当望远镜每秒产生海量数据，科学发现的瓶颈不再只是观测能力，而是能否在信号出现时完成校准、筛选和判断。智能体AI正在进入观测流程，但它首先是帮助科学家处理仪器与数据，不是自动宣布发现外星文明。

10月30日，NVIDIA介绍Breakthrough Listen与SETI Institute在美国北加州Allen Telescope Array的最新实践。研究团队将NVIDIA Holoscan、信号处理框架和智能体编排系统连接，让研究人员通过自然语言请求控制部分观测与分析任务。

数据直接进入GPU实时处理

射电望远镜会持续产生高吞吐量传感器数据。如果先把所有数据写入硬盘，再等待离线分析，科学家可能错过需要立即复核的异常信号，也会面对巨大的存储压力。

NVIDIA称，基于Holoscan的DAQIRI库可把传感器数据直接送入GPU内存，在数据流动过程中完成处理。SETI Institute开发的CyberEther框架使用CUDA-X中的cuFFT和cuBLAS执行信号计算，使分析更靠近观测现场。

智能体可以调节天线并修正数据

名为Nexus的网页编排系统为智能体提供仪器状态、计算资源和处理管线等统一信息。研究人员可以用自然语言提出任务，系统再协调天线指向、校准聚焦、数据错误检查和结果绘制。

官方文章称，该系统在RTX PRO 6000 Blackwell GPU上可处理每秒2.4太比特的数据，并在观测站本地运行推理。这个数字来自NVIDIA案例口径，代表特定硬件和管线配置，不能直接推广为所有天文台的普遍性能。

已实时识别脉冲星，并非发现外星信号

该管线已经完成一次实时AI脉冲星检测，目标位于蟹状星云。脉冲星是快速旋转并发出周期信号的恒星遗迹，它可以验证系统是否能够从高速数据中识别已知天文模式。

这项成果证明实时分析链路具备科研价值，但与发现地外技术信号存在巨大距离。候选信号仍需排除卫星、地面无线电、人为干扰和仪器异常，并经过重复观测与独立验证。

编辑观察：智能体需要仪器级安全边界

让智能体控制望远镜，与让模型生成研究摘要不同。系统必须限制可调整的参数范围，记录每次指令、仪器状态和软件版本，并提供人工接管与安全停止机制。任何自动改写信号处理模块的能力，都应先在模拟环境中测试。

未来，研究团队还计划评估包括NVIDIA Nemotron在内的开放模型，特别是数据不能离开现场或需要离线运行的观测环境。智能体AI对科学的真正意义，不是取代研究人员提出假设，而是把重复的仪器操作和数据筛选压缩到更短时间，让人类把精力放在验证、解释和新的问题上。

配图为AIcent原创AI生成实景风格示意图，非官方新闻现场照片，不使用第三方新闻图片。

参考来源：NVIDIA官方博客（2026年10月30日）。正文为基于官方消息的中文整理，编辑观察与事实披露分开呈现。