同花順深度分析云端版(東海證券同花順深度分析版)

發(fā)布時間：2025-08-17 | 來源：互聯(lián)網(wǎng)轉(zhuǎn)載和整理

同花順深度分析云端版。本次課程主要圍繞如何利用大數(shù)據(jù)進行投資展開，通過對宏觀經(jīng)濟、行業(yè)周期、公司基本面、市場情緒等方面的深度解讀，幫助讀者掌握握一套科學(xué)的投資理念。同時，還將從宏觀經(jīng)濟角度出發(fā)，結(jié)合公司基本面、行業(yè)周期、市場情緒等因素，為讀者提供更加精準(zhǔn)的投資建議。。

前沿對話|AI大模型時代，地理空間智能面臨哪些機遇和挑戰(zhàn)？###

行業(yè)熱點

人工智能技術(shù)用到GIS數(shù)據(jù)生產(chǎn)、管理、分析等方面，進一步提升了GIS的智能化水平，地學(xué)大模型應(yīng)用也已經(jīng)起步。面對“來勢洶洶”的AI大模型，地理空間智能將面臨著哪些機遇和挑戰(zhàn)？

在2023地理信息軟件技術(shù)大會主題大會的前沿對話環(huán)節(jié)，國際歐亞科學(xué)院院士、南京大學(xué)教授李滿春，中國工程院院士、深圳大學(xué)智慧城市研究院院長郭仁忠，中國國土勘測規(guī)劃院黨委書記、院長馮文利，武漢大學(xué)遙感信息工程學(xué)院院長張永軍，美國威斯康星大學(xué)長聘副教授、國際華人地理信息科學(xué)協(xié)會理事會主席高松，阿里云智能副總裁曾震宇，超圖軟件集團創(chuàng)始人、歐亞系統(tǒng)科學(xué)研究會理事長鐘耳順，針對“AI大模型時代，地理空間智能將面臨著哪些機遇和挑戰(zhàn)”主題，展開了一場頭腦風(fēng)暴。

現(xiàn)將現(xiàn)場文字速記整理，以饗讀者。從他們的言辭間，我們不難看出，想要真正實現(xiàn)融合人工智能的地理空間智能，業(yè)界還有很長的一段路要走。

在“前沿對話”環(huán)節(jié)伊始，國際歐亞科學(xué)院院士、南京大學(xué)教授李滿春從ChatGPT的問世與帶來的價值出發(fā)，介紹了AI大模型發(fā)展歷程、發(fā)展現(xiàn)狀、特點及其應(yīng)用情況。

“

李滿春：2022年11月底，OpenAI公司推出人工智能對話機器人ChatGPT。不同于以往的AI生成內(nèi)容工具，ChatGPT不僅在內(nèi)容生產(chǎn)上快速高效，并且具有一定的創(chuàng)作能力，作詩、寫代碼、聊天……各類文本信手拈來，帶給人們強烈的科技震撼，在全球掀起了一股AI熱潮。

ChatGPT是使用深度學(xué)習(xí)技術(shù)生成的人工智能大型語言模型。所謂大模型，是指在大規(guī)模的數(shù)據(jù)集的基礎(chǔ)上進行訓(xùn)練，并且適用于深度學(xué)習(xí)模型，是“大算力+強算法”相結(jié)合的產(chǎn)物，是人工智能的發(fā)展趨勢和未來。國際上大模型起步于2010年的前后，國內(nèi)大模型興起于2021年。據(jù)《中國人工智能大模型地圖研究報告》顯示，中國大模型呈現(xiàn)蓬勃發(fā)展態(tài)勢。

目前大模型應(yīng)用體現(xiàn)在三個方面：一是自然語言理解，通過預(yù)訓(xùn)練模型，實現(xiàn)準(zhǔn)確和流暢的語言理解和生成；二是計算機視覺，大模型對于跨模態(tài)語義有著零樣本語義對齊能力，可為下一步發(fā)揮作用打下基礎(chǔ)，如構(gòu)建視覺的基礎(chǔ)模型；三是多模態(tài)，多模態(tài)的大模型可以同時處理圖像、音頻、文本等多種類型的數(shù)據(jù)，也可以通過大模型對海量科學(xué)數(shù)據(jù)進行處理，挖掘其中的規(guī)律。

