NASA宣布将于2026年9月提前8个月发射南希·格雷斯·罗曼空间望远镜，预计其生命周期内将交付2万太字节（TB）的数据。加上詹姆斯·韦伯空间望远镜每日下传的57GB数据，以及薇拉·鲁宾天文台预计每晚收集的20TB数据，天文学正迎来数据量的爆炸式增长。
面对海量数据，天文学家正转向GPU和AI技术进行处理。加州大学圣克鲁兹分校天体物理学家Brant Robertson等人开发了深度学习模型Morpheus，用于在大型数据集中识别星系。目前，该模型正从卷积神经网络架构转向Transformer架构，预计将使其分析区域扩大数倍，大幅提升处理速度。此外，研究人员还在开发生成式AI模型，以改善受大气扭曲影响的地面望远镜观测质量。
然而，天文学界对GPU日益增长的需求也加剧了全球GPU算力紧缺。Robertson指出，尽管已通过美国国家科学基金会（NSF）建立了GPU集群，但设备正逐渐过时，且当前政府提议将NSF预算削减50%，进一步增加了获取算力的难度。研究人员必须采取更具创业精神的方式来推动前沿AI技术的应用。