大地量子借助NVIDIA CUDA平台，实现了地物识别AI算法的训练及生产平台，并在其自主创新的通用分类框架冰果汁Ice-juice中应用了NVIDIA RTX 5000 + cuDNN加速库，大幅提升了数据处理效率。

农业、林业、环保、财险等不同行业愈发地希望快速获取丰富且强大的空间数据产品，突破原有业务逻辑，实现基于数据驱动的业务新增长。

空间大数据存在时间跨度广、空间范围大、更新频率高、行业知识多等特点，而传统遥感处理手段精度低、效率慢、需要大量人工参与，产品并不能满足行业的需求。

大地量子成立于2017年，是一家创新驱动型科技公司，与NASA、欧空局等全球主流卫星数据供应商均建立了高效的数据获取通道，整合了近百种卫星数据、无人机数据、传感器数据等，以满足农业保险、农产品期货、环保、金融等不同行业的需求，为行业用户提供高价值的数据，助力其突破原有的业务逻辑，实现新增长的目的。

大地量子整合了近百种卫星数据、无人机数据、传感器数据，保证了数据的丰富和多样性，并利用了自主创新算法对数据进行网格化管理，满足不同行业对空间产品的个性化需要，同时通过机器学习、深度学习等技术，结合强大的CPU和GPU计算资源，实现各种空间大数据产品的快速生产和更新迭代，为行业用户提供高质量、高价值的空间数据。

NVIDIA RTX 5000：

加速模型训练，满足不同需求

不同行业对空间大数据有不同的需求，从农业的作物分类、生长监测，到林业的火灾监测、资源监测，到环保的水质监测等等，这些都需要海量多样的数据、快速及时的处理以及极具创造性的算法。

以地物分类为例，如何快速提取出特定范围、特定时间内特定地物的分类结果，是工作中经常会遇到的一个挑战。大地量子自主创新的通用分类框架Ice-juice，就能够很好地应对这一挑战。

Ice-juice利用NVIDIA RTX 5000+cuDNN加速库，可以极大提高分类模型的训练速度，相比于CPU提高了十余倍。对于特定分类任务，快速的模型训练，可以及时地掌握模型的训练效果，并根据各项指标调整参数迭代训练，从而更快地训练出最佳模型。

对于省一级空间范围的地物分类，用CPU训练需要耗时两天，而基于NVIDIA GPU的强大算力，从模型选择、模型训练到参数调整，到最终的可用模型，只需要三四个小时，极大缩短了训练时长。同样，在模型推理过程中，GPU的速度也明显优于CPU。

基于NVIDIA的GPU资源，Ice-juice能够快速验证各种分类算法，训练高精度的分类模型，生产出满足各个行业的空间大数据产品。

NVIDIA CUDA平台

助力数据处理效率提升数十倍

大地量子除了将RTX 5000应用于模型训练，大幅提高了训练效果，同时也借助CUDA平台加速了地物识别AI算法训练。

大地量子合伙人兼技术副总裁李磊表示：“对于我们所从事的空间大数据服务而言，计算效率决定了产品的时效性和空间覆盖能力，而NVIDIA产品为我们提供了更好的计算解决方案。借助CUDA平台，我们处理数据的效率得到了数十倍的提升，为各种算法训练、数据生产和产品迭代工作创造了巨大的便利和效率优势。”

近年来，随着全社会信息量爆炸式增长，大数据迎来了良好的发展契机。由于大数据能够帮助组织机构更好地开展工作，各行各业对大数据的需求与日俱增，高效处理海量数据的能力成为重中之重。NVIDIA将持续赋能大数据行业，为在时代中“乘风破浪”的大数据企业保驾护航！