

AI · 自然资源 · 空间智能
QUOTE
台账写得清清楚楚,但台账管不住地面。
一块储备地怎么被AI"盯上":按规矩飞、圈出异常、人复核——把"碰运气发现"变成"按计划筛查"。
本文看点
01台账管不住地面
02从"拍到"到"看出来":三步逻辑
03三个绕不过去的坎
04AI看的不是"地",是"变化"
05清单短一点,准一点
01
THE LEDGER CAN'T GUARD THE GROUND
台账管不住地面
一块储备地,理论上是有"身份"的。位置、面积、用途、权属,都在台账里写得清清楚楚。但台账管不住地面。
你可能见过这样的场景:一块本该空着的储备地,不知什么时候堆上了建材,搭起了临时工棚,或者被附近的农户顺手种上了作物。没人上报,没人巡查到,等发现的时候,清理成本已经翻了几倍。
台账里的地
有位置、有面积、有用途、有权属,静态、清晰、可查
地面上的地
建材、工棚、作物随时可能长出来,动态、零散、没人盯着
传统做法是靠人跑。车开到路边,人走进去看,拍照,记录,回来整理。效率取决于路好不好走、人够不够用、今天天气怎么样。海口早在2015年就开始尝试用无人机辅助巡查国有储备地和闲置地监管,但那时候的无人机,本质上只是一个飞在天上的照相机。拍回来的照片,还是要靠人一张一张翻。
从"拍到"到"看出来",中间隔着很长一段路。

▲ 一块本该空着的储备地,边界清晰,但地面随时可能发生变化
02
THREE STEPS FROM SHOOTING TO SEEING
从"拍到"到"看出来":三步逻辑
今年8月,字竞未来在海南省土地储备整理交易中心做了一场分享。现场聊的很多是AI能力层面的东西,但真正让在场的人坐直身子听的,是一块闲置土地怎么被AI"盯上"这个具体场景。逻辑拆开来看,其实就三步。
1按规矩飞
固定航线、定期自动起飞,一片区域十到十五分钟拍完。把巡查从"想起来才做"变成"到点就做"。
2AI圈出"不对劲"
先把所有"偏离常态"的图斑初筛出来,人的精力只花在确认和处置上,而不是从零开始找。
3人复核
AI出初筛清单,业务人员逐条复核确认,确认的进入处置流程,误报的标记反馈回去。
第一步,让无人机不只是"飞",而是"按规矩飞"。三亚那边已经在跑的模式是:在耕地集中区域布设无人机机场,按预设航线定期自动起飞巡查,一片区域十到十五分钟拍完。字竞未来在分享里提到的思路类似,但场景换成了储备地——那些分布零散、权属复杂、人工巡查优先级靠后的地块。固定航线解决了"什么时候飞、飞哪里"的问题,把巡查从"想起来才做"变成了"到点就做"。

▲ 无人机机场按预设航线自动起飞,一片区域十到十五分钟拍完
第二步,AI在飞回来的影像里找"不对劲的地方"。这一步才是真正吃功夫的。一块储备地上多了个蓝色铁皮棚,在卫星图上看可能只是一个像素点,在无人机高清影像里是一块明显偏离背景的色块。AI做的事,是先把所有"偏离常态"的图斑初筛出来。
三亚实际数据 · 新增违规种植平均发现时间
15 天
↓
3 天以内
无人机巡查 + AI初筛
字竞未来在分享中强调的是同一个逻辑:先让机器把可疑的地方圈出来,人的精力只花在确认和处置上,而不是从零开始找。
第三步,也是最容易被忽略的一步:人复核。AI圈出来的图斑,误报率不可能为零。一片新翻的土,可能是违规施工,也可能是正常的土地整理;一堆覆盖物下面,可能是建材,也可能是农户临时堆的秸秆。字竞未来在分享里有一句话说得比较实在:AI可以提速,可以辅助判断,但不能越过权限替人拍板。每一条核实过的记录,都在让下一次的判断更准一点。
AI初筛清单 → 逐条人工复核 → 确认进处置 / 误报标记反馈 → 判断更准

▲ AI在影像里圈出"偏离常态"的图斑,人的精力只花在确认和处置上
03
THREE GATES BEFORE IT WORKS
三个绕不过去的坎
这套东西听起来不复杂,但放到土地储备管理的真实场景里,有几个坎是绕不过去的。
第一个坎:数据从哪来
无人机拍回来的是影像,但AI要判断"这块地有没有被乱占",得先知道"这块地本来应该是什么样"。土地性质、规划用途、历史审批记录,这些数据散在不同系统里,格式不统一,口径对不上。字竞未来在分享里反复提到"知识库"和"RAG",翻译成土地储备的话就是:AI得先能查到你单位的台账和规则,才能谈判断。
把政策文件、项目资料、历史工单整理成机器能查的东西,这件事没有捷径,只能一条一条理。
第二个坎:误报率初期一定不低
海南的光照条件、植被覆盖、季节变化,都会让同一个地块在不同时间拍出来的影像差异很大。雨季的杂草和旱季的裸土,在AI眼里可能是两种完全不同的东西。三亚的实践里,系统跑起来之后也是"AI初筛、人工复核"两条腿走路,没有一上来就全自动。
字竞未来给土地储备中心的建议里也有一条类似的:别追求一步到位,先从一个乡镇、一类问题开始跑,把误报的规律摸清楚,再逐步扩面。
第三个坎:发现了之后怎么办
AI告诉你某块储备地上有疑似违建,然后呢?谁去现场核实?核实确认后走什么流程?整改期限怎么定?如果这些问题没有在系统设计阶段就想清楚,那AI只是多生产了一堆没人处理的工单。海南省自然资源系统已经在推的"机器管+"思路,核心就是把发现和处置串成闭环。
字竞未来在这个环节上能做的事,是把AI初筛和现有的工单系统、田长制系统对接上。
闭环的关键一跳
疑似图斑 → 待办任务
而不是留在某个人的电脑文件夹里

▲ 同一块地、不同时间的影像对比——AI看的是变化,不是地
04
IT WATCHES CHANGE, NOT LAND
AI看的不是"地",是"变化"
回到标题那个问题:AI到底是怎么看出来的?它看的不是"地",是"变化"。同一块地,上个月航拍影像里是一片平整的空地,这个月多了一片规则的蓝色顶棚。AI不需要理解"这是违建",它只需要判断"这里和上次不一样,而且这个不一样不符合已知的正常变化模式"。人再去看一眼,确认那确实是个不该出现的东西。
碰运气发现 → 按计划筛查
跑断腿找 → 坐着等清单
这个逻辑朴素得有点让人失望。但土地储备管理的很多痛点,恰恰不是因为问题有多复杂,而是因为发现问题的方式太慢、太随机、太依赖某个人的责任心。
无人机和AI只是把眼睛伸到了人走不到的地方,把筛查的速度提到了人跟不上的程度。
05
THE LIST GETS SHORTER, SHARPER
清单短一点,准一点
字竞未来在土地储备中心那场分享的结尾,有一句话被留在了报道里:
技术本身没有灵魂,真正让它拥有方向的,是选择如何使用它的人。
放在这个场景里,意思大概是:无人机和AI只是把眼睛伸到了人走不到的地方。但一块地该不该动、动了之后怎么处理、处理到什么程度算整改到位,这些判断,还是得坐在办公室里看着复核清单的那个人来做。
AI只是让那个人手里的清单,短一点,准一点。
发现问题的方式,决定了处理问题的成本。

▲ 判断还是由人来做,AI只是让清单短一点、准一点
∞
THE END




