夜间的“哔哔”声：智能体AI加入地外信号搜寻

截至2026年10月30日，Breakthrough Listen与SETI研究所已在加州北部的艾伦望远镜阵列引入智能体AI，使寻找地外智能的工作开始从“采集数据后再分析”转向“观测与处理同步进行”。研究人员只需用自然语言下达任务，AI代理便可操控天线、校准并聚焦仪器、增强和修正输入数据，还能将模型直接应用于持续到达的数据流。

每秒2.4太比特的数据在观测现场完成处理

射电望远镜会产生巨量数据，关键信号可能在观测结束前短暂出现，因此系统必须在数据落盘之前完成筛选。整套流程由多个组件协同完成：

• DAQIRI是NVIDIA Holoscan平台的一项库，可将传感器数据直接传入GPU内存，避免海量原始数据先写满硬盘。
• CyberEther由SETI研究所开发，通过CUDA-X库中的cuFFT、cuBLAS等组件执行信号处理计算。
• Nexus是网页式观测编排器，也是智能体的运行框架。它统一管理仪器状态、计算资源和处理流程，并支持用自然语言改写信号处理模块。

据英伟达方面的项目资料，该系统可在NVIDIA RTX PRO 6000 Blackwell GPU上处理每秒2.4太比特的数据，推断任务则在望远镜旁的本地设备上运行。智能体能够发现并修复数据错误、生成结果图示，项目方称，原本可能耗费数周甚至数年的处理工作可以压缩到数小时。

脉冲星验证了实时AI处理链路

项目资料称，这套流程已经完成一次实际验证：研究团队首次通过实时AI探测识别出蟹状星云中的脉冲星。脉冲星是一种高速旋转、规律发射射电脉冲的恒星遗迹，可作为检验信号识别链路的自然目标。这类结果验证的是数据处理能力，并不意味着发现了地外生命。

团队还在评估包括NVIDIA Nemotron在内的开放模型，重点考虑数据本地化和响应速度。未来，如果观测设施部署在月球背面等无法稳定联网的地点，模型和计算流程还可能需要完全离线运行。不过，月球观测仍只是设想中的应用方向。

更快搜索不等于确认外星智能

这项变化的价值主要体现在三方面：智能体可以实时操控仪器并处理不断生成的数据；自然语言降低了调整处理流程的门槛；本地推理则有助于减少延迟并控制数据外流。这些能力尤其适合高数据量、长时间运行以及远程或离线观测场景。

边界同样明确。现有资料没有给出信号灵敏度、误报率、模型准确率或独立复现结果，因此处理速度等指标仍属于厂商及项目方口径。部分科学家提出的“地外文明可能比人类文明古老数十亿年，并发展出更先进AI”也只是搜寻动机，不是已经证实的事实。AI可以提高搜索效率、改变望远镜的操作方式，但一次由AI辅助完成的信号识别，仍不能替代严谨的天文观测、信号分析与重复验证。

资料来源：Things That Go Beep in the Night: Agentic AI Joins the Search for Extraterrestrial Signals（2026-10-30）。