国土空间用途管制智能化升级的思考与实践

北京数慧时空信息技术有限公司总经理

李贵现

　　在今天的汇报中，我们将探讨国土空间用途管制智能审批中大模型的应用场景。

　　随着DeepSeek的兴起，我们迫切需要一个能够进行审批和监管的行业级大模型。为此，我们必须构建一个高质量的评测体系，以确保用户的意图得到精确捕捉，同时将我们的私有数据或自有数据转化为语料和评测数据体系。

　　鉴于大模型应用尚处于起步阶段，我们必须寻找小而有效的切入点，以便真正实现落地。这就是为什么我们在开发整个应用时，选择从用户管制和单独选址入手。用途管制是自然资源管理的核心基础业务之一，它覆盖了不同省份的四级单独选址，从业人数众多，几乎每个区县都有涉及。通过在这里找到切入点，我们可以轻松解决大模型落地的问题。

　　目前，我们的传统系统更依赖于分屏模式的人机交互，工作量巨大。业务人员不仅需要理解政策和业务，还要掌握技术知识，并且需要耐心和细心进行逐项比对，这既耗时又容易出错。为了解决这类问题，我们需要采用信息资源规划方法，对业务流程进行梳理。

　　业务梳理也需要遵循一定的方法论。梳理完毕后，我们需要找出业务的规律，即业务活动。在单独选址项目中，我们专注于填报、审查、报告三个场景。自2022年起，我们开始研发整个数据智能操作系统，部门正在构建一张图。我认为，这张图必须满足两个条件：

　　它必须是业务驱动的，它必须是智能动态的。

　　而不是仅仅依赖于挖掘数据库和增加人力，每当一个项目到来时，就让一群人加班加点。实际上，我们追求的是计算即得的场景，这才是真正的一张图。而这张图的技术框架与以往不同，它基于数据编织、数据网格和主动元数据构成。

　　这个系统也是我们训练大模型的基础平台。

　　让我们具体看看具体场景。过去，手工操作时我们使用分屏，分屏后进行手工交互。交互完成后，我们进行监督审核。为了演示，这个项目专门制作了脱密的模拟数据。在组建上，我们大约用了一小时的时间。

　　采用AI技术后，大模型能够指导你完成所需填报的表单。业务人员只需上传材料，系统将自动填写。我们只需对填报结果进行审核。

　　让我们深入分析这一过程。首先，数据智能操作系统将数据整合进来，无论何种资料，整合后系统自动转化为服务，实现数据即服务，并采用主助语言进行数据标记。标记完成后进行解析，其中最关键的工作是信息资源规划方法对业务进行归纳。但必须绘制知识图谱，这是一项工作量巨大且极具业务性的任务。未经专家评审，这些数据若直接输入大模型，会降低其效能。因此，这是大模型成功应用于自然资源业务的必经之路。

　　解析完成后，我们可以将成果与整个知识图谱进行关联。之后，包括解析的知识点，将存量数据资源转化为高质量的业务数据集。部门内数十年的存量结果，都可以通过这种方法转化为高质量数据集。接下来，你可以使用系统提供的网格功能构建智能体。完成后可以发布应用，这是智能填报的场景。

　　我们来看智能审查，这是填报和审核的核心。传统的人工复核不在此讨论范围内，若转变为电子政务系统，与传统功能系统和AI调整后的系统有何不同？它是以结果为导向的。传统系统产生众多功能，进行叠加分析。而AI后的系统没有这些功能，是端到端的。系统打开后，直接告诉你有几个系统，其中三个已审核，两个未审核。若未审核，系统自动找到未审核的部分，并分析原因。若已审核，若想进一步审查业务，系统会自动调用后台的遥感大模型、气象大模型、灾害大模型进行同步分析。这导致了整个应用的变化，现在的应用是AI化的，不是对原有信息化功能的简单修补，而是彻底地重构，从逻辑上进行重构。

　　在审查场景中，我们如何实现呢？首先，数据连接，目前部门内所有系统，我们正在整合进一张图中。我们需要将它们链接进来，了解原始数据的内容，这是数据的基本信息，理解数据之间的关联关系和血缘关系。理解后，还需对这些数据进行审批，形成审批规则和知识点。我们可以使用数据网格构建智能体，这个智能体以前所有系统构建时，在这里可以构建智能体。并且，构建好的智能体是端到端的，而不是许多功能。同时，在智能体下的算子，算子即服务，所有空间分析的算子、所有语义的算子都转化为服务，形成了自然资源行业的自然运营平台。

　　构建好的智能体成果在应用时，其成果数据可以成为新的增长数据，大模型并非每天必须，而是自我生态、自我进化的。智能报告场景相同。

　　让我向大家汇报一下关于专业大模型的进展。我们目前的核心基础是遥感自监督分析大模型。尽管行业一直在尝试，但迄今为止，产业应用效果不佳的主要原因是基础不够稳固。我们的遥感自监督分析大模型目前仅将全国范围内某一特定事项的影像数据纳入其中。在座的各位，如果有来自各省的代表希望在本省训练自己的遥感自监督分析大模型，我们愿意展开合作。到年底，我们计划开源这一模型，届时将能够真正将遥感技术应用于实际工作中。

　　为了创新影像组织管理模式，我们需要打破传统的网格管理方式。只有这样，我们才能整合不同传感器捕获的影像、不同质量的影像，实现规格化、标准化、流程化的影像智能工厂。这就是我们努力的成果。过去四年，我们在新疆利用智能繁衍技术解决了三调数据和林草协同的问题。

　　同时，我们还在研究气象大模型。在空间分辨率方面，我们已经能够达到每平方公里，如果计算能力进一步提升，甚至可以达到每平方米200米。时间分辨率方面，我们实现了每6分钟一次的更新，这对于气象大模型来说是一个重大突破。此外，我们还开发了中短期预测模型，能够提供长达7天的预测，为灾害监测预警提供了精确的基础数据支持。

　　我相信，随着我们大模型的逐步应用，每个行业、每个组织都将转变为data+AI的模式。通过横向一键联审，我们可以解决数据融合问题；通过纵向逐级审核，我们可以解决部门和省级之间的融合问题。未来大模型的应用生态，将基于模型连MCP协议和智能体交互协议构建。这些协议已经由国内几家主要厂商开发完成。现在，所有大模型都可以通过MCP协议和A2A协议共同构建我们一直追求的生态概念。

　　感谢各位的聆听！

　　（以上内容根据嘉宾发言速记整理）