两天之内，两家做交通业务的公司把模型送上了天。
2026年9月22日，佳都科技战略孵化的宇算星河首发天基世界模型，同步发布琶洲智算星座——一个要把算力直接搬上卫星的计划，交通场景是其重要的商业化路线。
第二天，9月23日，每日互动发布城市交通大模型MUMO，主打用卫星影像还原城市交通流。
商业航天其实离交通行业不远，我们熟知的北斗卫星导航系统已经装进全国超过1200万辆营运车辆，车道级导航覆盖99%以上城乡道路。公路基础设施养护监测领域，深高速在广深沿江高速深圳段、深圳外环高速，用星载InSAR（干涉合成孔径雷达，比对两次雷达回波的相位差来测毫米级形变）监测桥梁位移，位移控制在5毫米阈值内；中交二公院用同类技术做公路路域边坡隐患的早期识别。
佳都科技和每日互动发布的模型不约而同的一点是，其应用场景都是针对城市道路交通拥堵管理。
商业航天进入城市交通管理，听起来还有些遥远，我们从两家企业的新模型说起，看看太空技术能为城市交通做什么。
MUMO：把卫星一瞬间还原成一段流动
MUMO是ModelingofUrbanMobility的缩写，2026年9月23日在杭州数贸会首发。
按照每日互动介绍，MUMO以真实数据、行为机理和现实校准为基础——中国四维提供卫星瞬时真值，东南大学支持行为机理与模型标定，每日互动提供长期鲜活数据与运营能力，将卫星捕获的静态瞬间还原为连续、动态的运行过程，形成“天基持续观测、地基实时融合、模型滚动推演、信控动态优化”机制。
按照每日互动官方的说法：MUMO既能还原城市24小时的人、车、路与信号运行，也能预测未来较短时间内的拥堵与排队变化，还能预演封路、事故、大型活动等场景，联合优化信号灯、路线诱导与警力部署。
说得通俗一点：卫星每隔多久给全城拍一张快照，快照和快照之间是空白。MUMO用地面数据把空白补上，把一张张静态照片还原成一段连续的动画，再在这段动画里推演交通流的变化。
一个基于卫星数据的交通仿真系统。
天基世界模型：把算力送上天把结论传回来
宇算星河成立于2026年5月，由佳都科技战略孵化，多家公司共同持股，CEO王凯博士为清华与加州理工联合培养。成立后两个月内，公司完成亿元级天使轮及Pre-A轮融资。
宇算星河的技术班底来天基世界模型：把算力送上天把结论传回来自佳都科技中央研究院的原大模型团队。更重要的是，天基世界模型并不是纸面方案。2025年，该团队就携手国星宇航，在琶洲算法大赛上发布“天数天算”赛题，把多模态大模型部署到在轨算力卫星（带计算载荷、能在轨处理数据的卫星）上，完成了可商业化任务的验证。已跑通的任务包括城市道路分割、车船检测、区域变化检测，应用于高精度矢量路网模型生成、城市交通感知、城市治理等场景，带宽需求降低99%。
因为通信限制，卫星搜集的数据通常只有约5%能传回地面，带宽就那么多，大部分数据拍下来只能留在星上。
传统模式叫天感地算（卫星只拍照，原始数据全传回地面再处理，MUMO的技术路线就是这个）；宇算星河的路线叫天数天算（在卫星上直接完成计算，只回传结果）。打个比方：以前是把整本相册快递回公司再看，现在是让摄影师在现场看完，只发一条微信告诉你结论。
为了支撑这个模型，宇算星河规划了约24颗算力卫星（带计算载荷、能在轨处理数据的卫星）组成的琶洲智算星座，分4组发射，2026年计划先打2组。按照规划，首组已完成出厂验收，2026年10月在酒泉发射。
宇算星河公布的B端商业场景有三个：应急灾害、现代农业、城市交通与治理。
在应急救灾场景，灾害发生之后，智算星座可以快速识别塌方、洪水淹没范围，为抢险救灾提供分钟级情报；农业领域，该模型可客观评估全球主要经济作物播种面积与预估产量，服务农业数字化以及农产品贸易金融。
交通场景的官方表述是：依托雷达可穿透云层的优势，快速解析城市全域路网，做车流态势推演（模拟未来一段时间内车流的分布与变化），分辨率最低0.5米，公司明确只识别物体目标、不涉及个体人员识别。
