Fernerkundungsdaten zeichnen sich durch „hohe Anschaffungskosten, aufwendige Vorverarbeitung und schlechte Wiederverwendbarkeit“ aus: Xuannü Earth nutzt 10-Meter-Gitter-Oberflächeneinbettungsvektoren, um das bisherige Prinzip „Daten für jede einzelne Anwendung separat vorzubereiten“ in das neue Muster „Einmalige Einbettung, wiederverwendbar für mehrere Aufgaben“ umzuwandeln.
Am 24. September 2026 veröffentlichte Xuannv Technology das selbst entwickelte große Modell für erdbasierte eingebettete raumzeitliche intelligente Grundplattform „Xuannv Earth“ und stellte gleichzeitig den dazugehörigen eingebetteten Vektordatensatz für die Region China zur Verfügung. Dieses Modell kodiert multiquellige Fernerkundungsbeobachtungsdaten in wiederverwendbare Erdoberflächen-Einbettungsvektoren mit einem Gitterabstand von 10 Metern und einer Häufigkeit auf Quartalsebene, um das lang bestehende Problem von Fernerkundungsanwendungen zu lösen, dass „die Daten teuer zu kaufen sind, die Vorverarbeitung aufwendig ist und die Wiederverwendung schwierig ist“.
Fernerkundungsdaten werden „viel erfasst, aber wenig genutzt“ – nachgelagerte Anwendungen werden durch Kosten behindert
Die nachgelagerten Anwendungen von Fernerkundung und Geoinformation sind seit langem durch die Kosten und Effizienz im Datenbereich eingeschränkt. Cao Bingxuan, Direktor des Zentrums für Innovation im Bereich digitale intelligente Ökologie bei China Urban Construction Research Institute Co., Ltd., beschrieb in einer öffentlichen Bewertung, dass das gängige Modell der Branche in der Vergangenheit darin bestand, dass Kunden verschiedene isolierte Daten bedarfsorientiert, zu hohen Preisen und dezentral beschafften, was zu hohen Beschaffungskosten führte. Für die anschließende Datenbereinigung und Fusionsverarbeitung musste zudem viel zusätzliches Personal eingesetzt werden, sodass die gesamte Entscheidungsfindungskette lang war und die Gesamtkosten hoch lagen.
Hinter dieser Kostenstruktur verbirgt sich eine Kette von „Anwendung bestimmt Modell, Modell bestimmt Daten, Daten bestimmt Kosten“: Sich die Anwendungsanforderungen ändern, müssen Modell und Daten entsprechend angepasst werden. Die Kosten für Datenbeschaffung, Modellentwicklung und kommerzielle Anpassung bleiben auf hohem Niveau, während der Wiederverwendungsgrad gering ist. In Szenarien wie Ökologie und natürliche Ressourcen gibt es zudem Probleme mit uneinheitlichen Datenstandards und schwieriger Migration von modellen über Regionen hinweg. Die gleiche Methode muss bei der Übertragung von einem Ort an einen anderen oft von Grund auf neu erstellt werden. Yu Min, Leiter des regionalen Zentrums Jiangxi bei China Urban Construction Research Institute Co., Ltd. und Professor für Ingenieurwesen, wies darauf hin, dass die Datenüberlastung, uneinheitliche Standards und schwierige Migration von modellen über Regionen hinweg im Ökologiebereich reale Probleme sind, die die Effizienz der Branche seit langem einschränken.
Auf der Nachfrageseite steigt die Nachfrage gleichzeitig an. Laut dem „Bericht über die Entwicklung der chinesischen Geoinformationsindustrie (2025)“, der von der China Association for Geographic Information Industry veröffentlicht wurde, erreichte der Gesamtproduktionswert der chinesischen Geoinformationsindustrie im Jahr 2024 850,1 Milliarden Yuan, mit einer Wachstumsrate von 4,8 %, und es gab mehr als 240.000 tätige Einheiten. Der Verband erwartet, dass dieser Produktionswert im Jahr 2025 auf fast eine Billion Yuan ansteigen wird. Auf politischer Ebene beschleunigt die kartografische und geoinformationelle Arbeit im Rahmen des „15. Fünfjahresplans“ die Umstellung auf digitale intelligente Entwicklung. Das Ministerium für Natürliche Ressourcen hat vorgeschlagen, die tiefe Einbettung künstlicher Intelligenz in die gesamte Kette der Datenproduktion und -aktualisierung voranzutreiben. Die intelligente Version (2026) von Tianditu, der nationalen öffentlichen Dienstplattform für Geoinformation, wurde am 24. September 2026 in Betrieb genommen. Für Geschäftsfelder wie Ackerbodenschutz, ökologische Wiederherstellung, Katastrophenvorbeugung und -minderung sowie Kohlenstoffsenkenberechnung werden höhere Anforderungen an hochfrequente, standardisierte und wiederverwendbare Erdoberflächendaten gestellt.
