火星车的瓶颈从来不是硬件

火星和地球之间的通信延迟最短 4 分钟，最长超过 24 分钟。没有人能拿搖杆实时操控火星车。实际流程是这样的：JPL 的人类"驾驶员"先分析轨道卫星拍的高分辨率影像和数字高程模型，手动识别岩石、斜坡、松软地带，逐段规划路线，每段大约 100 米。指令传到火星后，火星车自己执行，拍照回传，地球端确认没问题，再传下一段。

这个流程从 1997 年的旅居者号到 2021 年的毅力号，将近三十年没变过。火星车有电、有动力、有目标，但人类排不出路线，它就哪儿都去不了。人类规划能力才是真正的瓶颈。

2009 年精神号的结局最能说明问题：轮子压穿了一层看起来完全正常的地表硬壳，陷进硫酸铁软沙里。地球团队花了八个月尝试救援，每下一道指令等至少 8 分钟才能看到结果。最终宣布无法脱困，精神号永远停在了火星表面。

Claude 怎么做到的

2025 年 12 月 8 日，毅力号的第 1707 个火星日。

JPL 工程师用 Claude Code 把多年积累的驾驶经验和数据喂给 Claude，包括 HiRISE 轨道相机的高分辨率影像和数字高程模型。Claude 做了几件事：

  • 用视觉分析能力识别地形特征，标记岩床、露头、危险的巨石区和沙纹带
  • 规划出一条连续行驶路线
  • 直接输出 Rover Markup Language（RML）指令——一种控制火星车动作的 XML 格式语言，可以直接上传到火星车执行

指令发出前，团队在"数字孪生"模拟器里验证，检查了超过 50 万个遥测变量。工程师审查后只做了微幅调整，主要是轨道影像看不到的地面沙纹细节。

12 月 8 日走了 210 米，12 月 10 日又走了 246 米，两次合计超过 450 米，穿越布满岩石的地形，过程中只需极少量人类介入。

效率提升的真实含义

JPL 工程师估计，用 Claude 规划路线可以把传统规划时间缩短一半。

"缩短一半"放在日常语境里是个效率指标。但放在火星探索里，这意味着火星车每天能多走几段路、多采几个样本。任务时间是有限的，规划速度直接决定科学产出。

更深一层：木卫二的通信延迟超过 30 分钟，土卫六更长。如果要在这些地方部署探测器，每走 100 米就等地球回复根本不可行。延迟拉长到小时级别，AI 自主导航就从效率工具变成生存条件。

对 AI 工具使用者的启示

这个案例最值得注意的一点：JPL 用的不是专门训练的火星导航模型，而是通用型 AI（Claude）加上领域数据和验证流程。

模式很清晰——把专业知识结构化地输入通用 AI，让 AI 处理繁重的分析和代码生成，人类专家负责最后的审查和异常判断。这个模式不只适用于火星，任何需要大量专业人力做重复性高风险决策的场景都适用。

当然，这里有个坑：AI 看不到地表下的东西，就像精神号遇到的那种隐藏软沙层。AI 能大幅提升效率，但关键异常的判断仍然需要人。最好的工作流不是 AI 替代人，而是 AI 把人从繁重的常规任务中释放出来，让人专注于真正需要直觉和经验的边缘情况。