商业模式上，宇算星河的表述是把太空算力转化为可计费的Token，长期向C端延伸。
上帝视角：太空技术真正稀缺的价值
MUMO和天基世界模型在交通领域的应用有一个共同点，基于路网的上帝视角影像去仿真模拟交通状况，从而引出各应用场景。
所以笔者理解，商业航天在城市交通管理领域的关键点就是上帝视角的影像。为什么非要天上不可？因为地面感知有三个痛点一直解决不好。
第一，传统交通感知方式，卡口、雷视一体机、地磁只装在部分点位。城市支路、城乡结合部、城际联络线、农村公路——这些地方长期没有数据，不是不重要，而是装设备要算经济账。
第二，地面数据按行政区划分割，A市的卡口不会给B市。跨城通勤、省际通道、都市圈一体化，最难拿到的恰恰是一张图。
第三，地面感知设备只记录装了之后的数据。要回答这条路三年里流量怎么变的，地面数据答不了——三年前的设备可能根本不存在。
遥感卫星恰好把这三个痛点都解决了。它不分辖区、不分权属、不分建设年代，一次成像拿全城；同一套标准、同一套坐标、同一套算法，天然就是一张图。对交通规划、都市圈协同、省际通道评估，这是地面感知给不了的。
更稀缺的是历史存档。卫星影像是有时间深度的档案，可以回溯几年甚至十几年前的同一条路。而交通要回答的很多问题，其实是趋势问题：这条走廊三年里拥堵在向哪扩散？新区路网建成后，周边流量怎么重分配？城市边界扩张带来了哪些新的出行需求？地面数据擅长回答现在几点堵，卫星数据擅长回答这几年是怎么变的。
交通不是一个孤立系统，路网变化与土地利用、人口迁移、产业布局高度相关。只有天基视角，能同时看到路和路两边的城。
地面感知告诉你路口发生了什么，天基感知告诉你这座城市正在发生什么。前者用于处置，后者用于决策。
但价值不等于可行。把这些价值落到工程上，必须回答技术层面的四个问题。
技术上它到底行不行
很多城市都安装了高点相机，用来观测区域内的路面交通状况，在日常交通管理中发挥了重要作用。
当上帝视角提升到地球之外的遥感卫星这一层，能不能基本满足，甚至极大助力交通管理工作的开展就成了心中疑问。
问题一：能不能做到车道级？
结论：能定位车辆所在车道，但做不到稳定的车道级追踪与身份识别。
按国际通行的判读标准，从卫星影像上检测车辆需要1.5米/像素的分辨率；辨认车型——是卡车还是轿车——需要0.5米/像素；识别具体型号需要0.3到0.15米/像素。商业采购口径更保守：车辆检测建议GSD（地面采样间隔，影像上一个像素代表地面多大的尺寸）0.3到0.5米，0.3米可分清车型，0.5米能检出车但难分类型，超过1米不可靠。
直观感受一下这个约束有多紧：在0.5米分辨率影像上，一辆乘用车沿车长方向只有约8到15个像素，车宽方向约3到4个像素。对深度学习检测器来说，这属于典型的小目标，密排车辆很难彼此分离，还要对付阴影、树冠遮挡、深色车与沥青路面的低对比、浅色车的阳光反射。
换算成大白话：0.5米分辨率下，一辆车大约占十几个像素。你能数清有多少辆车、大致停在哪条车道，但看不出是哪辆车、要去哪儿。
至于看清车牌，需要0.1米甚至更高分辨率，还要拍摄角度近乎垂直、车体静止、无遮挡、无云、光照充足——这些条件极少同时出现。
问题二：影像全天候拍摄吗？
结论：光学卫星几乎拍不到早晚高峰。
太阳同步轨道的成像时间，固定在当地时间上午10点到下午2点之间——这不是巧合，而是发射时设定的降交点地方时。选这个时段有三重考虑：太阳高度角足够，成像质量稳定；上午陆地云量最少，午后对流云起来会挡住地面；保留适度阴影，便于判读地形与建筑。代价是它和交通最需要数据的早晚高峰完全错开，而且这个时间由轨道倾角锁定，在轨改不了。
对交通意味着什么？早高峰7:00到9:00、晚高峰17:00到19:00，光学卫星基本没有影像。卫星看到的是平峰时段的城市，不是最堵时候的城市。亚洲开发银行用卫星影像统计菲律宾城市车流时也明确指出，影像在当地时间10:00到14:00采集，高峰时段交通未必被捕捉到。