近年來，3S技術(shù)與人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)進一步深度融合，讓地理智慧走向空間智能。人工智能技術(shù)用到GIS數(shù)據(jù)生產(chǎn)、管理、分析等方面，進一步提升了GIS的智能化水平，地學(xué)大模型應(yīng)用也已經(jīng)起步，在健康地理學(xué)、城市地理學(xué)等方面已經(jīng)實現(xiàn)了一些價值。

”

人工智能加速發(fā)展

地理信息領(lǐng)域應(yīng)用初見成效

李滿春：ChatGPT再次點燃了人們對人工智能的熱議，郭老師對此怎么看？

郭仁忠：ChatGPT的出場確實驚艷，它或?qū)榈乩硇畔硇碌陌l(fā)展機遇。地理信息領(lǐng)域有很多待處理的問題，現(xiàn)有的技術(shù)效果不盡如人意，期待新的大模型能夠帶來新方案。同時，ChatGPT自身也存在一些局限性，它需要相關(guān)領(lǐng)域知識的支撐。這對地理信息領(lǐng)域提出了新挑戰(zhàn)：我們現(xiàn)有的數(shù)據(jù)和知識，能否激發(fā)出大模型的算力?

國際歐亞科學(xué)院院士、南京大學(xué)教授李滿春

中國工程院院士、深圳大學(xué)智慧城市研究院院長郭仁忠

李滿春：永軍老師如何看待將大模型移植到地理空間領(lǐng)域的可能？

張永軍：目前我們研究的這一代技術(shù)基本以深度學(xué)習(xí)為主。如果要將自然語言理解、視覺模型、多模態(tài)模型等大模型的體系，移植到地學(xué)領(lǐng)域，可以借鑒原先將深度學(xué)習(xí)移到地學(xué)的 *** ，用地學(xué)專業(yè)和小樣本知識，訓(xùn)練地學(xué)大模型。如此，基于地學(xué)大模型進行遙感影像的解譯，或許可達到人的智能解譯水平。

武漢大學(xué)遙感信息工程學(xué)院院長張永軍

李滿春：馮院長一直關(guān)心如何利用大模型來提高自然資源數(shù)據(jù)融合的準(zhǔn)確度和自動化程度。

馮文利：空間治理能力的提升，離不開高新技術(shù)的轉(zhuǎn)化和應(yīng)用，尤其是強調(diào)空間管控精準(zhǔn)和高效的國土勘測規(guī)劃領(lǐng)域。近年來，借助信息手段，國土調(diào)查能力已逐步提高。

為了快速、精準(zhǔn)地處理國土影像數(shù)據(jù)，我們采用了人工智能技術(shù)，完成了對影像的全方位解譯。對于道路、水體、建筑物等影像特征較為明顯的，識別精準(zhǔn)度可達到90%以上；對于耕地和耕地內(nèi)部不同的種植結(jié)構(gòu)等邊界不清晰的地方，準(zhǔn)確度稍顯欠缺，人工智能的技術(shù)還需要再提升。

目前，我們形成了人機交互為主、實地調(diào)查為輔的 *** 來確保數(shù)據(jù)的準(zhǔn)確性，人工智能只是作為一個輔助的手段。希望通過技術(shù)大踏步發(fā)展，我們能夠?qū)崿F(xiàn)以人工智能為主、人力調(diào)查為輔。

中國國土勘測規(guī)劃院黨委書記、院長馮文利

李滿春：利用大模型為信息化工作提供服務(wù)，在國外是怎樣的研究狀態(tài)？

高松：目前，多模態(tài)和多源大數(shù)據(jù)的融合，在特定的場景已經(jīng)有比較好的應(yīng)用，如道路 *** 因為物體的遮掩無法看到清晰的邊界，多模態(tài)就可以提升地物信息的提取能力。

