Геоиндустрия десятилетиями жила с мантрой «извлечение инсайтов из изображений». На практике это означало одно из двух: либо эксперт часами изучал снимки, либо узкоспециализированная модель машинного обучения выискивала заранее заданные объекты — бассейны, крыши, автомобили. Подход работал, но был ограничен рамками обученного.

В июле 2026 года Google и Vexcel анонсировали запуск Aerial and Satellite Insights — нового направления в портфеле Imagery Insights. Партнёрство, в которое также вовлечён Airbus, сигнализирует о качественном скачке: от распознавания объектов к пониманию сцен и рассуждению о физическом мире на естественном языке.

Термин «геопространственный ИИ» использовался годами, но чаще всего под ним скрывался классический пайплайн: собрать данные, разметить объекты, обучить модель, применять на новых снимках. Мощно, но жестко привязано к набору классов.

Новый подход, который Vexcel и Google выводят на рынок, работает иначе. Вместо того чтобы искать конкретные объекты, система генерирует векторизованное семантическое представление местности — нечто, что можно сравнить с «клетками мозга»: плотное, структурированное описание реальности, пригодное для логических рассуждений. Это превращает процесс из поиска по заданному шаблону в свободный вопрос-ответ.

Проще говоря, это «Ctrl+F» для физического мира. Пользователь может задать запрос на естественном языке: «найди все ветряные турбины в этом регионе» или «покажи участки, которые выглядят заброшенными» — и получить ответ без предварительного обучения модели под эти классы. Технология, известная как zero-shot и open-vocabulary анализ, позволяет ИИ-агенту обрабатывать запросы, которых он никогда раньше не видел.

Это распространяется и на выявление изменений: теперь можно отличить новый завод от старого, отследить стройку от котлована до ввода в эксплуатацию, и всё это — через обычные текстовые команды, а не через переобучение модели.

За любым ИИ стоит датасет. И если датасет неточен или неконсистентен, то даже самая продвинутая модель будет выдавать правдоподобные, но ложные результаты. Именно здесь Vexcel имеет уникальное преимущество.

Vexcel — не просто агрегатор снимков; она производит собственные сенсоры. Это означает, что съёмка в ЮАР, Бразилии, Германии или США выполняется по единым стандартам: одинаковая калибровка, одинаковые спектральные характеристики, единая геометрия. Такая глобальная консистентность делает эти данные идеальной эталонной основой (ground truth) для обучения и валидации любых ИИ-моделей.

Важен и временной фактор. Метаданные о дате съёмки критичны: страховой оценщик не может опираться на двухлетний снимок, а проектировщик — на данные, собранные до начала строительства. Vexcel поставляет не только изображения, но и строгую информацию о времени и условиях съёмки, что исключает «галлюцинации» ИИ, связанные с устаревшими данными.

В экосистеме дистанционного зондирования нет универсального инструмента:

Это не конкуренция, а взаимодополняющий набор инструментов.

Одна из ключевых деталей анонса Google, часто упускаемая из виду, — появление Aerial and Satellite Models (Experimental) в Google Cloud Model Garden. Эти модели разработаны в рамках исследовательской инициативы Google Remote Sensing Foundation.

Главное здесь не то, что Google создал модели, а то, что они работают с вашими данными. Предприятие может взять свои архивы аэроснимков — собранные за годы, купленные у других поставщиков — и прогнать их через передовые ИИ-алгоритмы Google, не строя собственные пайплайны с нуля. Для компаний с большими накопленными геоданными это серьёзный прорыв: доступ к лучшим моделям без затрат на разработку.

Среди новых продуктов особенно выделяется Solar Insights (Experimental) — набор данных о потенциале солнечной генерации на крышах зданий. Он охватывает более 90% строений в США и Европе, комбинируя статистику кровель, данные о существующих панелях и погодные модели для расчёта выработки энергии на уровне отдельного дома.