问题三：雨雪雾会不会遮挡？
结论：光学卫星完全不行，雷达卫星可以。这也是两条技术路线都必须回答的问题。
光学成像是被动接收太阳反射光，云、雨、雾、烟全部遮挡，夜间不可成像。南方梅雨季、沿海多雾地区，可用影像比例会显著下降。
SAR（合成孔径雷达，主动发射微波并记录回波，不受云雨和昼夜影响）则是全天候、全天时，可穿透云层、雨雾、烟尘，夜间照常工作。代价是分辨率通常较粗（米级到分米级），还存在斑点噪声（雷达影像固有的颗粒状噪声）与几何畸变，无论目视解读还是AI解译，难度都高于光学。
这也解释了宇算星河为什么强调依托雷达可穿透云层的优势——要做常态化业务，只靠光学不够。多雨多云城市要指望卫星做常态化交通监测，数据底座必须是雷达，或者光学与雷达融合；只靠光学，一年里可能有一半时间没数据。
问题四：多颗卫星一起盯着同一个地方，数据融合可行吗？
结论：多星协同融合出来的数据能不能直接用，仍是未解决的工程难题。
卫星一起盯着同一个地方，它们各自看到的东西能不能直接拼起来用。
学术研究印证了多星协同（多颗卫星按统一调度联合观测同一目标）的效果：RemoteSensing期刊一项全球重访间隔分析显示，仅用Landsat-8/9时，中位重访间隔为15.87到22.81天；加入Sentinel-2后缩短到4.51到7.77天；再加入Sentinel-1雷达后进一步缩短到3.48到4.62天，即使在雨季也保持在一周。
但融合本身会引入新的误差，四个问题。
一是几何配准。不同卫星的姿态、成像角度、预处理流程都不同，多源影像之间往往不是精确对齐的。
二是辐射差异。不同传感器的波段设置、光谱响应函数、辐射定标精度、成像时的BRDF（双向反射分布函数，地表在不同方向上反射光线的差异）都不同，同一块地物在不同卫星影像上的亮度值会有系统性偏差。
三是异步与语义冲突。多颗卫星在不同时刻拍摄，融合的是不同时间的同一地点。对交通这种分钟级变化的场景，多星拼出来的高频序列，每一帧代表的实际时刻并不连续——这是交通场景特有的困难，农业、林业等慢变化场景不会遇到。
四是模型泛化。深度学习融合模型在训练区域表现好，换到新地域、新季节、新传感器组合时性能明显下降；多数模型要求固定的输入波段配置，换星就可能失效。公开的融合基准数据集，规模与多样性也都不足。
多星协同解决的是多久能看到一次，不解决看到的是不是同一件事。对交通管理而言，前者把重访从天级压到小时级，是有实质意义的突破；后者决定了这些数据能不能直接进模型。
更现实的判断是多星融合出来的影像序列，适合回答趋势与结构性问题——路网变化、区域流量对比、设施普查等相对静态的信息和变化；不适合回答状态性问题——此刻哪里堵、这条车道排了多长队。后者仍然要靠地面感知。
整体而言，遥感卫星技术应用上可探索的场景包括全域路网普查、周期性流量对比、基础设施形变监测、灾后评估、偏远地区监控、趋势性变化分析。技术应用上难度比较大的场景有实时/准实时信号控制、车道级车辆追踪、个体识别与执法取证、高峰时段态势还原。
写在后面
回到2026年9月那两天。两家公司的发布，本质是同一个赌注：太空数据的价值不在看得清，而在看得全、看得久、能回溯。
太空技术进交通，不是一场替代，而是一次补位。地面感知负责实时与精细，天基感知负责全域与趋势，大模型负责把两者翻译成能进决策会的结论。谁能先把能干什么、干不了什么讲清楚，谁才真正落地。
资料来源
1、人民网：北斗营运车辆与车道级导航数据https://jx.people.com.cn/BIG5/n2/2026/0923/c186330-41705330.html，2026-09-23
2、深圳市交通运输局：深高速星载InSAR桥梁位移监测https://gzw.sz.gov.cn/zwgk/qt/pcgz/content/post_12794838.html
