LGND 想为地球制造 ChatGPT
地球充斥着关于自身的数据。 每天，卫星捕获大约 100 TB 的图像。 ：但要理解它并不总是那么容易。 看似简单的问题可能非常复杂。 以这个对加州具有至关重要的经济重要性的问题为例：该州有多少防火带可以阻止野火蔓延，自上一个火灾季节以来，它们发生了什么变化？ “最初，你会让人看照片。 而这只会扩展到目前为止，“LGND 的联合创始人兼首席执行官纳撒尼尔·曼宁 （Nathaniel Manning） 告诉 TechCrunch。 近年来，神经网络使火灾隔离带变得更加容易，允许机器学习专家和数据科学家训练算法如何在卫星图像中看到火灾中断。 “你可能会投入几十万美元——如果不是几十万美元的话——来尝试创建那个数据集，而它只能做这一件事，”他说。 LGND 希望将这些数字削减一个数量级或更多。 “我们不想取代做这些事情的人，”LGND 的联合创始人兼首席科学家布鲁诺·桑切斯-安德拉德·努尼奥 （Bruno Sánchez-Andrade Nuño） 说。 “我们希望使他们的效率提高 10 倍、100 倍。” LGND 最近筹集了由 Javelin Venture Partners 领投的 900 万美元种子轮融资，该公司独家告诉 TechCrunch。 AENU、Clocktower Ventures、Coalition Operators、MCJ、Overture、Ridgeline 和 Space Capital 参与了此次活动。 天使数投资者也加入了进来，包括 Keyhole 创始人 John Hanke、Ramp 联合创始人 Karim Atiyeh 和 Salesforce 高管 Suzanne DiBianca。 这家初创公司的核心产品是地理数据的向量嵌入。 今天，大多数地理信息以像素或传统向量（点、线、面）的形式存在。 它们很灵活，易于分发和阅读，但解释这些信息需要对空间有深入的了解，需要一些重要的计算量，或者两者兼而有之。 地理嵌入以一种更容易找到地球上不同点之间关系的方式汇总空间数据。 “嵌入可以预先获得 90% 的无差别计算，”Nuño 说。 “嵌入是通用的、超短的摘要，它包含了你无论如何都必须完成的 90% 的计算。” 以防火带为例。 它们可能采用道路、河流或湖泊的形式。 它们中的每一个在地图上的显示方式都不同，但它们都具有一定的特性。 首先，构成防火带图像的像素不会有任何植被。 此外，防火带必须具有一定的最小宽度，这通常取决于其周围的植被有多高。 嵌入使在地图上查找与这些描述匹配的地点变得更加容易。 LGND 构建了一个企业应用程序来帮助大公司回答涉及空间数据的问题，以及一个 API，具有更具体需求的用户可以直接使用。 曼宁看到LGND 的嵌入鼓励公司以全新的方式查询地理空间数据。 他说，想象一下一个 AI 旅行社。 用户可能会要求它找到一个有三个房间的短期出租屋，这些房间靠近良好的浮潜场所。 “但同时，我想在白色的沙滩上。 我想知道 2 月份我们要走的时候海藻很少，也许最重要的是，在预订的这个时候，房子一公里范围内没有施工，“他说。 构建传统的地理空间模型来回答这些问题对于一个查询来说非常耗时，更不用说所有查询一起查询了。 如果 LGND 能够成功地将这样的工具提供给大众，甚至仅仅提供给将地理空间数据用于工作的人，它就有可能从价值近 4000 亿美元的市场中分一杯羹。 “我们正在努力成为这些数据的标准石油公司，”曼宁说。