澳洲AI训练与农业遥感：海量影像数据的算力账和驻留要求

澳洲东南部的冬小麦带，一个 3000 公顷的商业化农场，无人机每周飞两遍，每遍五千多张 2000 万像素正射影像，原始 RAW 单张就二十几兆；再叠加上 PlanetScope、Sentinel-2 这类卫星每天扫过全澳的几十景数据，单个州级农业监测项目每天新增的影像体量轻松冲到几十 TB。问题来了——这些影像要拿去训耕地分类、杂草识别、产量预测的模型，既需要实打实的 GPU 算力把几百 TB 的图"喂"进神经网络，又卡着一条硬规矩：地块边界、产量、土壤含水量、还有原住民土地相关的敏感图层，合同和资助条款往往要求数据全程留在澳大利亚境内，不能为了省钱把数据甩去新加坡或美国节点训练。算力和驻留这两本账绑在一起，才是澳洲农业遥感真正难的地方。

说白了，这类项目的坑不在"买不买得起显卡"，而在于"数据不能出澳"这条线，把原本可以全球调度的算力锁死在了本地。你没法像做通用大模型那样，哪儿便宜把数据搬哪儿；澳洲节点的机柜、带宽、电力、以及能塞下几十 TB 影像的存储，全得在境内自己扛。下面把这本账拆开算。

· 影像体量决定存储是第一成本项，几十 TB/日的增量必须做热/温/冷分层，否则半年就填爆本地盘。

· 数据驻留（onshore）不是可选项，是农业与遥感项目的硬约束，训练集群也得跟着落在澳洲节点。

· 预处理（正射校正、拼接、去云）是 CPU + IO 密集型，不是 GPU 活；GPU 只在前向训练与推理阶段吃重。

· 澳洲带宽与电力比亚太其他节点贵，扩容时要把"存储增长 + 回传带宽 + 机柜功耗"一并算进总账。

农业遥感为什么吃算力与存储

先把"几十 TB"这个数字拆开，才知道钱花在哪。一个 2000 公顷农场用多光谱无人机巡田，每周两架次、每架次约 5000 张 20MP 影像，单张 RAW 约 25MB，一驾次就是 125GB，一月保守 1TB 原始数据；换高光谱或多载荷，体量再翻三到五倍。卫星侧更猛：Sentinel-2 单景压缩后约 500MB 到 1GB，全澳覆盖每五天一轮就是几百景；PlanetScope 0.5 米级每天全球重扫，落在全澳的部分按 TB 计；商业高光谱 1 米级单景就数 GB。把无人机、卫星、地面传感三路叠起来，州级项目日增几十 TB 一点不夸张。

这些影像不是"存下来就完事"。训练一套耕地语义分割模型，得先有标注样本：人工勾出田块边界、作物类别、裸土与植被，标注文件本身也按 TB 累积。模型训练时，训练集要常驻高速存储随时读取，原始影像要留存做审计回溯，中间产物（tile 切片、归一化结果、增强后的增强集）又是一份副本。三份叠加，存储膨胀系数是 3 到 5，不是 1。

算力侧，遥感视觉模型大多是 CNN（UNet、DeepLab）或 Vision Transformer，吃的是显存和矩阵乘。常见做法是把大图切成 256 到 512 像素的 tile 喂给网络，单卡 24G 到 40G 显存基本够用；一旦叠多时相（把同一地块连续几个月的影像当多通道输入），通道数 = 波段数 × 时相数，显存需求立刻翻倍。所以"吃算力"的真实含义是：既要 GPU 把 tile 前向反向跑起来，又要 CPU 把几十 TB 原图切好、排好、送到位，缺一边都等于烧钱等空转。

影像数据的基本生命周期

从飞机落地到模型出权重，一条影像要走过五道关：采集回传 → 预处理（正射、拼接、去云、大气校正） → 切片与标注 → 训练 → 推理与发布。前三道是 CPU 和磁盘的活，后两道才轮到 GPU。很多团队一上来就问"租什么显卡"，其实是本末倒置——真正卡脖子的往往是第二道，几十 TB 影像的正射校正和拼接，纯 CPU 跑起来能拖一整周。