3、中国交通新闻网中交二公院公路卫星InSAR边坡隐患识别，https://www.zgjtb.com/m/2026-05/26/content_520276.html，2026-05-26
4、新浪财经：MUMO数贸会首发https://finance.sina.com.cn/stock/enterprise/2026-09-24/doc-inisxnuv5214751.shtml，2026-09-24
5、36氪：宇算星河成立与天基世界模型首发https://36kr.com/p/3995696449065092，2026-09
6、Exatel：卫星地球观测基础参数：分辨率阶梯、侧摆与重访权衡https://exatel.pl/en/knowledge/blog/articles/the-basics-of-satellite-earth-observation-fundamental-parameters-part-1/
7、XRTechGroup：车辆检测GSD建议、SAR代价、CE90与GCP纠正https://xrtechgroup.com/?p=12944/
8、网易：车牌识别所需分辨率与成像条件https://m.163.com/dy/article/K7ALS2CA0511A8O9.html
9、KosmosImagemall：太阳同步轨道成像时间窗口（当地10:00–14:00）https://kosmos-imagemall.com/index.php?a=show&catid=73&id=7635
10、亚洲开发银行：卫星影像在当地10:00–14:00采集，高峰未必捕捉https://www.adb.org/sites/default/files/publication/779996/ewp-652-satellite-based-vehicle-flows-data-philippine-cities.pdf
11、Grokipedia：光学与SAR成像条件对比http://grokipedia.com/page/Satellite_imagery
12、泰伯网：吉林一号累计发射161颗、每日38–40次重访https://www.taibo.cn/test/newsflashes-view/32009473，2026-06
13、arXiv：深度学习时空融合十年综述：泛化性、数据集与多源异构挑战https://ar5iv.arxiv.org/html/2504.00901，2025
14、ESAEarthOnline：WorldView-3重访与赤道穿越时间参数（1米GSD重访1天，20度侧摆0.59米GSD重访4.5天）https://earth.esa.int/eogateway/missions/worldview-3
15、同花顺：MUMO三方分工：中国四维、东南大学、每日互动https://t.10jqka.com.cn/m/zhibo/pid_698757656.shtml 2026-09
16、21世纪经济报道：宇算星河团队来自佳都中央研究院、2025年携手国星宇航在轨验证、带宽降低99%https://www.toutiao.com/article/7686375098940424739 2026-09-17
17、南方财经专访宇算星河CEO王凯：约5%数据传回地面、90%以上无法回传、融资细节https://news.qq.com/rain/a/20260924A0EZA700 2026-09-24
18、MDPIRemoteSensing：多源卫星融合对重访间隔的改善（15.87到4.51到3.48天）https://www.mdpi.com/2947362
19、《测绘学报》：多源卫星遥感影像时空融合：辐射差异与几何配准差异https://html.rhhz.net/CHXB/html/2017-10-1492.htm 2017
RECOMMEND