Einmalige Einbettung, Wiederverwendung für mehrere Aufgaben – Erdoberflächenmerkmale zu einer aufrufbaren Grundplattform machen
Die Lösung von Xuannv Earth besteht darin, den Prozess „Daten für jede Anwendung separat vorzubereiten und Modelle zu trainieren“ vorzuverlagern. Seine Kerntechnologie wurde von einem inländischen Team selbst entwickelt. Es verwendet das technische System aus „Erdeinbettung + Ausrichtung multiquelliger Daten“ und realisiert eine einheitliche erdkundliche Wissens-Einbettungsrepräsentation der Erdoberfläche, die Merkmale von metrischen Daten fusioniert, unter einem 10-Meter-Gitter, basierend auf langzeitsequenziellen und multimodalen Fernerkundungsbeobachtungsdaten, die chinesische Hochpräzisionssatelliten und kommerzielle Satelliten umfassen.
Bezogen auf das Produkt veröffentlichte Xuannv Technology dieses Mal zwei Ergebnisse. Das eine ist das große Grundplattformmodell „Xuannv Earth“, das als zentrales „Produktionswerkzeug“ dafür zuständig ist, allgemeine Erdoberflächenmerkmale aus Fernerkundungsbildern zu extrahieren. Das andere ist der dazugehörige eingebettete Vektordatensatz, der als direkt einsetzbares „Datenprodukt“ von dem Modell durch Verarbeitung von Originalbildern erzeugt wird. Das Produkt der ersten Phase enthält eingebettete Vektordaten auf Quartalsebene von 2020 bis 2021. Das gesamte Land wird nach 10 Zonen verwaltet und bedient, und Produkte auf Monatsebene werden schrittweise eingeführt. Das Modell wandelt die in massiven Fernerkundungsbildern enthaltenen Spektral-, Textur-, Form-, räumlichen Korrelations- und zeitlichen Sequenzentwicklungsregeln in einem Zug in einen standardisierten, unbegrenzt wiederverwendbaren eingebetteten Vektorsatz um.
Für nachgelagerte Nutzer besteht die tatsächliche Veränderung in der Schwelle der Entwicklung. In der Vergangenheit mussten Nutzer selbst Vorverarbeitungen wie Strahlungskorrektur, geometrische Registrierung, Entfernung von Wolken und Streifen durchführen und dann eine große Anzahl von Stichproben markieren, um Modelle zu trainieren. Jetzt müssen Nutzer nur noch auf der Grundplattform mit sehr wenigen geschäftsbezogenen markierten Stichproben den „Lösungskopf“ für nachgelagerte Aufgaben trainieren, um schnell thematische Ergebnis-Layer wie Ackerboden, Gewässer, Gebäude und Straßen auszugeben.
Im Vergleich zu ähnlichen internationalen Produkten konzentriert sich die Positionierung von Xuannv Earth stärker auf die Region China. AlphaEarth Foundations (AEF) von Google legt den Schwerpunkt auf den globalen Bereich und gibt eingebettete Vektoren auf Jahressebene aus. Xuannv Earth hingegen bietet eingebettete Vektoren auf Quartalsebene und integriert mehr Ressourcen von inländischen Satelliten, darunter eine große Anzahl metrischer Satellitendaten mit höherer Genauigkeit, sodass die Beschreibung von Oberflächenobjekten und erdkundlichen Prozessen detaillierter ist. Die Machbarkeit dieser technischen Route wurde zuvor bereits regional validiert: In der öffentlichen Praxis „XuannvEarth (Xuannv)“ auf der ModelScope-Community hat das Team auf der Grundlage von monatlichen Einbettungen mit 10 Metern und 64 Dimensionen von 320 Stichprobenblöcken in Haidian District, Beijing, den Pfad der spärlich markierten Kartierung validiert, bei dem „wenige Markierungen + leichter Aufgabenkopf“ schnell an nachgelagerte Aufgaben wie Gebäude, Straßen, Gewässer und Grünflächen angepasst werden kann.
