百度 2010年以来，西北某省下发相关文件近20个，省直部门文件30多个，一些政策措施由于“只接天线，不接地气”，缺乏操作性甚至相互掣肘。

在空气稀薄的尼泊尔上木斯塘（Upper Mustang）地区，随着一声快门轻响，一台红外相机捕捉下山林一隅的动静。在这片横跨多个亚洲国家、总面积达77万平方英里（比墨西哥还大）的高山区域中，世界上仅存的4000只雪豹中的一员，悄然走进镜头。

以往，要在成千上万张相机抓拍中找到这只雪豹的照片，保护区巡护员需要花费数小时进行手动筛查。如今在人工智能的帮助下，这项工作可以自动完成。

“我们之所以关注雪豹，有两个原因。第一，雪豹数量极为稀少，是气候变化的一个指标性物种；第二，它们的栖息地横跨多个国家，分布于地球上最偏远、最复杂的高山地带。”

—腾讯可持续社会价值事业部（SSV）生物多样性保育主任马尧  

尼泊尔偏远而广袤的上木斯塘地区是雪豹的重要栖息地。

追踪跨越国界的高山精灵

雪豹被称为“高山精灵”，活跃在横跨多国的崎岖山地，行动敏捷如风，悄无声息地穿越国界，在雪地上几乎不留爪印。追踪这些顶级掠食者的行迹对保护它们及其栖息地至关重要，但这也意味着要在世界上最崎岖的地形上部署红外相机，并处理随之产生的海量数据。

例如，仅尼泊尔境内就部署了近800台红外相机。每台相机每隔几个月就会生成数千张图片。而巡护员每花一小时筛查图像，其原本用于打击野外偷猎、预防野火或者与当地社区合作的时间就要相应缩减。如何将时间真正用在关键处，成为亟待解决的问题。

野外巡护员正在架设红外相机。

人工智能解决方案

为了处理庞大的红外相机数据，腾讯开发了人工智能模型“物种之眼”，旨在提升动物保护的工作效率。

该系统可以从数千张图片中识别雪豹，准确率高达98%，而且可以在世界上最偏远的地方离线运行。该模型不仅能识别雪豹——事实上，其目前可识别286个物种，且可识别物种数量在不断增加，预计到2025年底达到1500个。

与传统的单一物种识别模型不同，该模型不需要大量数据来学习识别新物种，设置成本降低了70%。得益于此，它成为一款具备良好扩展性的工具，支持在不同地区和物种间开展更广泛的野生动物保护工作。

红外相机捕捉到的雪豹特写照片。

这对自然保护工作者意味着什么？

• 节省时间：人工智能可以筛掉空片，有效标记物种，节省了数天的手动筛查时间。它可以将所需的人力减半，让巡护员能够集中精力解决更紧迫的问题，如野火防控和非法偷猎。
• 优化数据：更准确、及时的雪豹种群数据，支持更科学的政策制定，提升栖息地管理效果，帮助设计更有效的措施来缓解人兽冲突，确保将资源用在最需要的地方。
• 提高成效：快速且稳定的数据处理帮助团队发现风险，合理安排保护优先次序，更有效地评估工作进展。

“人工智能可以帮助我们更快、更严谨地分析数据，不仅能从海量图像数据中筛选出雪豹，还能识别出它们的猎物。”

—尼泊尔国家自然保护基金会保育主任C.P.Pokharel博士  

超越技术范畴

“物种之眼”模型最初为中国雪豹研究而开发，如今已适配应用于尼泊尔。腾讯团队最近与尼泊尔国家自然保护基金会（NTNC）和中国山水自然保护中心共同举办了一次研讨会，向来自尼泊尔、蒙古、巴基斯坦和其他地区的动物保护工作者介绍了这一系统。

这项跨越国界的合作与雪豹的行踪一样：雪豹从未局限于人类划定的疆界，保护它们的行动亦当跨越山海。

“雪豹对国界没有概念。要想保护雪豹，我们的努力必须跨越国界。”

——山水自然保护中心吕植博士  

一名腾讯工程师为当地的保育人员开展“物种之眼”模型培训工作坊。

放眼全局

目前，全球仅有约2%的雪豹栖息地曾开展过系统研究，远低于科学家认为有效保护所需的20%。利用人工智能来处理大量数据，可以让动物保护工作者专注于更重要的任务：避免雪豹这种大型猫科动物就此灭绝。

虽然有时候科技与自然看似不相关，但雪豹保育的故事恰恰证明：科技可以成为桥梁，连接国家，跨越物种，助力人类共同应对个体难以解决的复杂挑战。

下一次喜马拉雅地区红外相机咔嚓响起时，巡护员们将准备就绪，更好地守护这些高山精灵。

当地保育人士测试“物种之眼”模型。