本文来自微信公众号： 太空与网络 ，作者：老谭
第一篇列出了五类典型应用。如果把它们简单加总成一个“AI+航天TAM（总体潜在市场规模）”，很容易产生误导。
原因很简单：有人买影像，有人买预警，有人买风险报告，还有人购买的是一套嵌入业务系统的长期服务。统计口径稍有变化，市场规模就可能相差数倍。
因此，与其追逐一个看起来精确的总额，不如先判断一家公司到底在卖哪一层价值。
···
一、四层价值：越靠近行动，越容易获得持续收入
AI+航天应用可以大致分成四层。
第一层是数据。客户购买影像、雷达观测或其他地球观测数据。产品相对标准化，但容易受到分辨率、重访频率和价格竞争影响。
第二层是信息。供应商把原始数据处理成火点、洪水范围、植被状态或目标变化。客户省去了自己下载、清洗和分析数据的工作。
第三层是工作流。结果被接入保险理赔、铁路养护、农业监管或应急指挥系统。客户购买的不再是一张图，而是一项可以反复使用的业务能力。
第四层是行动结果。产品帮助客户缩短响应时间、减少现场巡检、提高赔付效率或降低资产风险。这一层最接近客户真正愿意支付的价值，但也最难证明和承担责任。
很多企业卡在第二层：技术上已经能识别目标，却没有进入客户的正式流程。结果只能按项目交付，难以形成持续收入。
···
二、应急减灾：按事件响应，也靠公共服务长期建设
应急场景的核心指标是速度、覆盖和可信度。
欧盟哥白尼应急管理服务由公共资金支持，为授权用户提供灾害快速制图。这说明，应急遥感并不一定是纯商业市场，它常常具有公共基础设施属性。
商业公司可以按灾害事件提供高分辨率数据和分析，也可以与政府、保险机构签订长期服务协议。两种模式各有特点：
按事件收费，需求明确，但收入随灾害发生而波动；
长期订阅收入更稳定，却需要提前进入应急预案和采购体系；
公共平台覆盖基础需求，商业产品则通过更快响应、更高分辨率或更深分析形成差异。
应急客户并非“不考虑成本”。他们同样关心系统是否可靠、是否能在灾害发生时调用，以及结果是否足以支撑行动。
···
三、国防市场：大合同背后是长期验证和严格准入
国防客户通常愿意为能力缺口支付更高价格，但合同并不是轻易获得的。
美国国家侦察局的EOCL合同由BlackSky、Maxar和Planet获得，官方称十年总价值达到数十亿美元。合同的关键不是单次购买，而是持续、稳定地向大量政府用户供应商业影像。
这类市场往往具备几个特点：
合同周期长，能够形成稳定收入；
安全、合规和供应链要求高；
产品需要经过持续验证，很难仅靠一次演示进入核心流程；
政府客户可能支持技术成熟，但也会让企业形成较强的单一客户依赖。
国防业务的护城河不只是算法，而是资质、历史交付、数据供应能力和对任务流程的理解。
···
四、农业与保险：最终买单者往往不是农户
农业应用经常被描述成一个巨大市场，但单个农户的支付能力和数字化水平差异很大。
更容易形成规模化采购的客户，通常是政府农业部门、农业服务平台、种子与农化企业、粮食贸易商和保险机构。它们需要管理大量田块，卫星覆盖的规模优势才能真正体现。
农业产品的收费方式也因此不同：
数据平台按面积或调用量收费；
农业软件把卫星数据包含在整体订阅中；
政府按区域购买作物监测与合规服务；
保险机构按保单组合、田块数量或灾害事件购买核验能力。
ICEYE与参数保险机构的合作说明，卫星数据只有被写进触发规则和理赔流程，才能从“灾害地图”变成保险产品的一部分。
这一市场的关键障碍也不是单纯的模型精度，而是田块边界、地面样本、保险条款和责任划分是否清楚。
···
五、金融市场：高价值不等于稳定生意
金融客户可能愿意为独特信息支付较高费用，但另类数据的商业价值很难公开验证。
一条信号只有在少数人掌握、能够稳定解释并及时转化成交易时才有价值。随着同类数据普及，信息优势会缩短，客户也可能迅速更换供应商。
因此，金融市场具备高客单价想象力，却未必具备最高续约稳定性。供应商还要面对模型失效、数据延迟和投资合规等问题。
对于创业公司而言，把少数成功案例外推成稳定市场非常危险。客户愿意尝试，不等于愿意长期依赖。
···
六、基础设施：销售慢，但一旦嵌入就不容易被替换
基础设施产品通常要与资产台账、工单和现场巡检系统连接。销售和部署过程较慢，但产品一旦进入日常流程，客户更换供应商也会付出较高成本。
LiveEO与德国铁路的合作覆盖超过3.3万公里铁路。客户购买的并不是“识别树木”的算法，而是网络级风险筛选、养护优先级和持续监测能力。
这类产品的经济账通常由三部分组成：
减少不必要的现场巡检；
更早发现可能造成中断的风险；
留下可审计的监测与处置记录。
但供应商必须证明，系统确实改善了工作安排，而不是额外制造一批需要人工核查的告警。
···
七、真正的商业壁垒，在模型之外
模型精度是进入市场的门槛，却很少是长期壁垒。更难复制的能力包括：
持续获得质量稳定的数据；
理解客户的专业规则和责任边界；
接入客户已有的软件与组织流程；
用真实业务结果验证产品价值；
在错误、延迟或数据缺失时提供安全回退；
通过长期运行积累客户信任。
这也解释了为什么很多技术演示很惊艳，却没有快速长成大公司。客户采购的不是“AI能不能识别”，而是“我能不能放心依据它采取行动”。
···
八、判断一门生意，先问五个问题
分析AI+航天应用公司时，可以先问：
谁是真正的预算拥有者？
客户现在用什么方法解决问题？
产品交付的是数据、信息，还是可执行的工作流？
结果出错时，谁承担损失和责任？
每增加一个客户，是否都要重新做一遍项目？
如果一家公司只能展示识别效果，却回答不了这些问题，它更像一个技术项目，而不是成熟产品。
AI+航天应用的定价权，不属于拥有最多影像或最大模型的公司，而属于最接近客户行动的人。谁能让分析结果稳定进入应急、保险、农业和基础设施的日常流程，谁才更有机会把一次性交付变成持续收入。
下一篇，我们回到中国。国内并不缺遥感数据和行业需求，真正需要补上的，是哪些产品、标准和采购机制？
主要参考资料
美国国家侦察局EOCL合同公告
欧盟哥白尼应急管理服务
ICEYE参数保险合作资料
Planet农业监测与保险核验产品资料
LiveEO基础设施监测案例