想要打造地理空間大模型，可以采用三種預(yù)訓(xùn)練方式：之一類，針對視覺、圖像、軌跡、文本等分別預(yù)訓(xùn)練，再通過串聯(lián)的方式把它們?nèi)诤掀饋?；第二類，把多模態(tài)數(shù)據(jù)同時通過對比的方式，如圖文對比學(xué)習(xí)，找到它們之間的關(guān)聯(lián)，再去做訓(xùn)練；第三類，通過地理知識圖譜可以更好地關(guān)聯(lián)無監(jiān)督大數(shù)據(jù)的融合。構(gòu)建地理知識圖譜之后，我們可以挖掘或者嵌入早期經(jīng)典的定性、定量的空間推理方式，在地理知識圖譜上實現(xiàn)。

通過這樣的三類不同的預(yù)訓(xùn)練，我們可以把多模態(tài)、多源的地理空間大數(shù)據(jù)更好融合，進而展開大模型訓(xùn)練。

美國威斯康星大學(xué)長聘副教授、國際華人地理信息科學(xué)協(xié)會理事會主席高松

李滿春：鐘總早年提出一個名詞“地理空間控制”，今天您對這個詞有什么新看法？

鐘耳順：地理空間控制是2013年提出的。人類可以不懂語言，但是一定會生存在地理空間中，我認為地理是最基礎(chǔ)的東西。隨著地理空間智能的發(fā)展，有很多事物都會走向人工智能，要依靠地理空間坐標(biāo)、位置進行控制，這是我早期提出的概念。人工智能是一個途徑，地理空間控制可能是一個最終實現(xiàn)目標(biāo)。

超圖軟件集團創(chuàng)始人、歐亞系統(tǒng)科學(xué)研究會理事長鐘耳順

李滿春：預(yù)訓(xùn)練大模型在地理空間、地學(xué)領(lǐng)域等有著什么樣的應(yīng)用場景？

曾震宇：未來我們可以圍繞衛(wèi)星遙感領(lǐng)域以構(gòu)建預(yù)訓(xùn)練模型，在大模型上加上少量的人工標(biāo)注數(shù)據(jù)，使其可以用在下游的自然資源領(lǐng)域等多種應(yīng)用場景中。這值得探討和研究。

阿里云智能副總裁曾震宇

機遇與挑戰(zhàn)并存

地理信息領(lǐng)域當(dāng)積極應(yīng)對

李滿春：在人工智能時代，大模型對于地理信息領(lǐng)域?qū)⑵鸬椒浅４蟮淖饔?。在人工智能下一步的發(fā)展當(dāng)中，地理信息領(lǐng)域該做些什么？

郭仁忠：面對蓬勃發(fā)展的人工智能大模型，地理信息領(lǐng)域可能面臨兩大挑戰(zhàn)。

之一，ChatGPT雖然在一本正經(jīng)地“胡說八道”，但它是基于相當(dāng)數(shù)量的知識預(yù)訓(xùn)練，所以，我們要盡可能把地理信息的知識、數(shù)據(jù)整理出來，為地學(xué)大模型提供預(yù)訓(xùn)練學(xué)習(xí)的內(nèi)容。

第二，ChatGPT展示了超強的純語言智能，但地理空間智能不是純語言智能，更需要空間智能分析能力，二者的邏輯不一樣。因此，地理信息領(lǐng)域和人工智能領(lǐng)域的專家要相向而行，共同解決這個問題。

李滿春：我們不僅要語言智能，還要空間智能，特別是面向生態(tài)文明建設(shè)的新時代國土空間規(guī)劃編制，大模型能為我們帶來什么價值？

馮文利：我們一直在探索前沿技術(shù)的應(yīng)用，早年間我們進行國土調(diào)查都是繪制圖表，通過衛(wèi)星全覆蓋以后，我們實現(xiàn)了空間矢量化圖斑的管控，這次最新的國土調(diào)查又實現(xiàn)了云端管理，打造了“互聯(lián)網(wǎng)+調(diào)查”的模式。