Институт Милкена (Milken Institute) уже использует этот инструмент для оценки потенциала солнечных панелей в центрах общественной устойчивости — библиотеках, школах, клиниках. Совмещая эти данные с картами климатических рисков и демографией, они определяют приоритетные районы для инвестиций в сообществах с низким уровнем дохода. Это классический пример геопространственных технологий, решающих реальные социальные задачи — и всего за несколько минут расчёта вместо недель изысканий.

Google также расширяет Street View Insights, добавляя слой LiDAR-данных. Теперь можно измерять высоту опор ЛЭП, расстояние до проводов, габариты дорожных знаков — всё через естественно-языковые запросы, без выезда на место.

Особенно показателен пример европейских коммунальных компаний, которые до сих пор используют вертолёты со сложными сенсорами для мониторинга инфраструктуры. В Германии регуляторные ограничения для дронов пока сдерживают их применение, но сочетание Street View Insights с LiDAR и регулярной аэросъёмкой Vexcel делает вертолётный подход устаревшим. Вопрос лишь в том, когда компании это осознают и начнут переходить на цифровые решения.

Развитие технологий идёт по двум основным траекториям.

Первая — многопозиционный обзор. Исторически аналитика строилась на ортофотопланах (вид сверху) из-за их простоты. Но теперь ИИ способен обрабатывать снимки с любых углов одновременно: косые, вертикальные, панорамные. Векторизованное представление позволяет «видеть» объект целиком, а не только его проекцию на плоскость. Это изменит требования к сенсорам: будущие системы будут собирать не один идеальный ортоснимок, а множественные ракурсы для максимальной информативности.

Вторая — переход к AI-маркетплейсам. Вместо модели «скачай данные, построй пайплайн» набирает обороты подход «агент-к-агенту»: клиент задаёт вопрос, ИИ-агент находит ответ в геоданных и возвращает готовый результат без необходимости загружать и обрабатывать гигабайты изображений. Это меняет бизнес-модель: оплата идёт за ценность ответа (token-based или value-based), а не за площадь в квадратных километрах. Vexcel активно адаптируется, участвуя в Overture Maps Foundation и интегрируясь с BigQuery и Earth Engine, чтобы сделать свои данные доступными на корпоративных платформах.

Vexcel продолжает расширять географию: недавно компания вышла на рынки Индии и Мексики, охватив 47 стран. Однако в некоторых регионах сохраняются регуляторные преграды: правительства ограничивают иностранную аэросъёмку, что изолирует их от глобальных ИИ-платформ.

При этом, как отмечают эксперты, суверенитет в геоданных не требует полного запрета. Можно сохранять контроль над стратегической информацией, но при этом не закрывать доступ к мировым технологиям. Страны, которые выбирают изоляцию, рискуют остаться лишь с собственными, часто менее развитыми, геоинструментами.

Однако самый серьёзный барьер — не юридический, а культурный. Многие организации просто не знают о существовании готовых, высококачественных аэроснимков. Они считают, что это слишком дорого, или не могут найти поставщика, или продолжают использовать десятилетние процессы просто потому, что они «работают».

Показательный пример: железнодорожные компании не имеют даже актуальной векторной карты запасов шпал вдоль путей, хотя с помощью современного агентного ИИ и свежих снимков её можно составить за часы и с минимальными затратами. Это не будущее — это реальность сегодняшнего дня. Но большинство потенциальных клиентов об этом не знают.

Именно поэтому партнёрство с Google имеет колоссальное стратегическое значение. Google способен донести эти возможности до широчайшей аудитории предприятий, которые никогда бы не стали искать специализированного поставщика самостоятельно. Как говорится в официальном заявлении, Google открывает двери для нетехнических, негеопространственных пользователей, которые раньше даже не рассматривали работу со снимками как часть своей рутины.

Партнёрство Vexcel и Google — это переход от эры узкоспециализированных моделей к эре универсального агентного ИИ, способного отвечать на любые вопросы о физическом мире. Ключевые сдвиги:

Технологии уже здесь. Остаётся главная задача — сделать так, чтобы о них узнали те, кто сможет применить их для реальных дел: страховщики, коммунальщики, строители, экологи, логисты. Партнёрства такого масштаба — самый быстрый способ решить эту задачу.