SETI AI 代理進入電波望遠鏡：每秒 2.4Tb 資料與脈衝星偵測怎麼看？
SETI AI 代理把 Allen Telescope Array 的儀器控制、GPU即時處理與訊號辨識接在一起。解析每秒2.4Tb資料、DAQIRI與Nexus分工，以及脈衝星示範為何不能解讀成外星生命發現。
SETI AI 代理的用途，得從望遠鏡的資料開始理解。科學家要從電波裡找值得追查的訊號，先得讓大量資料及時進入運算，再判斷觀測設備與分析流程是否正常。
NVIDIA 在 2026 年 10 月 30 日介紹，Breakthrough Listen 與 SETI Institute 已把代理式 AI 帶進美國北加州的 Allen Telescope Array。代理能依自然語言要求調整儀器、檢查資料並執行分析，不再只是觀測結束後替結果寫摘要。
這套整合背後，Holoscan 與 DAQIRI 負責讓感測資料接到 GPU。GPU 是能同時處理大量計算的晶片，但如果資料還塞在等待搬移或存檔的過程裡，模型再強也無法即時回應。
Nexus 則把儀器狀態、運算資源與處理流程放進同一個控制環境。代理因此能知道現在看到了什麼、哪裡出了問題，再決定下一步操作，而不是憑一句指令盲目轉動天線。
官方提出每秒 2.4 terabits 的處理能力，也說這條管線已完成蟹狀星雲脈衝星的即時 AI 偵測。前者是資料吞吐，後者是已知天文訊號的驗證，兩者都不是發現外星生命的證據。
對追蹤 AI 科學應用的讀者，這個案例值得看的，是資料、計算和儀器控制如何連起來。從最前端的資料進入方式開始，才看得懂代理真正改變了哪一段觀測工作。
想掌握 AI 科學研究與實際應用的進展，歡迎免費訂閱 AI 郵報。
SETI AI 代理先要面對每秒 2.4Tb 的資料
觀測的第一個瓶頸是搬動資料。電波望遠鏡持續產生資料，傳統上若先把資料寫入硬碟、等收集完再分析，結果就可能來不及影響這一輪觀測。
DAQIRI 的官方文件因此把目標寫成改變「先收集、儲存，之後再分析」的模式。它是一套資料擷取軟體庫，把儀器與感測器的串流資料送進能由 GPU 接手的工作流程。
在這次 Allen 陣列案例裡，官方說資料可以直接進入 GPU 記憶體。記憶體是運算時使用資料的空間，與長期保存資料的硬碟不同，所以這條路徑的重點是讓正在發生的觀測更快接到計算。
官方公布，系統使用 NVIDIA RTX PRO 6000 Blackwell GPU，可處理每秒 2.4 terabits。terabit 是兆位元的單位，不能和 terabyte 混用。八個位元才構成一個位元組，漏掉這個差別會把資料規模寫大八倍。
這個數字也不是模型每秒生成多少字。它描述系統能接住並處理多少資料，和一個模型能否準確辨識特定訊號，是兩個不同的衡量問題。
因此，判斷這項進展時，不能只問用了哪個語言模型。先確認觀測資料能否持續進入運算、處理速度能否跟上，後面的即時分析與操作才有基礎。
Holoscan 與 CyberEther 把串流變成可判讀訊號
接進 GPU 的原始資料，還需要經過處理才能判讀。這是 Holoscan、DAQIRI 和 CyberEther 分工的地方，也解釋為何整套系統不是把望遠鏡直接接進一般聊天視窗。
擷取資料和分析資料是兩段工作
DAQIRI 位於資料流的前段，處理高頻寬資料如何進入 GPU 可用的記憶體格式。官方文件提到，它替開發者處理部分底層網路與資料搬移細節，應用端可以用 Python 或 C++ 接上後續計算。
這兩種都是程式開發語言。對理解本次新聞而言，重點不在學會它們，而是研究團隊能把接收資料與分析程式連在同一條路徑上，減少每個專案都從頭處理低層搬移問題。