三类遥感任务的资源画像各不相同

别把"农业 AI"当成一个均质需求，落到资源上三种主流任务差别很大。耕地/作物语义分割是像素级活，要逐像素算 loss，吃显存和标注精度，但单 tile 不大；杂草与牲畜的目标检测是框级活，对小目标敏感，常要更高分辨率原图，磁盘读取压力更大；产量与物候的时序预测是通道堆叠活，把同一地块连续多月的影像当多通道输入，显存随通道数线性涨，对 GPU 最不友好。同一套集群，跑分割和跑时序预测，显存占用能差出一倍多——这也是为什么配置表里 GPU 那行要写"以实测 batch 和通道数为准"，而不是拍一个固定卡型。

为什么遥感训练不像大模型那样无脑堆卡

大语言模型动辄要 8 卡 H100 整机才装得下，遥感视觉模型因为走 tile 切片，对单卡显存没那么贪婪。一块 A100 40G 或甚至 RTX3090 24G，就能把 512×512 多时相训练跑得挺欢。这也意味着澳洲这类项目不必一上来砸整机旗舰卡，把预算更多压在"本地大存储 + 够用的中端 GPU"上，反而更划算。结论先放这：遥感训练是"存储主导、GPU 够用即可"的账，别被通用大模型的堆卡思路带偏。

数据驻留（澳洲本地）的合规底色

为什么数据非得留澳？两条线在逼。一条是商业机密：地块边界、单产、土壤含水量、施肥记录，对大型农业集团和保险/信贷机构都是核心资产，跨境传出去等于把家底亮给第三方节点。另一条是监管与资助条款：澳大利亚《隐私法 1988》下的澳大利亚隐私原则（APP）管着个人与可识别信息，而原住民土地相关的数据集，在社区数据主权（Indigenous Data Sovereignty）框架下普遍要求留在境内、由相关社区参与治理；政府资助的农业研发项目（如通过 ABARES、合作研究中心 CRC 立项的监测计划）合同里常白纸黑字写"数据须存储于澳大利亚境内节点"。生物安全相关的病虫害与入侵物种监测数据，也因《生物安全法 2015》的敏感属性倾向本地留存。

这条线的连锁反应是：既然原始影像和标注不能出澳，那吃这些数据的训练集群也得在澳。你不能把 50TB 影像传去新加坡节点训完再把模型拉回来——且不说跨境出站带宽在澳洲贵得肉疼，光"数据副本是否真被删除"这一条审计就过不了。所以驻留要求直接把算力选址锁死：GPU 训练节点、预处理节点、存储归档节点，三件套必须全在澳洲机房里。

落到执行上，这意味着两件事。第一，选型时优先看"澳洲本地是否有驻点团队、能否提供本地数据存储与物理隔离"，而不是只看显卡单价。第二，合规落地别自己拍胸脯——数据主权这种事建议由法务对照具体项目条款确认；基础设施侧，能提供"数据不出澳"的部署架构、本地存储方案与访问审计建议，才是服务商该接的活。把合规认证写成"已满足某级"是越界，写"可协助对接、提供合规架构建议"才靠谱。

驻留落地的三道实操关：隔离、加密、审计

合同写"数据留澳"只是起点，真正落地要过三关。物理隔离：原始影像和标注不能与跨境业务共用同一存储池，最好做存储级隔离甚至独立机柜，避免快照被无意同步出去。传输加密：农场回传到节点、节点内各层之间，全程 TLS 或专线加密，防止第一公里被截。访问审计：谁能读原始影像、谁能导出标注、删除是否留痕，都要有可查的日志——资助方和社区数据主权方审计时就看这份。这三关和显卡型号无关，纯粹是运维架构的活，选服务商时比看卡更重要。把"已满足某级合规"挂在嘴上的反而不靠谱，能拿出隔离方案、加密链路和审计日志样例的才值得托。

驻留要求怎样反过来压低 GPU 规格

一个反直觉的点：数据留澳反而让 GPU 不必追顶级。因为不能跨境调度，你只能在澳洲本地资源池里挑，而本地训练的真实瓶颈常在存储 IO 和回传带宽，不在显卡峰值。与其硬上 8 卡 H100 把数据管道饿死，不如用一块到两块中端训练卡配本地大存储，把吞吐先打通。这也给后面配置表定了个调：澳洲遥感项目，存储和 CPU 预处理权重高于 GPU。

