美国国家航空航天局（NASA）旗下的喷气推进实验室（Jet Propulsion Laboratory, JPL）在2026年1月30日宣布，已完成一项利用生成式AI为火星探测车“帕尔塞维朗斯”（Perseverance）规划行驶路线的实证实验。本次实验由美国AI公司Anthropic参与，其生成式AI模型「Claude」被用于生成探测车的行驶路径。

根据JPL公布的信息，帕尔塞维朗斯在2025年12月，按照AI规划的路线实际行驶了两次，总行驶距离达到456米。这意味着，AI生成的路线不仅停留在模拟或地面测试阶段，而是直接用于真实的火星表面探测任务。

@YouTube

在这次实证中，JPL向生成式AI提供了其掌握的火星轨道影像和地形数据。Claude具备处理视觉信息的能力，能够在这些数据基础上自动生成行驶所需的“航路点”（waypoints，即中间经由点）。

以往，火星探测车的路线规划主要依赖人类专家。路线规划人员会详细分析地形坡度、岩石分布、沙地情况等因素，逐段确认安全性后再制定行驶方案。此次实验的关键在于：这一规划流程中的部分工作由AI承担，并且生成的结果被真正用于探测车的实际行驶计划。

火星探测面临一个长期存在的技术约束——通信延迟。由于地球与火星之间的距离遥远，信号往返通常会有数分钟到十几分钟的延迟，无法像遥控车那样进行实时操控。因此，传统做法是为探测车规划较短距离的行驶路径，分段推进，每一段都需要人类团队花费时间进行分析和确认。

JPL表示，希望通过将生成式AI作为辅助工具，引入到路线规划环节中，以减少规划所需的时间和人力负担。长期来看，这有望支持更长距离、更高效率的火星表面探测，使探测车在有限的任务周期内覆盖更多区域、完成更多科学目标。

在本次合作中，Anthropic的角色是通过「Claude」对视觉数据进行理解和分析，并提出行驶路线方案。随后，JPL的工程师和科学家团队会对AI给出的方案进行安全性和可行性审查，最终由人类做出是否采用的决定。也就是说，AI目前仍处于“辅助决策”而非“自主决策”的位置。

尽管如此，让生成式AI直接参与到真实宇宙探测任务的规划工作中，并最终影响到探测车在另一颗行星上的实际行驶，这样的案例仍然非常罕见。本次尝试不仅对未来的深空探测具有示范意义，也被视为公共机构和科研领域探索生成式AI应用的一次重要实践。

@YouTube

JPL在总结此次成果时强调，目前距离将探测任务的运用完全交由生成式AI处理还有相当距离。未来仍需要在更多任务场景下进行谨慎、系统的验证。但JPL也明确表示，将继续探索在后续探测任务中引入此类技术的可能性，并采取“循序渐进”的方式，让AI逐步成为对人类判断的有力补充，而不是简单替代。