英伟达与 SETI 把智能体接入射电望远镜，实时搜寻地外信号

10月30日，英伟达博客披露了一项科学部署：在加州北部的艾伦望远镜阵列（Allen Telescope Array），Breakthrough Listen 与 SETI 研究所已经让智能体进入日常的地外文明搜索流程。研究人员用自然语言下达一次请求，智能体就能调整天线指向、校准并对焦仪器、修正数据错误并绘图。

支撑这条链路的是英伟达的 Holoscan 平台。望远镜每秒产生的传感器数据量以太比特计，Holoscan 平台库 DAQIRI 把这些数据直接拉进 GPU 显存，观测过程中就地处理，而不是先写满硬盘；SETI 研究所自研的信号处理框架 CyberEther 则调用 cuFFT、cuBLAS 等 CUDA-X 库完成计算。

充当智能体运行环境的，是基于网页的观测编排器 Nexus。它为智能体提供仪器状态、计算资源与流水线的单一事实来源，研究人员可以监控丢包、查看实时频谱图、用自然语言重写信号处理模块。整套系统在英伟达 RTX PRO 6000 Blackwell GPU 上可处理每秒 2.4 太比特的数据，推理在仪器旁本地完成。

英伟达给出的效率对比是：过去需要人类数周甚至数年的工作，智能体可以压缩到数小时。这个说法需要放在具体语境里理解，它指的是观测过程中反复出现的调参、校准、纠错与出图环节，而不是对观测结果本身的科学解释。

更有分量的是已经发生的结果：这条流水线实现了对蟹状星云中脉冲星的首次实时 AI 探测。脉冲星是高速自转的恒星遗迹，信号像宇宙灯塔一样周期性扫过地球，长期以来是射电天文的经典目标。把识别放进实时数据流，意味着观测者可以在信号出现的那一刻调整后续观测。

SETI 研究所伯纳德·奥利弗讲席教授、Breakthrough Listen 首席研究员 Andrew Siemion 的表述带有哲学意味：新的智能体天文台伸向宇宙时，它们发现的东西可能与自身有更多共同点，而不是与造出它们的人类更像。他把这称为一次翻译上的突破，而不是需要恐惧的事。

下一步，团队正在评估包括英伟达 Nemotron 在内的开放模型，用于数据本地性与响应速度最关键的场景，也包括未来可能在月球背面离线运行的观测站。这暗示了一条更长远的路线：望远镜不依赖地面链路上的通用大模型，而是带着自己的模型去没有网络的地方。

对地外文明搜索而言，这个部署的意义不只是算力。搜索的本质是在海量噪声中找异常，而智能体把“发现异常—调整仪器—再观测”的闭环时间从周级压到小时级。如果这套闭环被证明足够可靠，它很可能成为下一代射电阵列的默认工作方式。