聚力研产联动,赋能空间智能——自然资源部海南基础地理信息中心莅临字竞未来交流指导
到了今天,再谈\x26quot;自然资源+人工智能\x26quot;,已经不能只停留在识别一张影像、生成一段文字,或者给现有系统增加一个聊天入

到了今天,再谈"自然资源+人工智能",已经不能只停留在识别一张影像、生成一段文字,或者给现有系统增加一个聊天入口。
真正值得讨论的是:
AI能不能读懂空间关系,理解行业规则,进入数据治理、变化发现、业务研判和任务处置,最终成为一种可以被验证、被监督、被持续使用的专业能力?

2026年8月28日下午,自然资源部海南基础地理信息中心一行莅临字竞未来(海南)网络科技有限公司交流指导。
自然资源部海南基础地理信息中心,是专门从事地理信息采集、生产管理和应用,航空摄影测量与遥感应用,以及网络系统的建设与管理职能的单位。
双方围绕"聚力研产联动,赋能空间智能"主题,开展自然资源与人工智能专题联合研讨交流,就基础地理信息、空间数据能力、人工智能技术应用、行业场景建设以及成果转化等内容进行了深入探讨。
首先,感谢自然资源部海南基础地理信息中心对字竞未来的关注与指导,也感谢双方参与人员围绕真实问题进行的坦诚交流。

这不是一次简单的参观,也不是一场只展示技术效果的产品演示。
它更像是一次专业能力与产业实践之间的相互校准:研究和技术如何进入真实场景,企业的产品能力又如何在专业视角下接受检验。
每一份数据都有来源,每一次变化都有空间位置,每一个判断都需要依据,每一项结果都可能进入后续管理流程。
也正因如此,当人工智能进入自然资源领域,讨论的重点不能只是"模型有多聪明",而应该是:
它能否理解专业数据,遵守业务规则,并在人的监督下,完成一段真正有价值的工作。

01 空间智能
不是给地图加一个AI,而是让数据开始理解业务
一张地图,可以告诉我们一个对象在哪里。
但一套真正的空间智能能力,还要进一步协助回答:
这里发生了什么变化?
哪些变化值得关注?
判断依据来自哪里?
需要调取哪些历史资料?
下一步应该进入什么流程,又该由谁负责确认?
从"看见空间"到"理解空间",中间并不是简单增加一个大模型。
它需要基础地理数据提供准确底座,需要行业知识解释专业规则,需要人工智能完成理解、关联和辅助推理,还需要业务系统、工具和流程把分析结果带入实际工作。
可以把它理解为一套彼此配合的能力结构:
空间数据提供事实,行业知识提供规则,AI负责理解和分析,业务流程负责让结果真正发生。
缺少任何一部分,空间智能都容易停留在展示层面。
只有当数据、知识、模型和流程真正连接起来,AI才不再只是回答"这是什么",而是开始协助处理"接下来怎么办"。
这也是本次交流中双方持续关注的核心问题。
不是为了给原有业务增加一个看起来新颖的技术模块,而是思考人工智能怎样进入基础地理信息的生产、管理和应用过程,让已有的数据资源释放出更持续的价值。

02 研产联动
不是把成果摆进展柜,而是让它进入真实任务
研究与产业之间,最珍贵的并不是一次技术介绍,而是对问题的共同理解。
专业技术工作关注数据是否准确、方法是否可靠、结论是否经得起验证;产业实践则需要进一步回答,技术能否部署、流程能否运行、人员能否使用、结果能否持续产生价值。
本次专题研讨中,双方围绕基础地理信息与人工智能的结合路径进行了深入交流。
在数据层面
大家关注的不只是"有多少数据",而是数据能否被持续治理、准确关联和安全使用。
空间数据往往来源多样、结构复杂、时间跨度长。要让AI真正理解这些内容,首先需要明确数据标准、空间关系、更新机制和业务语义。
没有经过治理的数据,无法直接成为可靠的智能能力。
在能力层面
讨论也没有停留在单一的识别和生成。
人工智能除了可以辅助理解文字材料,还可以与影像、地图、表格、档案和业务规则连接,帮助工作人员查找资料、提炼重点、发现变化、比对信息和形成初步分析。
但真正有价值的,不是某一次任务"做出来了",而是把完成任务的方法沉淀下来。
资料从哪里获取,数据怎样关联,规则如何调用,结果由谁检查,异常怎样处理,这些都需要转化为可以重复运行的系统能力。
在应用层面
双方更关注小切口与真问题。
与其一开始追求一个庞大而抽象的"空间智能平台",不如先找到业务中高频、耗时、容易遗漏,又具备清晰判断规则的环节。
把一个具体问题做深,把一条业务链跑通,再将经过验证的方法逐步复制到更多场景。
一次演示可以证明技术有可能,持续运行才能证明技术有价值。

