《AI大模型第4期》| 大模型 + 测绘——从数据生产到智能管理
专栏「大模型公开服务赋能GeoAI」第四期
你好，欢迎来到「大模型公开服务赋能GeoAI」专栏的第四期。
前三期我们分别聊了大模型入门、大模型+GIS、大模型+遥感。这一期，我们把目光收回到测绘行业本身——大模型正在如何改变测绘的生产方式和管理模式？
如果你在测绘行业工作，你一定对这样的场景不陌生：外业采集数据、内业人工判读、反复质检修改、撰写报告文档……每一个环节都依赖大量的人力投入，而且流程割裂、效率瓶颈明显。
而现在，大模型正在把测绘从“人海战术”变成“智能流水线” 。
一、先理解一个核心问题：测绘和GIS、RS有什么区别？
在深入之前，有必要厘清一个基本概念——测绘、GIS、RS三者是什么关系？
简单来说：
- • RS（遥感） 是“数据来源”——通过卫星、无人机等获取影像数据
- • 测绘 是“数据生产”——把遥感影像、外业测量等原始数据加工成地理信息产品（地形图、地籍图、实体数据等）
- • GIS 是“数据应用”——在测绘成果的基础上做空间分析、可视化、决策支持
打个比方：RS是“拍照”，测绘是“洗照片+标注”，GIS是“用照片做相册和展览”。
前三期我们聊的GIS和RS，更多是“用大模型分析和理解数据”。而这一期聊的测绘，*“用大模型来生产数据本身”——这是整个GeoAI产业链的上游，也是最基础、最核心的环节。
二、大模型正在改变测绘的哪些环节？
传统测绘生产流程大致是：任务接收→数据获取→数据处理→数据生产→质量检查→成果输出。每一个环节都存在效率瓶颈。
大模型的介入，正在让这条链条上的每一个环节都发生改变：
环节一：数据生产自动化
传统测绘的数据生产（如地形图绘制、地理实体提取）高度依赖人工操作。而现在，大模型驱动的多智能体协同生产正在改变这一现状。
2026年，《测绘通报》刊登了一项重要研究——大语言模型驱动的多智能体协同生产方法。研究者构建了由任务编排智能体、实体识别智能体、属性关系智能体和质量检查智能体组成的协同体系，实现了生产任务的“自适应解构与智能行动链执行”。
实际效果：该系统能够产出不同类别的地理实体，实现了从任务编排到质量检验的智能化闭环，形成了 “边生产、边检查、边修正”的敏捷质控模式。
这项研究为新型基础测绘的智能化转型提供了可行的技术路径和参考范式。
环节二：质量检查智能化
测绘成果的质量检查一直是“老大难”——图斑漏标、错标、属性逻辑错误等问题层出不穷，人工检查效率低、容易遗漏。
广西壮族自治区地理信息测绘院的实践给出了答案：他们利用自主研发的综合监测智能辅助系统，1秒可排查100个监测图斑，准确率达99.8%，高效解决了字段属性逻辑错误、同类图斑标重、漏标、错标等7类问题。
效率提升：10倍以上。
环节三：报告生成自动化
测绘项目做完，还要写报告——技术设计书、质检报告、成果说明……动辄几十页，格式规范、内容翔实，撰写耗时长。
现在，大模型正在让这件事变得简单。“云宇星空大模型（专业版）” 具备“问不倒、能调图、会统计、能识图、会报告”五大核心能力，依托专业知识库和业务数据分析能力，能够辅助生成符合专业技术规范要求的业务报告。
南通市测绘院也在实际项目中利用DeepSeek实现了报告报表的快速定制。
环节四：知识管理与智能问答
测绘行业积累了海量的标准规范、技术文档、法律法规——但这些知识散落在各处，查找困难。
四川测绘地理信息局明确提出要“加快推动测绘地理信息专业知识库建设工作”，通过数据资料的向量化存储与高效检索，打造基于大模型的智能知识问答、测绘成本核算和质量评定等典型场景应用。
黑龙江测绘地理信息局则更进一步——完成DeepSeek大模型本地化部署后，基于RAG技术构建了本地知识库和Agent智能体应用环境，实现了测绘地理信息管理法律法规和标准规范的向量化解析，面向公众咨询和事项办理提供智能化服务。
三、实战案例：DeepSeek在全国测绘系统的落地
过去一年，DeepSeek在全国各地测绘院掀起了“本地化部署”的热潮。以下是几个代表性案例：
案例一：黑龙江测绘地理信息局——遥感+语言“双轮驱动”
2025年2月，黑龙江测绘地理信息局完成DeepSeek R1大模型本地化部署。
做了什么：
- • 依托黑龙江省“数字政府”地理空间大数据中心的高性能软硬件资源，迅速完成部署
