Google调度48个SWE智能体72小时扫描NASA激光雷达，发现未测绘玛雅金字塔
文 / Mr.Xu 社区投稿
发布时间：
摘要：Google使用48个SWE智能体，在72小时内并行处理NASA机载激光雷达数据，并从未测绘的玛雅遗址中识别出一座金字塔结构。案例展示了多智能体系统在大规模遥感检索、异常几何检测与候选地点筛选中的潜力：智能体可分解搜索任务、调用地图和考古数据源，再对高分辨率地形异常进行交叉验证。不过，现有摘要未披露任务编排方式、误报率、发现坐标及专家复核结果，因此“发现”仍需区分机器候选与经考古学界确认的正式遗址。
48 个智能体在 72 小时内扫描激光雷达数据
Google 的一项实验让 48 个 SWE 智能体并行分析 NASA 激光雷达数据，并报告在 72 小时内发现一座此前未被测绘的玛雅金字塔。不同于让单个模型读取全部原始数据，该任务更接近一个可并行扩展的地理搜索系统：智能体负责拆解区域、调用外部数据源、筛选异常点并汇总证据，最终把高价值候选交给专家核验。
这类任务的核心并非文本生成，而是将机器生成内容嵌入可验证的空间工作流。每个候选点都应保留原始点云、栅格影像、坐标、过滤参数、模型判断和交叉验证记录。只有当正射影像、地形高度、遗址轮廓及区域考古数据相互支持时，异常才能升级为考古线索。
从点云到遗址：候选结构如何产生
NASA 机载激光雷达通过机载激光测距生成高密度三维地表数据。与普通卫星光学影像相比，点云可以穿透植被遮挡并直接提供地表高程，因此更容易识别建筑平台、台阶、道路、土台和水坝等微地貌特征。
一个可复现的工程流程通常包括以下环节：
- 数据分块：将超大点云按地理范围或瓦片切分，并保留点云、影像和地形栅格之间的空间索引。
- 地表重建：去除植被和噪声，生成数字高程模型、坡度图和可视图。
- 形态检测：识别规则边界、线性排列、人工平整区域和异常高程结构。
- 历史数据比对：将候选结构与卫星影像、已知遗址数据库及公开地形产品叠加。
- 证据审查：输出带坐标和置信度的候选清单，保留中间结果供专家复核。
若模型参与筛选，它最适合承担视觉与空间关系推理，而不应独立充当“发现真伪”的裁决器。线性梯度、规则角点或成组矩形地物也可能来自现代道路、采石场、农田和传感器拼接误差，因此需要可解释的几何规则与人工验证共同约束。
多智能体调度的工程权衡
48 个智能体并行处理任务，主要收益是缩小墙钟时间，而不是线性提升推理质量。若单次区域分析耗时为 (T)，理想情况下 48 路并发可获得约 (T) 的完成时间，但实际结果还受共享文件锁、点云读取带宽、地图 API 配额和调度开销影响。
系统架构可抽象为：
[ T_{total} \approx \frac{N}{P}T_{task} + T_{merge} + T_{verify} ]
其中 (N) 是待扫描区域数，(P) 是有效并发度。提高 (P) 并不必然继续缩短总时间：当存储 I/O 饱和或多个智能体重复下载相同数据后，边际收益会快速下降。工程上应把共享点云转换为空间分块缓存，对重复区域做去重，并以任务依赖图限制“先广搜、后深挖”的并发次序。
多智能体系统还会引入额外成本。每个代理都需要上下文空间、工具调用、代码执行和结果汇总；若所有代理都保留完整轨迹，Token 消耗会随代理数显著增长。更稳妥的做法是让区域代理只返回结构化候选和证据指针，由汇总代理读取相关切片，避免把原始点云或重复图像反复放入上下文。
结果可信度仍取决于验证链
“72 小时内发现金字塔”包含两个不同强度的结论：一是算法在数据中找到了值得审查的异常，二是该异常已被确认属于玛雅金字塔。前者可由自动化管线复现，后者仍需要地理坐标、正射影像、地层解释和专家共识。
目前采集信息没有提供完整实验设置，因此无法判断 48 个代理如何分工、使用何种模型、是否采用人工回环、候选点数量、精确率与召回率，也不知道后续是否进行了地面验证。若系统直接在全部异常中选最高分模型输出，误报可能来自点云密度不均、森林砍伐、现代基础设施和坐标配准误差。
独立评估至少应覆盖三项指标：候选发现率，即已知遗址中有多少能被系统检出；误报密度，即每平方千米产生多少无效候选；以及专家节省时间，即从原始点云到形成可审查候选清单所需的实际人时。只有与普通批量处理或单智能体基线相比，才能判断多智能体调度是否真正产生增益。
开发者如何复现类似流程
可落地的系统不必从“48 个聊天代理”起步，而应把智能体限制在可审计的决策节点：
- 使用区域分块与空间数据库，避免每个代理重复处理相同点云；
- 为建筑、道路、水坝等类别分别配置几何检测器，而非只依赖视觉语言模型；
- 强制输出候选坐标、置信度、异常类型和原始数据切片引用；
- 将模型判断与确定性规则分层，模型负责排序，规则负责剔除常见伪影；
- 保留每次工具调用、数据版本与提示版本，支持回放审计；
- 在专家确认前，将输出统一标记为“候选遗址”，避免语义夸大。
这类案例真正值得关注的地方，是 AI 智能体开始承担大规模空间数据筛选和跨源证据编排。但“自动发现”只有在错误率、基线和独立复核均公开后，才具备稳定的科学与工程说服力。
—— 完 ——消息来源：Hacker News AI Feed (2026-11-11)
主题标签： #Google #SWE智能体 #NASA激光雷达 #玛雅考古 #多智能体协作
编辑部与事实核查说明：本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译，经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏，欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区