Holoscan 再把資料接進即時感測處理流程。資料可能需要篩選、重建或送進 AI 推論，而「推論」就是讓已經訓練好的模型判讀新輸入，不等於每接到一段電波都重新訓練模型。
DAQIRI 支援的特定資料路徑可以減少不必要的複製，但實際能力仍和硬體、網路及配置有關。不能把文件中的架構選項，寫成任何現成電腦都能直接達到同樣吞吐。
電波資料還要先做訊號處理
在 Allen 陣列，CyberEther 是 SETI Institute 開發的訊號處理框架。它使用 NVIDIA CUDA-X 軟體庫，包括 cuFFT 與 cuBLAS，進行所需的數學運算。
可以把這些軟體庫理解成已準備好的運算能力，供處理程式呼叫。它們負責的計算與大型模型生成文字不同，所以「AI 代理參與觀測」不代表所有電波分析都改由語言模型猜答案。
Stelline 原作者網站也把 CyberEther、資料擷取、儲存與訊號處理區塊列成不同元件。這種分工使人比較容易追查：問題究竟出在資料接收、分析流程，還是上層代理的判斷。
直接進 GPU，不等於資料可以不整理
DAQIRI 文件的範例把接收到的封包，和後續運算要使用的完整資料分開管理。封包抵達時，軟體還要依序排列並整理成連續的記憶體區塊，模型或運算程式才能接著使用。
這說明「直接送進 GPU」省略的是部分搬移環節，而不是跳過資料結構。若順序或格式不對，即使每秒收到很多資料，後面也無法把它當成正確輸入，所以吞吐數字不能單獨代表整條分析流程的品質。
同一範例也保留 CPU 管理資料擷取的工作。CPU 是電腦安排一般程式與工作流程的處理器，因此不能把這種加速架構理解成完全不用 CPU，或所有事情都由一顆 GPU 自己完成。
資料處理結束後，軟體會歸還使用過的記憶體緩衝區，讓下一批資料繼續進來。緩衝區就是暫時接住資料的空間；重複使用它，對持續觀測比只成功分析一份靜態檔案更重要。
這些是資料擷取文件說明的運作方式，不是本刊重新測量 Allen 陣列的結果。它們讓「即時」多了一層具體意義：資料要持續接收、整理、計算，再釋放資源，後續觀測才不會停在上一批工作。
資料變成能讀取的結果後，代理才有可能根據觀測現況行動。接下來的 Nexus，處理的正是這些結果如何和儀器狀態放在一起。
Nexus 讓自然語言要求接到儀器狀態
代理要動天線，必須先知道儀器正在做什麼、有哪些運算資源可以使用。NVIDIA 把網頁式觀測控制器 Nexus 稱為代理的執行框架，也就是讓模型的要求能接到具體工具與工作流程的環境。
它提供儀器狀態、運算資源與處理管線的共同依據。管線可以理解成資料依序經過哪些處理步驟，哪一步的輸出交給下一步，而不是只看到最後一張圖。
官方列出的用途包括監看封包丟失、讀取即時頻譜，以及改寫訊號處理區塊。封包是網路傳資料的一小份單位，若中途少了一部分，分析者需要知道，才不會把資料問題當成天文現象。
頻譜則把不同頻率上的訊號強度呈現出來。代理能讀取即時頻譜，代表它可以把當前觀測結果納入後續操作，但不等於每一個突出的訊號都已有科學解釋。
一個要求，仍包含多個不同動作
NVIDIA 描述的流程，是代理調整天線方向、校正與聚焦儀器、找出並修正資料問題，再把結果畫出來。自然語言把這些步驟串起來，底下仍是各自具體的設備與軟體操作。
例如，研究者想觀察某個目標，系統需要把指向與資料分析放在同一輪工作裡。這段工作流程是依官方能力整理的用途說明。實際能否修正某一類錯誤，仍需看設備與處理流程提供的工具。
