地球上充满了关于自身的数据。每天，卫星都会捕捉到大约100TB（太字节）的图像。然而，要想理解这些数据并不总是那么容易。一些看似简单的问题，回答起来可能却异常复杂。以加利福尼亚州一个至关重要的经济问题为例：该州有多少防火线可能阻止野火的蔓延，自上一个火季以来，这些防火线发生了怎样的变化？
“原本，你需要一个人去看图片，但这种方式能扩展的规模有限，”LGND的联合创始人兼首席执行官内森尼尔·曼宁对TechCrunch表示。近年来，神经网络在一定程度上让这项工作变得更加容易，它允许机器学习专家和数据科学家训练算法，让算法学会如何在卫星图像中识别防火线。
“你可能需要花费二三十万美元，甚至更多，来尝试创建这样的数据集，而且它只能做这一件事，”他说。
LGND希望将这些成本降低一个数量级甚至更多。
“我们并不是要取代做这些工作的人，”LGND的联合创始人兼首席科学家布鲁诺·桑切斯-安德拉德·努诺表示，“我们希望让他们的工作效率提高10倍，甚至100倍。”
LGND近期完成了一笔900万美元的种子轮融资，由标枪风险投资公司（Javelin Venture Partners）领投，AENU、钟楼风险投资公司（Clocktower Ventures）、联盟运营商（Coalition Operators）、MCJ、序曲公司（Overture）、山脊线公司（Ridgeline）和太空资本公司（Space Capital）参与投资。此外，还有包括Keyhole创始人约翰·汉克、Ramp联合创始人卡里姆·阿提耶和销售力执行董事苏珊娜·迪比安卡在内的多位天使投资人加入。
LGND的核心产品是地理数据的向量嵌入。如今，大多数的地理信息以像素或传统向量（点、线、面）的形式存在。它们灵活且易于分发和读取，但要解读这些信息，要么需要对这一领域有深入的了解，要么需要进行大量的计算，或者两者兼备。
地理嵌入以一种方式总结空间数据，使其更容易找到地球上不同点之间的关系。
“嵌入能让你预先完成90%的所有未分化计算，”努诺说，“嵌入是通用且非常简短的摘要，它们体现了你需要做的90%的计算工作。”
以防火线为例。它们可能是道路、河流或湖泊。在地图上，它们会以不同的形式出现，但它们都具有某些特征。首先，构成防火线图像的像素将不包含任何植被。此外，防火线必须达到一定的最小宽度，这通常取决于其周围植被的高度。嵌入使得在地图上找到符合这些描述的地方变得更加容易。
LGND开发了一款企业应用程序，以帮助大公司回答涉及空间数据的问题，同时还提供了一个API，有特殊需求的用户可以直接使用。
曼宁认为，LGND的嵌入将鼓励公司以全新的方式查询地理空间数据。
想象一下一个AI旅行代理。用户可能会要求它找到一个有三间房间、靠近适合浮潜地点的短期租赁。“而且，我想住在白沙滩上。我想知道在2月我们去的时候，那里的海草很少，也许最重要的是，在预订的这个时间，房子一公里范围内没有正在进行的施工，”他说。
构建传统的地理空间模型来回答这些问题，即便是对于一个查询来说也会很耗时，更不用说同时回答所有这些问题了。
如果LGND能够成功地向大众提供这样的工具，或者至少向那些将地理空间数据用于工作的人提供，那么它就有潜力从一个价值近4000亿美元的市场中分得一杯羹。
“我们试图成为这种数据的标准石油（公司），”曼宁说。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/lgnd-zhi-zai-da-zao-di-qiu-ban-chatgpt