Von der Grundplattform zum „Lösungskopf“ – Kommerzielle Route und Fortschritte des Teams
In Bezug auf das Geschäftsmodell versucht Xuannv Technology, die Kostenbeziehung zwischen „Daten – Modell – Anwendung“ neu zu gestalten und das Modell „leichte bedarfsorientierte Beschaffung + zentrale Verarbeitung durch großes Modell“ anzuwenden: Kunden müssen nicht mehr für verteilte redundante Daten bezahlen und müssen auch keine komplexen nachfolgenden Datenverarbeitungsarbeiten übernehmen. Die Zielnutzer umfassen Anwender in verschiedenen Branchen wie Landwirtschaft, natürliche Ressourcen, Stadtverwaltung und ökologische Umwelt, insbesondere kleine und mittlere Teams und lokale Einrichtungen, die Branchenverständnis haben, sich aber die Kosten für das gesamte Datensystem und die Modellentwicklung nicht leisten können.
In den Szenarien von Ökologie und natürlichen Ressourcen hat diese Grundplattform noch spezifischere Anwendungsfälle. Yu Min ist der Ansicht, dass die Geoeinbettungstechnologie multiquellige heterogene Erdbeobachtungsdaten in eine einheitliche, kompakte Vektorrepräsentation umwandelt, was Probleme wie Datenüberlastung, uneinheitliche Standards und schwierige Migration von modellen über Regionen hinweg im Ökologiebereich mildern kann. Sie kann sowohl die dynamische Überwachung der Ökologie unterstützen, als auch als raumzeitliche Grundplattform für die Mengenberechnung von Vermögenswerten natürlicher Ressourcen dienen, die Verteilung, Fläche und Änderungsflecken von Vermögenswerten wie Land, Wald und Grasland, Feuchtgebieten und Gewässern dynamisch aktualisieren und Grundlagen für die Erstellung von Bilanzen der Vermögenswerte natürlicher Ressourcen, die Berechnung der materiellen Menge von GEP sowie Inspektionen und Audits liefern.
Xuannv Technology wurde am 25. März 2026 gegründet, mit Sitz im Dongsheng-Gebäude, Zhongguancun Oststraße 8, Haidian District, Beijing, und einem eingetragenen Kapital von 5 Millionen Yuan. Gemäß den öffentlichen Informationen der Gewerbeanmeldung ist der gesetzliche Vertreter des Unternehmens Nian Jie, und die Kerntechnologie wird von einem inländischen Team selbst entwickelt. Zum gegenwärtigen Zeitpunkt hat das Unternehmen das große Grundplattformmodell Xuannv Earth und den eingebetteten Vektordatensatz für die Region China am 24. September 2026 offiziell veröffentlicht und gleichzeitig die ersten Daten zur Verfügung gestellt. Das Entwicklungsteam gab an, dass es später mit Hochschulen, Forschungseinrichtungen und Industriepartnern zusammenarbeiten wird, um die großtechnische Anwendung der Erdintelligenztechnologie in der praktischen Geschäftstätigkeit voranzutreiben. In Bezug auf die Finanzierung treibt das Unternehmen derzeit die Seed-Runden-Finanzierung voran.
Von „Datenkauf“ bis „Vektorreproduktion“ hat Xuannv Earth einen eher grundlagenorientierten Weg gewählt. Ob es möglich ist, die Einbettungsfähigkeit auf „chinesischer Region- und Quartalsebene“ stabil zu einer in der Branche großtechnisch nachvollziehbaren Lieferung umzuwandeln und nachgelagerten Nutzern nutzbare Ergebnisse mit sehr geringen Markierungskosten zu ermöglichen, wird die Frage sein, die dieses neue Unternehmen nach der Seed-Runde kontinuierlich beantworten muss.