下一步，我們期待空間智能把智慧賦予到國土空間的工作中去，完善快速處理、自動識別等能力，建立起更智能的體系，助力我們真正進入人工智能的新時代。

李滿春：這個過程當(dāng)中，阿里云的大模型能夠進一步發(fā)揮怎樣的作用？

曾震宇：當(dāng)前的挑戰(zhàn)是，如何將沉淀多年的影像遙感信息進行提煉，變成語義信息，與影像結(jié)合來打造預(yù)訓(xùn)練模型。大模型之所以能取得好效果，是因為學(xué)習(xí)了海量的圖文信息。未來，我們應(yīng)探索如何將語義信息與圖像結(jié)合，將自然資源國土空間的相關(guān)的特征進行提取，放到模型中去訓(xùn)練。

此外，衛(wèi)星遙感領(lǐng)域跟互聯(lián)網(wǎng)不同，現(xiàn)階段衛(wèi)星影像跟語義相關(guān)的數(shù)據(jù)并不多，其中還包含部分人工標(biāo)注出的數(shù)據(jù)。如果能建立一些機制，以自動的方式給衛(wèi)星遙感影像添加語義信息，將對訓(xùn)練預(yù)訓(xùn)模型起到很大幫助。

李滿春：我們所見到的地理現(xiàn)象，在空間上表現(xiàn)出異質(zhì)性，這將帶來更多挑戰(zhàn)。對此高松老師有什么見解？

高松：現(xiàn)階段比較理想的情況是，已經(jīng)開發(fā)完成的模型具備好的泛化能力和遷移能力，即：在某一個區(qū)域特定時段訓(xùn)練的模型，能遷移到世界上另外的一個區(qū)域和新時段。

但有研究發(fā)現(xiàn)，具有地理空間相似性區(qū)域的模型表現(xiàn)較好，果用海量的（如全球尺度）數(shù)據(jù)，來訓(xùn)練地學(xué)空間大模型，也許能解決空間異質(zhì)性的問題。以遙感為例，現(xiàn)階段主要聚焦區(qū)域性訓(xùn)練，如何把亞洲、歐洲、美洲各個區(qū)域的訓(xùn)練模型耦合起來，是值得探索的方向。

李滿春：ChatGPT對于您想象的、或者原來看好的AGI距離還有多遠？

鐘耳順：ChatGPT基于語義信息運作，這與地理學(xué)的邏輯方式不同，地理學(xué)是非線性的，比較難把握規(guī)律，很難找一個標(biāo)準(zhǔn)答案。但ChatGPT提供了一個范式，將人工智能融合地理空間信息，基于全球的影像數(shù)據(jù)進行訓(xùn)練，是不是可以把GI（空間智能）發(fā)展為通用地理信息模型？這對地理學(xué)是一個挑戰(zhàn)。

李滿春：當(dāng)前，國土空間規(guī)劃正在建立“一張圖”實施監(jiān)督信息系統(tǒng)，馮院長如何看待？

馮文利：目前很多資源調(diào)查單位、國土空間規(guī)劃編制和研究單位等，都在探索如何打通基于底圖（底座）實現(xiàn)智能規(guī)劃路徑。海南已經(jīng)實現(xiàn)了以“機器管規(guī)劃”賦能國土空間智慧治理，其他地方也在嘗試。我們也在搜索，通過一些樣本和算法，把編制規(guī)劃的規(guī)則轉(zhuǎn)成算法，訓(xùn)練出大模型，實現(xiàn)自動生成一張空間藍圖。希望能匯聚業(yè)界各方力量，共同將這個藍圖變?yōu)楝F(xiàn)實。

面對奔騰的大模型浪潮

要長期投入和深度學(xué)習(xí)

李滿春：各位的發(fā)言也反映了一點：地學(xué)特別復(fù)雜，包括很多不確定性。面對ChatGPT的問世，地學(xué)領(lǐng)域該如何嘗試進行改變？

