CPU dan 994 GPU sekaligus, dengan laju data lebih dari 168 GB per detik. Itu mengubah perkiraan 4.737 jam komputasi serial menjadi sekitar 30,5 jam, percepatan 155 kali, dengan biaya sepersekian sen per kilometer persegi. Platform ini menyimpan indeks metadata sendiri lintas penyedia seperti Sentinel, Landsat, dan NISAR, dan hanya membaca window yang diperlukan dari berkas cloud-optimized. Setiap task dirancang idempotent dan reentrant, sehingga satu run pulih sendiri dari citra yang hilang, tutupan awan, atau kegagalan perangkat keras.

Ai2 menyasar platform ini untuk kelompok yang menangani konservasi, ketahanan pangan, dan tanggap bencana yang jarang punya kemampuan rekayasa seperti ini secara internal.

Kenapa ini penting

Kalau tim Anda ingin menjalankan model geospasial tetapi tidak bisa membangun pipeline terdistribusi, platform terbuka yang memetakan satu benua dalam sehari dengan biaya sepersekian sen per kilometer persegi mengubah apa yang realistis dengan anggaran kecil.