谷歌地球AI推出星球预测引擎，数周建模压缩至数分钟
作为谷歌地球AI的重要组成部分，谷歌近日发布了星球预测引擎（PPE）。这是一项实验性研究能力，可自主执行完整的地理空间建模工作流——从数据发现到模型训练——在公共卫生、粮食安全、环境风险和社会经济等多类预测任务中均取得了显著改善。
应对全球最紧迫的挑战——从预测区域粮食安全和环境灾害风险，到实时追踪疾病暴发和绘制社会经济脆弱性地图——都需要高精度的地理空间建模。然而，现有数据生态系统高度碎片化，专业团队往往需要花费数周时间进行人工数据整理、特征工程和空间验证。现有的AutoML和基于大语言模型的智能体虽然能有效自动化标准机器学习流程，但依赖预先整理好的表格数据，缺乏自主处理地理空间工作流所需的专项能力。这使得星球级别的分析成为重大瓶颈，在人道主义危机需要快速响应时尤为突出。
PPE是谷歌地球AI计划下最新推出的实验性研究能力，旨在将星球级信息转化为可执行的洞察。PPE作为一套自主AI系统，可直接根据自然语言查询，执行从星球级数据发现与清洗、到模型训练与评估的完整地理空间预测工作流，并生成综合报告。PPE将复杂星球预测模型的构建时间，从需要人工数据工程介入的数周，压缩至自主完成洞察输出的数分钟。
PPE将预测工作流分解为三个模块化阶段，每个阶段均由一个大语言模型负责编排：智能数据选择、数据集整理，以及AutoML与预测。各阶段基于明确定义的输入输出独立运行，数据通过不透明句柄在各阶段之间传递，而非序列化至大语言模型提示中，从而避免上下文窗口限制。
谷歌对PPE进行了跨机器学习范式、地理区域和科学领域的多维度评估。
在21项美国疾控中心健康指标上，PPE的智能数据选择与多模态融合实现了平均R?76.8%，而人工专家流程仅为60.0%。在FEMA国家风险指标（平均R?64.9% vs 60.0%基线）和社会脆弱性指数（平均R?66.2% vs 58.6%基线）上也观察到了类似提升。
在数据稀缺地区，粗粒度的区域报告往往掩盖了局部脆弱性。PPE通过自主整合本地市场冲击、食品价格异常和微气候指标，将尼日利亚粮食安全预测从省级（ADM1）向地方政府区域（ADM2）下钻时，基线精度提升了一倍（R?66.1% vs 31.5%），为人道主义组织提供了高精度脆弱性地图。
在2026年刚果民主共和国邦迪布焦型埃博拉病毒暴发期间，PPE对新发疾病传播热点的实时预测Recall@10达83.3%，在五轮连续周度预测中，共18个新侵入卫生区中正确识别15个。这比已发表的贝叶斯建模最优基线（约73%）高出10.3个百分点，主要得益于将流行病学信号与人口动态嵌入（PDFM）及PPE所选地理空间协变量进行融合。
所有实验的一个核心发现是：将结构化统计协变量与潜在基础模型嵌入相结合具有协同价值。单一模态均无法呈现完整图景：统计协变量提供可解释的显式信号，而人口动态嵌入和AlphaEarth基础嵌入则编码了从大规模预训练数据集中学到的复杂非线性模式。消融实验持续表明，多模态融合结合智能数据选择优于基线方法，证实两类表示是互补而非冗余的关系。未来，谷歌计划将更多地理空间数据源及基础模型嵌入（如遥感基础多模态嵌入）纳入其中。
PPE证明，自主AI系统可在多种地理空间预测任务中达到甚至超越人工水平：从估算美国慢性病患病率，到提升尼日利亚粮食不安全分辨率，再到实时预测刚果民主共和国的活跃病毒暴发。通过整合智能数据发现、多模态基础模型融合与自动化模型优化，PPE降低了星球级分析的技术门槛，使需要快速决策的场景得以迅速部署。
谷歌认为，这项实验性研究是推动地理空间预测民主化的重要一步。PPE将研究重心从人工数据工程转向高层次假设方向，帮助研究人员、人道主义组织和政策制定者在无需专业工程团队的情况下构建预测模型。尽管PPE目前仍处于早期研究阶段，谷歌表示将持续探索更多应用场景，推动该方法帮助各组织更好地预见并应对复杂全球挑战。
Q&A
Q1：星球预测引擎（PPE）是什么，能解决哪些问题？
A：PPE是谷歌地球AI推出的实验性自主AI系统，可根据自然语言查询，自动完成地理空间数据发现、清洗、特征工程、模型训练与评估等全流程。它主要用于公共卫生、粮食安全、环境风险和社会经济等领域的预测，将原本需数周人工操作的建模流程压缩至数分钟。
Q2：PPE在粮食安全预测上效果如何？
A：PPE在尼日利亚粮食安全预测任务中，将预测精度从省级下钻至地方政府区域级别时，R?从31.5%提升至66.1%，精度提升超一倍。这主要得益于PPE自主整合了本地市场冲击、食品价格异常和微气候等多维度数据，为人道主义组织提供了更高精度的脆弱性地图。
Q3：PPE在疾病暴发预测上表现怎么样？
A：在2026年刚果民主共和国邦迪布焦型埃博拉病毒暴发期间，PPE对新发传播热点的Recall@10达83.3%，在五轮连续周度预测中共正确识别15个新侵入卫生区（共18个），比现有最优贝叶斯建模基线高出约10.3个百分点。