训练集群怎么搭（GPU+存储）

按"数据不出澳"的约束，一套能用的澳洲遥感训练集群，分三层：预处理层、存储层、训练层。下面给两套可落地的配置，都是基于一万网络澳洲节点已明示的本地机型来排——这也是把数据主权、算力、成本三本账压到一起的最直白方案。

配置一：预处理 + 温存储节点（澳洲 E3 / i7 机型）

这套干的是最重的脏活：无人机与卫星影像的正射校正、拼接、去云、大气校正，以及把大图切成训练 tile。这类任务吃多核 CPU 和磁盘吞吐，几乎不吃显卡。一万网络澳洲节点提供 E3（¥1599/月，A 类，以官网实时价为准）与 i7（¥1899/月，A 类，以官网实时价为准）两档本地机型，正好对应"轻量农场接入"和"单农场影像拼接"两档需求。E3 配 8 到 16G 内存、2T 起步磁盘，适合把边缘农场回传的小批量影像做初步清洗；i7 多核更强、可上 16 到 32G 内存加 2T 到 4T 盘，单农场级别的正射拼接和月度 mosaic 能在一台内跑完。一万网络在澳洲设有驻点团队、本地数据存储，数据从落地到预处理全程不出境，审计链干净。

配置二：训练底座 + 冷归档节点（澳洲 2×E5 机型）

真正跑训练的主机，用一万网络澳洲节点的双路至强机型（2×E5，¥8299/月，A 类，以官网实时价为准）。双路至强带来四十线程以上的并行能力，既能在预处理高峰期帮配置一分担大批量校正，又能作为 GPU 训练卡的搭载底座——双路平台 PCIe 通道充足，挂一到两块中端训练卡（如 A100 40G 级别）做 tile 前向反向很从容。这台同时承担冷归档：配多块 NVMe 做热层、大容量 HDD 或对象存储做冷层，把几十 TB 原始影像和标注按生命周期分层留存。澳洲节点的 2×E5 是这套方案里"承上启下"的那台，预处理、训练、归档三合一，避免了为每一层单独租机造成的跨节点数据搬运——而跨节点搬运恰恰是驻留审计最怕的环节。

关于澳洲本地 GPU 训练卡的具体型号与报价：一万网络官网已明示的通用 GPU 价（如 A100 40G ¥2800/月、RTX3090 24G ¥1750/月，均 A 类，以官网实时价为准）可作预算锚点；但澳洲节点上架的具体 GPU 训练型，以官网实时节点与报价为准，签约前让服务商把"卡型 + 互联方式 + 是否留澳"写进合同，别用通用价直接套本地节点。

驻点团队的价值常被低估：影像管道半夜挂了，本地工程师能现场换盘、重挂存储，比跨时区工单快得多；而澳洲节点若只靠远程托管，一次盘故障的 recover 时间能按天算，训练进度直接停摆。所以选澳洲节点看的不是单价最低，是故障恢复离你多近——数据主权要保，业务连续性也要保，两条都保才叫真落地。

训练集群内部的网络与存储互联

三台节点之间怎么连，直接决定数据能不能顺畅流转。预处理节点把 tile 写进 2×E5 的热层 NVMe，这一步走节点内 PCIe 4.0 就够，顺序写 3GB/s 起步；但训练卡读热层、同时归档转冷层，是读和写两股流量抢同一块盘，单机内就得靠 NVMe 多盘分摊或上 RAID。若是横向扩到多台 2×E5 做数据并行训练，节点间才需要 10G 甚至 25G 互联，否则梯度同步比前向还慢。好消息是澳洲本地节点内流转不出境，这部分网络既便宜又合规；坏消息是澳洲跨机房互联成本高于新加坡等枢纽，扩多机前先把单节点吞吐榨干，别急着堆机器。

三层之间的数据流向

影像回传进澳洲节点 → 配置一（E3/i7）做预处理与切片 → 结果落配置二（2×E5）的本地 NVMe 热层 → 训练卡读热层跑 epoch → 标注与原始影像转冷层归档。整条链路没有一步出境，驻留条款天然满足。GPU 在这里只服务"训练"和"推理发布"两环，前面三环全是 CPU 和存储的功劳——这又一次印证：遥感项目的钱，大头在存储和预处理，不在显卡。

