NASA公开800GB阿尔忒弥斯二号任务数据:1.1万张影像免费开放

NASA公开阿尔忒弥斯二号超800GB任务数据,含1.1万份影像与宇航员亲自标注素材,全球免费获取。
NASA本周通过专题网站一次性公开了阿尔忒弥斯二号任务的超过800GB科学数据,包含逾11,000张照片与视频、8.5小时音频记录,以及由机组成员亲自标注的第一手素材。这批资料向全球研究者、教育工作者和航天爱好者免费开放,延续了NASA将公共资金资助的任务成果向社会共享的长期传统。其中「机组标注」部分尤为独特,宇航员的第一视角解读赋予原始影像以情境意义,具备独立的科研与教育价值。阿尔忒弥斯计划作为人类重返月球的核心项目,此次大规模数据公开不仅有助于后续任务的技术积累,也为航天史留下了可供公众长期访问的公共档案资源。
NASA再次向公众敞开太空档案
如果你以为阿尔忒弥斯二号(Artemis II)任务的精彩画面已经看尽,那恐怕要重新审视了。NASA本周在其专门的「Artemis II: Sights & Sounds of Science」网站上,一次性公开了超过800GB的科学数据、图像和视频资料,向全球研究者与航天爱好者免费开放。
这批档案的规模相当可观,包含了超过11,000张照片和视频、超过8.5小时的音频记录,以及由机组成员亲自标注的素材。对于一个旨在重返月球轨道的载人航天任务而言,如此体量的一手资料公开,意味着公众可以前所未有地贴近真实的太空探索现场。

800GB档案里究竟有什么
从NASA披露的信息来看,这批数据的构成相当丰富,远不止是常见的宣传大片。超过1.1万份的影像资料涵盖了任务的多个阶段,而8.5小时的音频记录则为还原任务现场提供了声音维度的素材。
特别值得关注的是「机组标注」(crew-annotated)这一细节。这意味着部分素材并非单纯的原始数据堆砌,而是由亲历任务的宇航员加以说明和注解——这类带有第一视角解读的资料,对研究人员理解任务细节、对教育工作者制作科普内容,都具有独特价值。
「机组标注」(crew-annotated)在航天数据领域是一种较为特殊的资料形态。宇航员在任务期间或返回后,会对特定影像或事件进行语音或文字注解,说明拍摄背景、操作意图或观察到的异常现象。这类注解将原本孤立的传感器数据或影像赋予了情境意义,类似于田野调查中的研究者备忘录。在阿波罗计划的历史档案中,宇航员的现场口述被证明对后续地质学研究极具参考价值——部分月面样本的采集背景正是通过音频注解才得以还原。因此,此次阿尔忒弥斯二号档案中的机组标注素材,不仅是情感层面的「宇航员视角」,更是具备科学可检索性的结构化信息资产。
开放数据背后的科学意义
NASA长期坚持将任务数据向公众开放的传统,这次大规模放出阿尔忒弥斯二号资料延续了这一思路。开放数据的价值在于,它让科学研究不再局限于机构内部,世界各地的研究者、学生乃至独立爱好者都能基于真实的一手素材开展分析、复现与再创作。
阿尔忒弥斯计划作为人类重返月球、并最终迈向更远深空的关键一步,其任务数据本身就具备长期的研究和存档价值。公开这些影像、音频与标注资料,不仅有助于后续任务的技术验证与经验沉淀,也为航天史的记录留下了宝贵的公共资源。
NASA的开放数据政策有其制度性根基。根据美国《信息自由法》(FOIA)及NASA自身的「开放政府计划」(Open Government Initiative),联邦机构有义务将公共资金资助的研究成果向纳税人开放。NASA的行星数据系统(PDS,Planetary Data System)和NASA技术报告服务器(NTRS)已积累了数十年的任务档案,覆盖从阿波罗计划到火星探测的海量原始数据。这一传统使得民间科学家(citizen scientists)、高校研究团队乃至独立开发者得以在不申请专项经费的前提下直接使用真实任务数据,催生了大量非官方的数据可视化项目和科研论文。阿尔忒弥斯二号此次公开的规模之所以引人注目,部分原因在于它是载人任务的第一手记录,而非无人探测器的遥测数据,人的参与让素材具备了更强的叙事性与教育价值。
如何获取这批资料
所有数据均托管在NASA的「Artemis II: Sights & Sounds of Science」专题网站上,公众可直接访问浏览和下载。考虑到总量超过800GB,对于希望完整获取的用户而言,带宽和存储空间都需要有所准备。
对于更广泛的受众来说,这类免费开放的太空档案是难得的学习与创作素材库——无论是用于科普教育、媒体创作还是单纯的太空探索热情,都能从中找到切入点。NASA此举再次印证了其在推动开放科学方面的持续投入。
相关推荐

农业革命另一面:疾病如何帮农民击败狩猎采集者
历史学者Kyle Harper解读农业社会如何击败狩猎采集者:不仅靠单位土地能量提取效率带来的人口增长优势,还依靠定居生活催生的病原体在扩张中造成额外死亡率,形成双重替代机制。

渐进式披露让Agent提速2.3倍:上下文工程新思路
Hacker News讨论提出用渐进式披露优化AI Agent上下文,实现2.3倍提速。本文解析上下文膨胀的三大性能损耗,介绍分层工具目录、按需检索、历史压缩等实践路径及落地注意事项。
Perplexity Computer 登陆 Mac:本地运行模型与智能体
Perplexity Computer 登陆 Mac:本地运行模型与智能体
Perplexity Computer 现可在 Mac 上完全本地运行,模型与智能体均在设备端执行,支持原生 Mac 应用和本地文件,敏感数据无需上传云端,已在 Perplexity Mac 应用上线。