- • 构建了基于RAG技术的本地知识库和Agent智能体应用环境
- • 形成了本地化大模型全链条应用服务能力
应用场景：
- 1. 行业管理智能问答：实现测绘法规标准规范的向量化解析
- 2. 数据生产自动化：基于Agent智能体编排自动化数据清洗、处理、转换、制图工作流
- 3. 应用服务知识供给：在行业地理信息应用服务系统开发中快速理解用户需求
案例二：常州市测绘院——“常测小智”智慧办公助手
常州市测绘院借助早期布局的CPU+GPU云算力平台，率先实现DeepSeek-R1模型的本地化部署与知识库深度集成，并突破性将其与测绘管理系统融合，创新推出了智慧办公助手 “常测小智” 。
核心价值：将大模型能力嵌入日常测绘管理流程，实现智能办公与业务系统的深度融合。
案例三：南通市测绘院——DeepSeek全面融入公司运营
南通市测绘院成立了“人工智能应用研究组”，将DeepSeek模型的部署和应用作为“技能强企战略”的关键抓手之一。
做了什么：
- • 完成了DeepSeek-R1、通义千问QwQ 32B大模型的本地部署
- • 基于RAG技术构建了公司全要素知识库
- • 在自然资源复垦项目、水资源调查、实景三维、地形图等项目中利用DeepSeek模型+AI插件
实际成效：极大提高了数据自动处理、报告报表快速定制、成果质量按需质检的正确率和生产效率。
案例四：湖南省第二测绘院——38.81万个图斑，7天完成
这是目前国内测绘领域AI大模型应用规模最大、成效最显著的案例之一。
2026年7月，湖南省第二测绘院面对90多万亩拟补划永久基本农田、38.81万个图斑的核查任务，创新引入 “五问”大模型，整合高分辨率遥感影像、国土调查矢量数据、地形坡度、耕地质量等级等多源基础数据，搭建了标准化、自动化智能审核流水线。
实际成效：
- • 人力从20人缩减至3人
- • 核查周期从1个月缩短至7天以内
- • 图斑整体平均综合得分80分，其中80分及以上优质图斑277037个，占比71.37%
- • 实现了从 “人工粗放研判”向“智能精准管控”的跨越式升级
案例五：山西——DeepSeek深度赋能省级测绘
山西省测绘地理信息院顺利完成DeepSeek大模型本地部署，迈出了人工智能技术在山西省测绘地理信息领域应用的重要一步，标志着自然资源管理数字化迈入“AI深度赋能”新阶段。
四、测绘行业专用大模型与智能工具
除了通用大模型的本地化部署，测绘行业还涌现了一批专用大模型和智能工具：
1. “莫干·玄衍”——行业首个千亿参数地理空间大模型
2025年1月，莫干山地信实验室发布了行业首个准千亿级参数规模的多模态地理空间大模型 “莫干·玄衍”V1.0。2026年7月，V1.5版本发布，实现生成式三维建模能力的首次落地。
核心能力：
- • 由地理空间语言大模型、地理空间视觉大模型与地理空间多模态大模型组成
- • 具备三维生成、遥感解译、地图诊断、时空分析等八大特色能力
- • 在三维建筑生成场景中，数据量需求可降低90%
- • 在地图诊断场景中，查准率达到90%以上
- • 已完成阿里云PPU与华为昇腾910C国产芯片适配验证
2026年8月，“莫干·玄衍”正式上线运行并对外提供服务。
2. SuperMap AgentX——智能体原生GIS平台
2026年5月，超图软件在2026空间智能软件技术大会上发布了SuperMap AgentX（空间智能体桌面平台） 。
核心特点：
- • 支持自然语言交互、IM远程任务下达
- • 无缝接入SuperMap Skill Hub，内置丰富的专业Skills技能与GIS专家库
- • TerraStation空间智能工作站面向测绘生产，支持测绘数据生产与动态更新
3. GooDGIS AI智能助手——自然资源政务“好帮手”
国地科技推出的 GooDGIS AI智能助手，以统一的智能体底座打通 “问策、问数、问图” 三大能力，实现与本地知识库协同。
技术特点：形成 “大模型统筹、小模型协同” 的融合技术体系，用户无需关心底层调用了哪个系统。
4. “磐御”大模型——测绘+地震防灾
2026年8月18日，四川省地震局、四川测绘地理信息局、雅安市人民政府联合发布了震灾防减救一体化智能大模型 “磐御” 。
