Google 推出自然保护三项 AI 举措：开源物种识别模型 SpeciesNet

SpeciesNet 是 Google 开源的野生动物识别 AI 模型，专门用来分析野外红外相机拍摄的照片，自动辨认画面里的动物物种。

做野外生态调查的人都知道，红外触发相机一架就是几个月，收回来的存储卡里动辄有数万张甚至几十万张照片。人工一张张剔除风吹草动、辨认是哪种动物，往往要耗费几个月的时间。

它能做什么

SpeciesNet 解决的就是这个筛选和分类痛点。模型能够读取相机陷阱拍下的复杂野外图像，快速过滤掉没有动物的空镜头，并自动标记出具体的野生动物物种。

这项技术并不是刚出实验室的半成品。自 2019 年起，已有数千名野生动物生物学家通过 Google Cloud 支持的 Wildlife Insights 平台使用 SpeciesNet，用来辅助生物多样性监测和保护决策。这次 Google 选择把模型本身开源，让开发者、科研团队和生态初创公司可以把它直接集成到自己的工具或本地工作流中。

配套的加速器与 300 万美元基金

开源 SpeciesNet 是 Google 3 月 3 日公布的三项自然保护举措之一。除了开放模型，Google 还拿出了实际的资金和孵化资源。

第一项是启动 Google for Startups Accelerator: AI for Nature 加速器。这是 Google 首次针对自然保护技术设立的专项加速计划，面向美洲地区的初创团队，提供为期 10 周的线上培训，由 Google 工程师和专家进行一对一技术指导。申请窗口为 2025 年 3 月 3 日至 3 月 31 日，入选项目将于 5 月开营。

第二项是 Google.org 联合巴西气候与社会研究所（iCS）设立的 300 万美元专项资助基金。这笔资金将公开招募并资助巴西本地非营利机构和研究中心，重点支持三个方向的 AI 应用：扭转生物多样性流失（契合全球 30x30 保护目标）、发展生物经济（包括可持续林产品价值链），以及面向小农户的再生农业。

为什么重要

生物多样性监测长期受困于两件事：野外数据处理成本极高，以及生态保护团队普遍缺乏算法研发能力。很多保护区连基本的数据管道都没建好，更别提自己训练一套高精度的物种分类模型。

SpeciesNet 的开源把经过数年实际检验的工业级视觉模型直接交到了研究者手里。对于从事生态保护、林业调查的科研机构和开发者来说，现在不需要依赖云端平台或重复造轮子，就能在边缘设备或本地服务器上搭建属于自己的自动化监测管线。

我们认为，Google 这次把开源模型、区域加速器和非营利资助打包推进，思路相当务实。比起单纯办一场比赛或发一笔赞助，直接开放关键算法底层，才是降低生态保护数字化门槛最有效的方式。