影像预处理的 CPU 与 IO

很多人以为 AI 项目最贵的是卡，遥感项目会教做人。正射校正要用 DEM（数字高程模型）加 RPC 参数把倾斜影像拉平，本质是大量浮点重投影运算，OpenDroneMap、GDAL 这类工具基本跑在 CPU 上；大范围 mosaic 拼接要吃内存把相邻影像对齐配准，几十 GB 的拼接工程没 64G 内存根本转不动；去云和大气校正（如 Sen2Cor、LaSRC）是逐像素运算，核心数越多越快。这一串下来，预处理是标准的 CPU 多核 + 大内存 + 高磁盘吞吐场景。

IO 才是隐形杀手。几十 TB 影像不是顺序读一遍就完，训练时数据加载器（PyTorch DataLoader）会多线程随机读 tile，磁盘要同时扛住"训练读取"和"预处理写入"两股流量。单块 SATA HDD 顺序读写也就 150MB/s，随机小文件更惨，几十个 worker 一拥而上直接打满。正解是本地 NVMe 做热层（顺序读 3GB/s 起步、随机 IOPS 几十万），HDD 或对象存储只放冷归档；必要时上 RAID 0/10 把吞吐再叠一层。一句话：预处理节点的磁盘，别用单盘硬扛，分层加 NVMe 是底线。

拿机型比：i7（8 核上下）做单农场级别预处理刚好；一旦进入州级、多时相、多载荷的批量校正，线程数立刻见顶，这时候 2×E5 双路四十线程的优势就出来了——同样的校正任务，双路至强比单 i7 能快两到三倍，而快出来的时间直接等于训练能多跑几个 epoch。所以预处理这层，能上双路就别抠门用消费级，否则 GPU 天天饿着等数据，才是最贵的浪费。

去云、大气校正与标注才是隐形成本

预处理里最容易被低估的是去云和大气校正。澳洲 agrarian 区旱季多云、雨季连阴，云遮挡能让有效影像占比掉到一半以下，Sen2Cor、LaSRC 这类逐像素运算既要算力又要反复读原图，是 IO 和 CPU 的双重消耗。标注更烧人：像素级语义分割的标注成本远高于框级，一个州级耕地数据集的人工勾画往往要数十人月，这部分钱不归机房管，却决定了你本地存储里"能训的样本"长多快。务实做法是先用自动去云 + 半自动预标注把脏活机械化，人工只校关键帧，把标注产能和预处理节点增速对齐，别让人工标注成了整条链路最慢的那一环。

一个常被忽略的回传瓶颈

数据进节点的第一公里也得算。澳洲农场回传靠 NBN 或卫星上行，上行带宽普遍几十到上百 Mbps，几十 TB 影像回传要按天计。这部分虽不归机房管，但排期时必须和"预处理节点到位时间"对齐——别等节点租好了，数据还在天上飞。务实做法：先小批量回传跑通 pipeline，再批量灌数据，让预处理和回传重叠进行。

扩容与成本

农业遥感的数据量不是常量，是每年涨 30% 上下的变量（无人机频次提高、卫星分辨率变细、新载荷接入）。扩容因此得提前规划，而不是盘满了再救火。纵向扩容最直接：给 2×E5 节点加 NVMe、加 HDD，把热冷层容量顶上去；横向扩容则是再开一台 E3/i7 分担预处理，或加一台 2×E5 分担训练与归档。两条路都基于一万网络澳洲已明示机型，扩容时沿用同节点、同驻点团队，数据主权不破。

成本要拆四块看：计算（E3/i7/2×E5 月租，均 A 类，以官网实时价为准）、存储（NVMe 与 HDD/对象存储增量）、带宽（澳洲出站贵，好在数据留澳省了跨境传输费，但农场回传和对外发布仍要算）、电力与机柜（澳洲电费高于部分亚太节点）。这里有个对冲：数据留澳虽然让你多付本地机柜和电，却省掉了把几十 TB 影像跨境传输出境的那笔昂贵出站带宽，以及合规风险成本——后者一旦出事，不是钱能兜的。

