伴随地面大视场巡天、空间天文探测任务持续推进，天文学正式迈入数据密集型时代，观测数据规模从 TB 级快速向 PB、EB 级跨越，海量多波段、多信使观测数据，让传统人工研判、固定算法处理模式遭遇瓶颈，人工智能正驱动天文观测范式深刻变革，推动行业从单纯的数据采集，迈向智能分析与自主发现新阶段。
过去，天文科研高度依赖科研人员人工筛选图像、解析光谱，面对每晚 TB 级新增观测数据，人力已经很难充分挖掘全部科学价值。如今以大模型、深度学习为代表的 AI 技术，贯穿望远镜调度、数据降噪、目标识别、异常天体挖掘、光谱解析全链条，“智慧天文台” 成为全球天文领域重要发展方向，构建起观测‑处理‑反馈的智能闭环体系。
在观测调度层面，AI 调度系统可自主规划望远镜观测策略，依据大气条件、科学目标优先级实时调整指向，充分释放望远镜宝贵观测时长，向着自主天文台落地推进中国日报网。在数据处理端，国产天文 AI 模型实现暗弱天体信号重建，把空间望远镜探测深度进一步拓展，批量捕获宇宙黎明时期高红移星系候选体；光谱大模型完成跨巡天项目的数据对齐，高效解析恒星物理参数，服务银河系考古研究.。
面向时域天文学，AI 分类器可以快速识别超新星爆发、潮汐瓦解事件、引力波电磁对应体等转瞬即逝的宇宙暂现现象，从海量巡天图像中捕捉罕见、未知的宇宙异常天体，大量此前被忽略的特殊星系、引力透镜系统被批量发掘，大幅拓展人类宇宙发现边界NASA Scien…。中国天眼 FAST、墨子巡天望远镜等重大设备，均已将 AI 作为核心数据处理工具，显著提升脉冲星、特殊天体的筛选效率。
业内专家表示，硬件设施的升级不等于科学产出的最大化，AI 是释放大型天文设备科学潜力的关键抓手。未来，天文基础大模型、多模态智能挖掘技术将持续迭代，进一步降低海量数据处理门槛，助力科研人员发现更多超出现有理论认知的宇宙现象，为破解宇宙起源、星系演化、天体物理核心谜题提供全新手段。同时，行业也强调，AI 主要承担快速筛选、初判挖掘工作，重大科学发现仍需要后续人工复核与物理验证，人机协同将是未来天文研究的主流模式。
