射电望远镜开始自己找信号：一句自然语言指令，智能体就能操控天线并实时处理每秒2.4太比特数据
核心概要
Breakthrough Listen与SETI研究所把AI智能体接入艾伦望远镜阵列的日常搜寻：研究人员用一句自然语言请求，就能让智能体操控天线、校准聚焦、修正数据错误并调用AI模型处理实时数据流。NVIDIA Holoscan平台上的DAQIRI把每秒太比特级的传感器数据直接送入GPU内存，使观测在采集过程中即被处理，系统在RTX PRO 6000 Blackwell GPU上可处理每秒2.4太比特。该流水线已实现蟹状星云脉冲星的首次实时AI探测，团队下一步评估Nemotron等开放模型，用于数据本地性和响应速度优先的场景。
深度剖析
搜寻地外文明的射电观测开始由AI智能体直接参与操作，而不只是由人分析事后数据。 此前的搜寻流程依赖研究人员在观测过程中识别可能有意义的信号，面对的是射电望远镜产生的巨量数据。 在艾伦望远镜阵列上，智能体可以操控仪器、增强并校正输入数据，并对实时数据流应用AI模型，全部来自一条自然语言请求。
数据不再先落盘再分析，而是在采集过程中被处理。 过去海量传感器数据需要写入硬盘后再处理，观测进行时难以即时判断信号。 Holoscan平台库DAQIRI把每秒太比特级的传感器数据直接拉入GPU内存，SETI研究所开发的信号处理框架CyberEther用CUDA-X库中的cuFFT和cuBLAS完成计算。
智能体通过一个统一的观测编排器获得仪器状态、算力资源和流水线的单一事实来源。 研究人员因此可以在提示中监控丢包、读取实时频谱图并改写信号处理模块。 基于Web的观测编排器Nexus充当智能体的运行框架，系统在NVIDIA RTX PRO 6000 Blackwell GPU上可处理每秒2.4太比特，推理在仪器旁本地运行。
这条流水线已经完成一次真实观测任务。 此前没有实时AI探测脉冲星的记录。 该流水线在蟹状星云实现了首次脉冲星的实时AI探测，脉冲星是快速自转的恒星遗迹，像宇宙灯塔一样周期性发出脉冲。
启示与展望
已展示的范围是艾伦望远镜阵列上的这套智能体观测流程，以及蟹状星云脉冲星的一次实时AI探测；团队正在评估Nemotron等开放模型，用于数据本地性和响应速度优先的场合，以及未来可能在月球背面离线运行的观测站。
材料把智能体压缩人工耗时描述为把数周或数年变成数小时，但没有给出对应的量化对照；开放模型的评估仍在进行中，尚未报告结果。