Stelline 網站把 Nexus 定位為運算叢集協調與即時天空觀測的分散式執行環境。叢集就是多個運算資源共同工作，協調的用途是讓觀測任務知道哪些資源與流程可以接手。
這也是本案比「會回答天文問題的聊天機器人」更進一步的地方：它把回答連到儀器狀態與實際流程。但要評估這條連結是否有效，仍需要一個能檢查的觀測結果。
蟹狀星雲脈衝星偵測，驗證了什麼？
蟹狀星雲的脈衝星有可辨識的天文訊號，和未知的外星訊息是兩件事。脈衝星是快速旋轉的恆星殘骸，像宇宙燈塔一樣呈現週期性脈衝。
NVIDIA 說，這條管線已完成首次即時 AI 脈衝星偵測，對象就是蟹狀星雲。報導這項成果時，應保留官方所述流程與示範範圍，不能把它改成首次發現這顆脈衝星。
對工程整合而言，已知訊號有一個重要用途：團隊可以用它觀察資料進入、處理與辨識能否在同一輪觀測裡運作。這和從未知資料裡提出新的天文發現，所需回答的問題不同。
同樣地，知道模型偵測到訊號，也不表示觀測工作只剩交給代理。訊號來源是什麼、是否值得進一步研究，仍要有相應的科學證據；工具能處理資料，不會自動把每個候選變成結論。
官方文章還稱，代理把原本需要數週或數年的工作壓縮成數小時。但沒有提供足以讓外部讀者重現所有比較條件的共同基準，因此不宜把這句話當成所有觀測任務的通用加速比例。
目前能清楚確認的，是一套把儀器、即時資料與代理操作接起來的管線，以及官方公布的脈衝星示範。這為後續觀測提供起點，卻還沒有替外星智慧是否存在給出答案。
本地推論與下一階段模型評估
這次系統把推論放在儀器旁的本地環境執行。對持續產生資料的觀測設備而言，處理位置很重要，因為每一輪判讀若都得先把資料送往遠端，再等結果回來，會增加資料移動與等待的環節。
DAQIRI 的文件把這種做法稱為在資料來源處運算。除了辨識，也可以先在當地做篩選與資訊擷取，減輕保存和搬移全部原始資料的負擔。這是架構用途，並非本案已公開的儲存費用節省數字。
NVIDIA 說，團隊下一步正在評估 Nemotron 等開放模型，特別關注資料留在當地與回應時間重要的情境。評估中的模型不能直接寫成這次示範已全面採用的主力。
官方也提到未來可能在月球背面離線運作的觀測站。這是一個展望，說明為何團隊關心不依賴遠端服務的能力，並不表示現在已經把同一套代理觀測系統部署到月球。
因此，這項新聞適合用來理解 AI 如何走進科學設備。想繼續追蹤時，可看後續是否提供更多觀測結果與比較條件，再判斷這種整合能在哪些工作穩定發揮作用。
延伸閱讀將這個問題接到其他 AI 科學研究：當工具開始產生或處理研究結果，如何分清可驗成果與更大的期待。
SETI AI 代理常見問題
這次找到外星人了嗎？
沒有這項發現公告。官方公布的是代理式觀測整合與蟹狀星雲脈衝星的即時 AI 偵測，後者是已知天文來源，不能拿來證明外星生命或文明存在。
2.4Tb/s 是 AI 模型的生成速度嗎？
不是，它是觀測系統處理資料的吞吐尺度，單位是每秒 terabits。模型是否判對訊號、任務多久完成，需要另外的測試條件，不能只靠這個數字推定。
一般人可以直接用聊天方式控制這座望遠鏡嗎？
官方介紹的是研究團隊使用的整合環境，沒有宣布面向所有人的公眾控制服務。資料擷取與處理工具有開發文件，也不等於取得觀測設施的操作資格。
下一步已經確定要用 Nemotron 嗎？
公告說的是正在評估，並提到未來資料在地與離線觀測的需求。適合追蹤的是後續實際採用與成果，現階段不應把評估方向當成部署完成。
延伸閱讀：Lila Sciences 登上 GTC Berlin：AI 科學工廠如何讓假說回到真實實驗？ 延伸閱讀：OpenAI 宣稱 AI 提出三項科學成果：數學、計算難題與量子物理如何驗證？
原始資料來源
