“我觉得摄影师在打印太空照片时遇到的最大的问题是设法如实印出那种纯粹绝对的黑。放幻灯片时背景里肯定会有一抹蓝色,而且绝对无法还原我们在月球上亲眼所见的那种色彩对比和反差,因为月球的天空漆黑。”
——哈里森·施密特
最后一位踏上月球的地球人
今天,是我们人类最后一次踏上月球的50周年。
50年前,阿波罗17号发射升空,2名宇航员踏上月球,并带回了历次登月史上最多的月球样品。
然而,由于科研价值下降,以及登月所需庞大资金的压力,阿波罗计划被迫终止,阿波罗17号也成为人类曾经访问过另一个世界的最后痕迹。
微信启动页面上的地球,就是阿波罗17号在登月飞行中拍摄的。
不过在这50年里,人类从未停止对太空探索的渴望:
● 我们的火星车成功找到火星曾经有水的证据;
● 我们的旅行者1号带着人类的问候,经过36年的漫漫旅途,终于飞出了太阳系;
● 我们的太空望远镜正在逼近138亿年前,宇宙大爆炸后所诞生的第一缕光……
50年后的今天,我们再次向月球进发。这一次,我们怀着更宏伟和远大的目标。
半个世纪后
重返月球
北京时间2022年11月16日,NASA(美国国家航空航天局)成功执行了阿尔忒弥斯1号的发射任务,史上推力最强大的火箭“太空发射系统”(SLS)发射升空,并进行为期40多天的探月试飞工作。
据了解,阿尔忒弥斯一号是后续登月计划中的第一步,此次探月试飞并未搭载人员,主要目的为了测试飞船飞往月球以及环绕月球、高速返回地球等关键技术,检验飞船返回地球是否能够经受与大气层剧烈摩擦产生的热量等等。
之后的阿尔忒弥斯二号(计划2024年)将执行载人绕月飞行任务,而阿尔忒弥斯三号(计划2025年)则最终把人类送入月球表面。
那么,这次登月计划只是为了重返月球吗?
当然不是。
登月仅仅是一个开始,阿尔忒弥斯计划的最终意图是在月球南极建立一个永久性的月球基地,不仅作为前往月球的宇航员的住所,而且作为前往火星和深空探测的载人任务的中转站。
今天的人类所掌握的技术,已经和半个世纪前不可同日而语。
半个世纪前,NASA发射控制架构师使用的计算机系统(阿波罗制导计算机),其体积足足有一间房子那么大,而这台系统的计算能力,约等于今天我们口袋里的一部智能手机。
如果我们再把今天的智能手机和一台戴尔PowerEdge服务器相比,PowerEdge服务器的处理速度快了大约20倍,内存容量增加了1.6万倍,计算能力提高了近1800%。
想象一下,我们把那个房间里的计算系统换成PowerEdge服务器,会是什么样呢?
没错。十多年来,戴尔科技集团一直与NASA保持着合作关系,为其提供计算系统和服务,致力于实现“科技创新推动人类进步”的共同目标。

戴尔科技集团助力
NASA重启登月计划
今天,NASA发射控制架构师、工程师和技术人员正在使用更加紧凑的Dell PowerEdge服务器,并且服务器机房依然是50年前阿波罗计划所使用的那一间。
这些服务器使NASA能够运行飞行软件应用、执行系统监控功能并实时分析数据。同时,使用Dell Precision工作站,飞行外科医生、轨道测试主管、气象学家和其他专家能通过控制台,来分析发射过程中的185000个关键数据点和遥测数据。这种深度的见解和对发射的更大控制,是50年前载人登月计划中无法实现的。
在整个发射任务过程中,戴尔的产品将处理数百万个数据点,并允许控制人员与发射控制处的服务器和飞行的火箭进行交互。
除了在发射控制系统中提供计算系统外,NASA团队还通过戴尔支持服务来帮助解决潜在问题,并确保团队能够满足发射要求。戴尔工程师会在现场根据需要提供即时支持和服务,以确保在发射倒计时期,可靠的IT和安全的计算机系统。

SLS火箭竖立在肯尼迪航天中心的
航天器装配大楼 (VAB)
图片来源:NASA/Frank Michaux
结语
探索一直是人类精神的永恒组成部分。在戴尔科技集团,我们经常思考技术如何影响我们的日常生活和工作。在与NASA的合作中,我们看到戴尔的创新,正在参与到那高度复杂的系统里,助力人类向宇宙深处探索。
50年后的今天,不仅NASA重启登月计划迈出了关键一步,世界上多个国家也在着手进行着登月计划,这是一个新的登月和探索时代的开始,也是新一代人开启太空探索的时代。
END
如果您想了解更多有关戴尔科技的产品和解决方案信息,请扫描以下二维码咨询戴尔官方客服。

好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。