郭仁忠：這是地學(xué)領(lǐng)域一直在考慮的問題。ChatGPT的智能語言處理效果很好，但是知識呈現(xiàn)方式、分析問題 *** 跟地學(xué)領(lǐng)域不完全一樣，確實需要深化地理信息和人工智能領(lǐng)域等的深度融合。

事實上，人工智能對自然語言、圖象、聲音等識別與處理的效果好，是因為人物、物力的長期大量的投入，實現(xiàn)了一個長期的深度學(xué)習(xí)。地學(xué)領(lǐng)域也可以參考這種 *** ，也許某一天能找出適合地學(xué)領(lǐng)域的 *** ，來處理一些亟待解決的問題。

李滿春：郭老師給我們指明了一個方向，先從能夠做到的或者相對確定性的事情做起來，比如跨模態(tài)的遙感影像解譯。永軍有什么能分享的經(jīng)驗？

張永軍：現(xiàn)在業(yè)界面臨跨模型融合問題。ChatGPT是語言模型，SAM（Segment Anything Model）可看做視覺模型，假設(shè)將一張黃鶴樓圖像放到視覺模型當(dāng)中，它能立刻識別“這是黃鶴樓”，ChatGPT則能整理出所有與黃鶴樓相關(guān)的文本資料，并轉(zhuǎn)成語音播報。這就是視覺+文本的跨模態(tài)機制。

但想要在模型中把文本、圖像、聲音、時間、序列融合在一起，還需要知識圖譜。以遙感知識圖譜為例，構(gòu)建了遙感知識圖譜之后，人們可以在解譯的基礎(chǔ)上，摘去很多錯誤的偽提取，讓跨模態(tài)知識跑在預(yù)訓(xùn)練模型之上，再聯(lián)合文本、圖像、時空信息、規(guī)則等，構(gòu)造一個地理空間智能的大模型。但這個模型的規(guī)模會非常大，大到一定程度后，只有阿里云這樣的大公司才能用。我想請教曾總：百億級、千億級的模型有多大？會在什么場景中使用？

曾震宇：AI界對很多事情沒能精確量化計算方式，機器學(xué)習(xí)、深度學(xué)習(xí)、大模型訓(xùn)練均是如此。如果有足夠多的高質(zhì)量數(shù)據(jù)，那可以把數(shù)據(jù)投入模型中進行訓(xùn)練。這里要關(guān)注：模型的大小是不是能能容納這些數(shù)據(jù)，訓(xùn)練的時間是不是足夠把相應(yīng)的知識抓取充分，基于此來摸索模型達到極限所需要的閾值。

李滿春：從遙感影像的角度您怎么看？他剛才說到他的一個情況，模型要大到怎樣的程度？

張永軍：遙感影像本來就很大，如果模型也很大，那給計算資源帶來很大壓力，所以我們現(xiàn)在做遙感影像解譯用的是深度學(xué)習(xí)，希望訓(xùn)練的模型物理尺寸越小越好。

曾震宇：其實很多技術(shù)都在訓(xùn)練模型，模型的能力越強，消耗的資源越多，因此，現(xiàn)在有多研究都在嘗試把模型壓縮成一個體量小的模型，以經(jīng)濟實惠的方式，將模型使用在更多高頻的場景中。

對大模型的寄語

郭仁忠：愿景很美好，目標(biāo)很明確，道路很漫長。

馮文利：讓我們攜手進入AI新時代，共同賦能國土空間治理的新模式。

張永軍：我們追求的是大模型、小樣本，地理空間智能未來無限可能。

高松：地球是復(fù)雜系統(tǒng)科學(xué)，希望未來打造將地學(xué)知識和AI能力結(jié)合的地理空間智能的新時代。

曾震宇：深度學(xué)習(xí)已經(jīng)對地學(xué)領(lǐng)域產(chǎn)生了深刻的影響，相信經(jīng)過產(chǎn)學(xué)研多方努力，預(yù)訓(xùn)練大模型一定在地理信息領(lǐng)域產(chǎn)生更加深遠的影響。

鐘耳順：地理信息與人工智能融合前景廣闊，但是任重而道遠，希望寄托在年輕一代人身上。