海洋一直是人類對於地球相當未知的部分，進行海洋探索也是許多科學家的夢想，然而仰賴人力探索有其極限，同時難以預測的氣象與海象也增加海洋探索的困難與危險；一家名為 Saildrone 的舊金山灣區新創公司以人工智慧技術實現海洋自主監測，借助 NVIDIA 的 NVIDIA Jetson 進行邊際 AI 運算，並在開發階段利用 NVIDIA DeepStream 軟體套件進行智慧影片分析的最佳化，當前已經達成在北大西洋近距離追蹤颶風，還同時在太平洋發現一座 3,200 英尺高的海底山脈的成就，現在更開始協助繪製全球海底地形地圖。
僅仰賴太陽能與風力實現出色的 AI 無人自主海洋監測
成立於 2012 年的 Saildrone 是以提高海洋情報蒐集的成本效益，作為科學、漁業、天氣預報、海洋測繪與海事安全提供資料蒐集系統的新創公司，同時也是 NVIDIA Inception 的成員之一；當前 Saildrone 有三艘不同的無人水面艇，藉由 Mission Portal 控制中心服務監測客製化任務，同時進行近乎即時的資料視覺化，目前也開放部分歷史資料供大眾免費使用。
Sildrone 無人水面艇有著豐富的海洋感測器，能夠執行多元的監測任務，包括可測量風、溫度、鹽度與含碳量，並可透過測深感測器進行海洋與湖底的研究，其測深系統包括單波束或多波束深海聲納測繪，此外還搭載包括雷達與水深視覺感測器等。
▲操作員可在遠端以資料設置航點與微調路徑，並透過即時資料在必要時介入修正航線
Saildrone 透過結合 NVIDIA Jetson 設計的無人水面艇進行海洋量測，相較傳統遊船員搭配船隻的方式大幅減少人員的風險，同時不需考慮載人的機構也使得 Saildrone 的無人水面艇更為強固， Saildrone 其中一艘無人艇甚至在近期實現自美國羅德島穿越北大西洋至非洲達維德角後繞到非洲西岸赤道後返航的 370 天二氧化碳監測航程，此外也曾在 2021 年達成安全穿越百慕達的 3 個大型颶風的成就。
同時， Saildrone 的無人水面艇為了簡化設計，是利用太陽能與風力航行，這也意味著 Sqaildrone 需在低能耗的前提進行強大的邊際運算與資料傳送，故 Saildrone 選擇使用 NVIDIA Jetson 取代主流海洋監測使用的 GPU 電腦系統，使無人水面艇僅需使用太陽能即可進行出色的運算。 Saildrone 透過 NVIDIA JetPack SDK 執行平台任務，包括進行用於基於機器學習的船隻圖像檢測，作為輔助航行的功能。
Saildrone 的操作員利用無人水面艇傳回的氣象與海洋資料設置航點以及微調路徑，且所有的資訊都能夠全天候監測，在必要時操作員亦可手動介入遠端修改航線；雖然無人水面艇的機器學習行為能夠利用衛星通訊於雲端進行，不過由於頻寬受限與傳輸高解析影像成本過高，故無人水面艇的機器學習主要是在 Jetson 模組執行。
另外，借助 NVIDIA DeepStream SDK 處理人工智慧應用與服務， Saildrone 能夠建立基於人工智慧的即時串流影片、音訊與圖像分析，並可提升達 10 倍的吞吐量，使頻寬受限的環境也能透過智慧化方式處理串流影音資訊； Saildrone 透過 DeepStream 進行圖像的預先處理與模型推論，藉此在僅有太陽能與風力供電的環境進行邊際機器學習。
持續探索浩瀚海洋解開地球之謎
▲ Saildrone 的新任務是在 2030 年前完成全球海底地圖描繪
Saildrone 的無人水面艇也吸引許多研究機構的興趣，夏威夷大學瑪諾阿分校即藉由 3 艘 Saildrone Explorer 研究海洋酸化對氣候影響，以 6 個月的任務期圍繞夏威夷島、茂宜島、歐胡島與考艾島，探索由於石化燃料的燃燒與農業活動造成的海洋 pH 值降低、進而引發對珊瑚、牡蠣、蛤蜊、海膽與鈣質浮游生物的影響，進而對海洋生態造成威脅。
另外 Saildrone 與 Seabed 2030 在近期合作描繪完整的海洋地圖， Seabed 2030 是由日本慈善組織日本財團( Nippon Foundation )與通用大洋水深圖組織( General Bathymetric Chart of Ocean ; GEBCO )合作的項目，旨在於 2030 年前完成全球海底地圖的繪製。借助 Saildrone 的無人水面艇，研究人員能以更少的資源、更安全的方式實現海洋監測。