技术架构：以DeepSeek语义大模型为底座，融合天空地多模态风险感知数据与智能评估模型集群，构建起 “空间底座+评估模型+AI智能体” 三位一体的全新技术体系。
目前已在雅安市石棉县全面落地应用。
五、公开可用的工具与平台
作为测绘从业者，你可以从以下渠道开始尝试：
1. 本地部署开源大模型（适合有算力的机构）
- • DeepSeek系列：R1、V3、V4等版本均支持本地部署，多家测绘院已验证可行
- • 通义千问QwQ 32B：南通市测绘院已成功部署
- • 智谱GLM系列：支持本地化部署，常州市测绘院早期已布局
2. 商用平台（开箱即用）
- • SuperMap GIS 2026：内置AgentX空间智能体，支持自然语言交互
- • MapGIS：已集成DeepSeek大模型，支持地理智能问答和智能报告生成
3. 开源智能体框架（适合开发者）
- • GISclaw：开源的LLM驱动的智能体系统，支持从GPT-5.4到本地14B模型的多种配置，在50任务的GeoAnalystBench基准上达到高达96%的任务成功率
- • Smart-QGIS：基于模型上下文协议（MCP）构建的空间数据处理与制图智能体原型系统，支持本地化部署
六、动手实战：用大模型辅助测绘工作
即使不部署任何专用系统，你手头的通用大模型也能在测绘工作中帮上忙：
任务一：辅助解读测绘规范
把一份测绘技术规范文档（PDF或文字）上传到大模型平台（Kimi、通义千问等支持长文本的模型），然后提问：
- • “请总结这份规范中关于数据精度要求的关键条款”
- • “这份规范对成果质量检查有哪些具体要求？”
- • “请帮我提取这份规范中所有的术语定义”
任务二：生成测绘项目报告模板
向大模型描述你的项目需求：
我完成了一个1:500地形图测绘项目，测区面积约2平方公里，
包括建筑区、道路网和绿地。请帮我生成一份项目技术总结报告的大纲，
包含：项目概况、技术路线、质量控制、成果清单等章节。任务三：编写测绘数据处理脚本
如果你需要批量处理测绘数据，可以让大模型帮你写代码：
我有一批Shapefile格式的地形图数据，需要：
1. 统一坐标系为CGCS2000
2. 删除面积小于10平方米的图斑
3. 按行政区字段分割成多个文件
请用Python + GeoPandas帮我写一个自动化处理脚本💡 小贴士：测绘工作对精度和规范性要求极高，大模型生成的代码和报告务必经过人工审核。大模型是“副驾驶”，不是“自动驾驶”。
七、未来已来：测绘行业的智能化转型
这一期我们看到了大量真实案例——从黑龙江到湖南，从常州到南通，从DeepSeek本地部署到“莫干·玄衍”千亿大模型，测绘行业正在经历一场从“人海战术”到“智能流水线”的深刻变革。
中国工程院院士陈军在2026空间智能软件技术大会上指出，测绘地理信息行业的技术范式和专业价值正在被重新定义，需要发展时空型混合智能计算。
中国地理信息产业协会会长李维森也强调，多模态大模型的理解能力、生成能力与场景适配性实现了质的飞跃，正在推动地理信息技术智能化进程全面提速。
对于测绘从业者来说，这不是“要不要用AI”的问题，而是 “什么时候用、怎么用得更好” 的问题。大模型不会取代测绘工程师，但会用大模型的测绘工程师，一定会取代不会用的。
八、本期作业
- 1. 找一份你手边的测绘技术规范或标准文档（如《1:500 1:1000 1:2000地形图测绘规范》），上传到支持长文本的大模型平台（推荐Kimi或通义千问），让它帮你总结关键条款
- 2. 模拟一个测绘项目场景，让大模型帮你生成一份项目技术总结报告的大纲
- 3. 如果你有编程基础：尝试让大模型帮你写一个GeoPandas或PyQGIS的数据处理脚本
- 4. 把你遇到的问题或生成的成果发在评论区——哪个大模型对测绘规范的理解最准确？生成的报告最专业？下期我会选取典型案例进行点评
下一期，我们将进入大模型+规划的实战——AI如何成为“智能规划助手”。不见不散！
📌 参考资料：本期内容参考了《测绘通报》2026年第5期、中国自然资源报、各省市自然资源和规划局官方发布、2026空间智能软件技术大会发布信息等多个权威来源。
💬 你的单位开始用大模型了吗？遇到了什么问题？发现了什么惊喜？欢迎在评论区分享！