03 自然资源+AI
真正难的,不是"能不能识别",而是"能不能负责"
自然资源管理是一个对专业性、准确性和责任边界要求极高的领域。
一张影像中的疑似变化,不能直接等同于业务结论;模型生成的一段分析,也不能未经复核就进入正式管理流程。
例如,当AI发现某一区域在不同时期的影像中出现明显变化时,它可以先完成影像对比,标注疑似区域,调取相关历史资料,并整理出需要进一步核查的问题。
但接下来,仍然需要专业人员结合空间位置、业务档案、现场情况和管理规则进行判断。
AI可以先发现、先整理、先提示,却不能越过权限和责任边界替人作出最终结论。
这条边界看似限制了AI,实际上决定了AI能不能真正进入严肃的业务现场。
如果一个结果没有数据来源,没有判断依据,没有操作记录,也没有明确的复核人员,那么速度越快,潜在风险可能越大。
因此,空间智能不仅要设计"油门",还要同时设计"刹车"。
数据权限、知识来源、过程留痕、人工复核、异常处理和责任主体,都应该与AI能力同步建设。
没有依据的答案不能成为结论,没有复核的效率也不能成为能力。
在双方交流中,这种对专业边界和应用可靠性的共同关注,也让"自然资源+人工智能"不再只是一个技术概念,而逐渐变成一条更加清晰、更加务实的建设路径。

04 这次交流
也让字竞未来的下一步更加清晰
对字竞未来而言,这次交流不是一次单向的成果展示。
它更重要的意义,是让企业的技术设想回到专业场景中,接受真实业务问题的检验。
人工智能的发展速度很快,新的模型、新的工具和新的产品不断出现。
但企业真正需要沉淀的,不是对每一个热点的追赶,而是把不断变化的技术,转化为可以长期服务客户的稳定能力。
围绕"聚力研产联动,赋能空间智能",字竞未来也进一步明确了几个持续推进的方向。

方向一 | 把专业知识变成可调用的能力
自然资源领域积累了大量专业标准、业务规则、历史资料和实践经验。
这些内容不能只停留在文件中,也不能只依赖少数专业人员记忆。
未来需要通过知识库、业务规则、Skills与Agent等方式,将经过验证的方法整理为可以查询、可以复用、可以持续优化的数字能力。
方向二 | 让AI进入完整业务链,而不是漂浮在系统之外
AI不应该只是一个独立的对话窗口。
它需要与数据、权限、任务和流程连接,知道自己可以读取什么、能够执行什么、哪些结果必须由人确认,以及完成后应该将信息回写到哪里。
只有长在系统和流程里的AI,才能真正成为工作能力的一部分。
方向三 | 从真实的小场景开始,把问题做深
空间智能并不一定要从一个宏大的平台开始。
一份材料的智能理解、一次影像变化的辅助发现、一项空间数据的快速查询、一条业务流程的自动整理,都可能成为有价值的起点。
小切口并不意味着价值小。
当一个场景被持续做深,方法被反复验证,数据和经验开始积累,它就有机会成为可以复制的行业能力。
方向四 | 让效率与安全同时增长
技术越能够进入任务,越需要明确它的边界。
数据能否使用,结果是否可信,过程能否追溯,异常由谁处理,最终由谁承担责任,这些问题不能等到系统上线以后再补充。
真正成熟的人工智能应用,不只是运行得快,也要运行得稳、看得清、查得到、管得住。
聚力研产联动
赋能空间智能
写在最后
空间智能的未来,不会只发生在实验室,也不会只存在于一张演示图里。
它会发生在一份复杂材料被更快理解,一组空间数据被更准确关联,一处变化被更早发现,一项任务被更清楚地交接,以及一次业务判断拥有更加完整的依据。
这些变化看起来并不轰动,却可能真正改变自然资源工作的效率与质量。

再次感谢自然资源部海南基础地理信息中心莅临字竞未来交流指导,也感谢双方相关人员在本次专题研讨中的深入分享与专业建议。
对一支技术团队来说,真正有价值的交流,不只是让别人看见我们已经做了什么,更是帮助我们看清,还有哪些问题需要继续研究,哪些能力需要持续打磨,哪些边界必须始终保持敬畏。
AI还会继续进化,空间数据的价值也会不断被重新认识。
但无论技术怎样变化,有些原则不会改变:
对真实问题保持敏感,对专业标准保持尊重,对数据和责任保持敬畏,也对长期投入保持耐心。
对字竞未来而言,这次交流不是一次简单的到访与座谈。
它更像是一个新的连接点。
字竞未来(海南)网络科技有限公司
聚力研产联动 · 赋能空间智能




