NASA宣布将于2026年9月发射南希·格雷斯·罗曼空间望远镜，提前八个月完成计划。该望远镜预计在其寿命期间向天文学家传输2万TB的数据。

这将叠加在詹姆斯·韦伯空间望远镜每天传回的57GB惊人图像数据之上。韦伯望远镜自2021年开始工作。今年晚些时候，位于智利山区的维拉·C·鲁宾天文台也将启动一项调查，预计每晚收集20TB数据。

相比之下，曾经的黄金标准哈勃空间望远镜每天仅传输1至2GB的传感器数据。虽然过去这些数据是人工分析，但如今天文学家们和其他数据密集领域一样，开始依赖GPU来处理这些庞大数据。

加州大学圣克鲁兹分校天体物理学家布兰特·罗伯逊亲历了这一科学变革。他过去15年一直与Nvidia合作，利用GPU解决太空探索中的问题，最初通过高级模拟测试超新星爆炸理论，现在则开发工具分析最新天文台产生的海量数据。

“我们经历了从观察少数天体，到基于CPU进行大规模数据分析，再到用GPU加速相同分析的演变，”罗伯逊告诉TechCrunch。

罗伯逊和当时的研究生瑞安·豪森开发了名为Morpheus的深度学习模型，能够分析大规模数据集并识别星系。他们对韦伯数据的早期AI分析发现了大量特定类型的盘状星系，为宇宙演化理论带来了新视角。

如今，Morpheus正在升级：罗伯逊将其架构从卷积神经网络转向大型语言模型背后的变换器技术，这将使模型分析面积提升数倍，显著加快处理速度。

罗伯逊还在开发基于空间望远镜数据训练的生成式AI模型，以提升地面望远镜观测质量，弥补地球大气层带来的扭曲。尽管火箭技术进步，送入轨道的八米镜面望远镜仍难以实现，因此用软件提升鲁宾望远镜的观测效果成为最佳替代方案。

然而，全球对GPU资源的需求压力依然巨大。罗伯逊利用国家科学基金会（NSF）在圣克鲁兹建立了GPU集群，但随着更多研究人员采用计算密集型技术，该集群已显陈旧。特朗普政府曾提议将NSF预算削减50%。

“大家都想做AI和机器学习分析，而GPU是实现这一目标的关键，”罗伯逊说，“你必须具备创业精神，尤其是在技术前沿工作时。大学资源有限且风险厌恶，所以你得向他们展示‘看，这就是我们领域的发展方向’。”