OlmoEarth Platform：地球観測モデルを大陸規模の推論基盤へ

導入

地球観測 AI の実用化では、強いモデルを公開するだけでは不十分だ。Ai2 が Hugging Face Blog で紹介した OlmoEarth Platform は、衛星基盤モデルを微調整、評価、大規模推論へつなげるための実行基盤である。森林減少の監視、食料安全保障、山火事リスク評価など、環境分野の組織がモデルを使えるようにすることを狙っている。

主要ポイント

• モデルから運用基盤へ：OlmoEarth は約10TBのマルチモーダル衛星データで事前学習されたモデル群だ。Platform はその上に、推論ジョブの実行、結果の地図化、出力形式への変換までを提供する。
• 衛星推論は入力が巨大：対象地域は広く、複数の波長帯、センサー、時系列を含む。さらにデータ提供元ごとに投影法、解像度、形式、公開タイミングが異なる。
• CPU と GPU の役割分担：データ取得、再投影、整列、正規化は CPU と高 I/O 環境で処理し、GPU はモデルの前向き計算に集中させる。後処理では出力の結合、マスク処理、GeoTIFF や Zarr などへの書き出しを行う。
• 分割による並列化：OlmoEarth Run は地理領域をワーカー単位の区画に分け、さらにモデルが処理する小さなウィンドウへ細分化する。隣接区画にはわずかな重なりを持たせ、最終ラスタで継ぎ目が出ないようにする。
• メタデータ索引の重要性：大規模ジョブが外部 STAC API に大量の同時問い合わせを送ると負荷が高すぎるため、Platform は独自のメタデータ索引を維持し、新規シーンの公開に合わせて更新する。

意義と影響

この発表の本質は、地理空間 AI が「推論サービング」の問題になりつつある点にある。環境分野の現場では、モデル精度だけでなく、必要な衛星画像を探し、必要な範囲だけ読み込み、座標系をそろえ、分散処理の失敗から復旧し、利用者が扱える地図として返す能力が重要になる。

Ai2 によれば、Platform は大陸規模の推論をおよそ1日で実行し、数十 TB の画像を1平方キロメートルあたりごく低コストで処理できる。これは、オープンモデルの価値を実際の意思決定に変えるには、信頼できるデータ・推論基盤が不可欠であることを示している。

出典：Hugging Face Blog