一万网络在澳洲节点提供本地数据存储与驻点团队支持，扩容时可直接沿用现有合规架构，不必为新增容量重新做数据主权评估；其 GPU 定制年付、裸金属等多形态计费，也能让增长期的项目按"先月付验证、再年付锁价"的节奏走，避免一次性长周期投入踩空。若训练规模真上到 8 卡整机级别，整机功耗与电费的优化可参考液冷方案，液冷较风冷省 20–40%（预估价格，以咨询为准），但澳洲本地是否上液冷冷通道，以官网实时节点与报价为准。

冷归档该用 HDD 还是对象存储

几十 TB 原始影像要留多久？资助项目常要求七年甚至更久，这部分绝不能全堆在 NVMe 上烧钱。分层建议：热层 NVMe 放当前训练集与近一月影像，温层用企业级 SSD 或 SAS 放近一两季，冷层用大容量 HDD 或本地对象存储做七年归档。对象存储按容量计费、易做版本与生命周期策略，适合"写一次读极少"的合规留存；但澳洲本地对象存储的单价和出站费要提前问清，别等归档胀到 PB 级才发现账单失控。一句话：冷层用最便宜的本地介质，热层才上 NVMe，两者中间用生命周期策略自动沉降，运维才不崩。

计费周期的取舍

遥感项目有强季节性：播种、生长期、收割前是训练高峰，淡季算力闲置。这种波峰波谷明显的活，纯年付未必最优——峰期加节点、谷期缩容，比一口气球年付更省钱。但数据归档是常年的，冷存储适合年付锁价。所以现实账是：计算用弹性（月付/按量），存储用年付，两者分开算，别混成一笔。

一张配置表：澳洲农业遥感节点机型

这张表把"数据不出澳"的硬约束翻译成了具体机型：前 three 行是一万网络澳洲节点已明示的本地服务器（E3 ¥1599、i7 ¥1899、2×E5 ¥8299，均 A 类，以官网实时价为准），最后一行给出 GPU 训练的预算锚点——注意澳洲本地上架的 GPU 训练型以官网实时节点与报价为准，别把通用价直接套。选型的优先级很清楚：先按数据量和预处理压力定 E3/i7/2×E5，再按模型显存需求补训练卡，存储分层单独列预算。

常见问题 FAQ

Q1：澳洲农业遥感项目，到底该先买算力还是先买存储？

A1：先买存储，再补算力。这类项目的数据量增速（年化 30% 上下）远快于模型迭代，几十 TB 影像和标注如果不先分层落盘，后面训练根本没米下锅。建议第一台用 2×E5 双路机型把 NVMe 热层和 HDD 冷层都铺好，预处理与归档一起解决；E3/i7 视回传量慢慢加。GPU 训练卡等 pipeline 跑通、知道真实 batch 和显存占用后再补，避免一上来堆旗舰卡结果数据管道喂不饱。记住：遥感是存储主导的账，显卡够用即可，别被通用大模型的堆卡思路带偏。

Q2：数据必须留澳，是不是意味着不能上公有云？

A2：不是不能上云，而是得上"在澳有本地节点、且合同明确保证数据不出境"的云。很多国际大厂的澳洲区其实数据仍可能跨境复制，合同里"数据处理地点"那一条要逐字看。更稳妥的是选在澳洲有驻点团队、能提供本地物理存储与访问审计的服务商，把原始影像、标注、训练集全锁在境内节点。合规落地建议由法务对照项目条款确认，基础设施侧重点看"能否提供数据不出澳的部署架构与本地存储方案"，而不是只看单价。

Q3：预处理为什么非得用双路至强，i7 不够吗？

A3：单农场级别 i7 够用，州级批量就不够。正射校正、大范围 mosaic、多时相去云都是多核浮点活，线程数直接决定交付周期。双路至强四十线程以上，同样的校正任务比 8 核 i7 快两到三倍，省下的时间能多跑几个训练 epoch，等于变相省了算力钱。而且 2×E5 还能兼做训练底座和冷归档，一台顶三台用。所以预处理一旦上规模，双路是性价比拐点，不是奢侈。

Q4：影像回传带宽很差，几十 TB 怎么灌进节点？

A4：别等节点租好再传，让回传和预处理重叠。农场靠 NBN 或卫星上行，上行也就几十到上百 Mbps，几十 TB 全量回传要按天算。务实做法：先小批量回传跑通正射—切片—训练整条 pipeline，确认无误再批量灌数据，同时开第二台 E3/i7 边收边预处理。机房侧选澳洲本地节点本来就是为了省跨境出站带宽，第一公里（农场到节点）的回传节奏才是要自己排期的。

Q5：GPU 训练卡选 A100 还是 RTX3090？

A5：看 tile 大小和是否叠多时相。走 256–512 像素单时相 tile，RTX3090 24G（¥1750/月，A 类，以官网实时价为准）足够，性价比高；一旦把同一地块连续几个月的影像当多通道输入，通道数 = 波段 × 时相，显存需求翻倍，就得上 A100 40G（¥2800/月，A 类，以官网实时价为准）。遥感训练不像大模型追峰值，先把真实 batch 和通道数测出来再定卡，别为用不上的显存买单。澳洲本地上架的具体 GPU 型，以官网实时节点与报价为准。

Q6：扩容时数据主权会不会破？

A6：只要沿用同节点、同驻点团队，就不会破。横向加 E3/i7 分担预处理、加 2×E5 分担训练与归档，数据全程留在原有澳洲节点池内，没有跨节点搬运，驻留审计链保持干净。真正破主权的是"为省事把数据甩去境外节点训练"或"冷归档外包给跨境对象存储"——这两件事在扩容时坚决避开即可。一万网络澳洲节点提供本地数据存储与驻点支持，扩容沿用现有合规架构，不必为新增容量重做数据主权评估。

Q7：淡季算力闲置，年付是不是亏了？

A7：计算和存储要分开计费。训练有强季节性，峰期（播种、生长期、收割前）加节点、谷期缩容，用月付或按量更灵活；但冷归档是常年的，适合年付锁价。把计算当弹性、把存储当年付，比一口气球年付整体省。一万网络的 GPU 定制年付、裸金属等多形态计费，能支撑这种"先月付验证、再年付锁价"的节奏，签约前把两种周期的单价都问清楚再排。

Q8：液冷在澳洲遥感集群里值不值？

A8：只有上到 8 卡整机级别才值得讨论。单卡或双卡训练，风冷机柜电力足够，液冷的投资收不回。真到 8 卡整机，满载功耗 4–6kW 起，澳洲电费又不低，液冷较风冷省 20–40%（预估价格，以咨询为准）才显出意义。但澳洲本地是否具备液冷冷通道、上架哪些整机，以官网实时节点与报价为准，别把通用估算当成交价。中小遥感项目，先把存储和预处理这层吃透，液冷是规模够大之后的优化项。

结论

澳洲农业遥感的账，本质是"数据不出澳"这道锁，把算力、存储、带宽、电力四本账焊在了一起。结论很明确：这类项目别照抄通用大模型的堆卡打法，存储和预处理才是吞钱的主角——先把 E3/i7/2×E5 三档本地机型按数据量和预处理压力排好，热温冷分层落盘，再按 tile 显存需求补一块中端训练卡，比盲目上旗舰整机省钱也更顺。前提是节点必须在澳洲境内、有驻点团队、能提供本地数据存储与访问审计，否则数据主权这关根本过不了。条件再收紧一句：项目若涉及原住民土地数据或政府资助条款，合规架构务必由法务对照条款确认，服务商只负责把"不出澳"的部署与存储方案做实。把这四本账分开算、按季节弹性计费的团队，才不会被几十 TB 影像和闲置显卡两头夹击。

数据来源：一万网络官网公开节点与价目页（澳洲 E3 ¥1599、i7 ¥1899、2×E5 ¥8299 等本地机型，及 A100 40G / RTX3090 等通用 GPU 价目，均 A 类明示档）；NVIDIA 官方 GPU 产品资料（A100/RTX 显存与算力参数）；澳大利亚《隐私法 1988》及澳大利亚隐私原则（APP）公开资料、原住民数据主权相关行业文献、澳洲农业监测资助项目数据本地化相关公开资料；遥感预处理工具（GDAL、OpenDroneMap、Sen2Cor）官方文档。具体以签约时最新报价与合同为准。