【院士】王家耀：人工智能賦能地圖科學數智化

摘要：

人工智能是國家科技攻關和廣泛應用的重要領域，對于搶占科技制高點和提升我國戰略競爭優勢具有重要意義。本文在系統梳理相關文獻的基礎上，從人工智能的總體發展態勢、技術創新、賦能應用、安全治理及未來前景等方面進行了綜合分析。研究認為，人工智能將推動地圖科學的數智化轉型進入新的發展階段。具體而言，人工智能與腦科學或神經科學的融合，將加速地圖科學數智化基礎理論研究的深化；人工智能領域在類腦智能與類腦計算方面的最新進展，為破解地圖科學數智化進程中“知識工程”瓶頸問題提供了有力的技術支撐；深度學習與生成式人工智能的發展，為數智化地圖制圖開辟了更為廣闊的應用空間。與此同時，在人工智能技術快速演進與廣泛滲透的背景下，地圖科學的數智化仍需堅持“以人為本”的理念，強化人與人工智能的深度融合與協同發展。這是一項具有戰略性、長期性和可持續性的系統工程，已取得階段性成果，蘊含了巨大的發展潛力。最后，本文作了簡要總結，認為站在新起點上的地圖科學必將迎來一個新的里程碑式的大好局面。

基金項目：國家自然科學基金(U21A2014)

閱讀全文：http://xb.chinasmp.com/article/2026/1001-1595/1001-1595-2026-03-0381.shtml

地圖科學的快速發展是從現代計算機數字地圖制圖取代近代手工地圖制圖的革命性變革開始的[1]。地圖學內部矛盾（封閉與開放）的對立統一，科學家思維方式的變革，理論與技術上的準備，特別是數據、大數據、時空大數據的快速發展，都成為推動地圖科學數字化轉型的不歇動力，為我國地圖科學“數字化”到“智能化”的快速推進（20世紀90年代以來）奠定了基礎[2]。20世紀80年代末到90年代中期的十余年間曾出現過地圖制圖專家系統的研究熱潮，但由于未重視基礎理論研究，這次地圖制圖專家系統的研究熱潮在以后的十余年間就停滯了[3]。二十余年來，由于重視了基礎理論研究，人工智能應用于地圖科學的研究出現了好的勢頭，首先是理論上的提升，出版了一大批代表性學術成果，人工智能用于智能地圖制圖系統的關鍵技術及應用取得了突破性進展，推動了作為地圖產品典型代表的地圖集的創新發展，具有整體性、層次性、關聯性和開放性等特點的地圖科學學科體系日趨科學化。本文站在地圖科學數智化轉型的新起點上，重點探討快速發展的人工智能如何進一步推動地圖科學數智化進入新時代。

充分認識人工智能技術的發展趨勢和前景及其對地圖科學數智化的總體基礎支撐

當前，人工智能（artificial intelligence，AI）正以前所未有的速度、廣度與深度重塑人類的工作、學習、生產與生活方式，對全球經濟社會的發展格局與人類文明的演進進程產生了深遠影響，展現出極為廣闊的發展前景與潛在價值[4-5]。

1

人工智能的總體發展態勢

人工智能技術正經歷范式性的演進。其主要特征體現在4個方面：①AI技術演進走向新范式。主要表現在規?？蓴U展（模型及其參數、高質量數據集和大規模算力集群能力）、多任務適應（大模型支持多任務及多模態能力）、能力可塑（通用大模型在專業領域的應用和推理能力的提升）等方面。②AI工程化邁向新階段。其重點逐漸從大模型訓練向應用開發落地轉變，著手構建圍繞大模型及其應用的工具鏈，加快大模型技術迭代的速度，應用工具鏈擴展大模型應用的廣度，標志著AI工程化進入新的產業化階段。③AI產業穩中有進。全球AI產業保持高速增長，大模型為人工智能產業高速增長提供了核心動力，生成式人工智能技術加速產業化進程，大模型拉動全球AI投融資金額上揚，AI創業企業發展持續創新。④AI安全治理緊密推進[6]。全球AI安全治理合作越來越緊密，AI安全治理前瞻研究和產業實踐深度結合，安全技術應用能力明顯提升，標志著全球AI治理跨入更加成熟的新階段。

地圖是人類偉大的創新思維，是人類智慧的結晶，地圖學與人工智能有著不解之緣。自20世紀70~80年代計算機數字地圖制圖取代手工模擬地圖制圖以后，20世紀80~90年代就開啟了地圖制圖專家系統研究的熱潮。進入21世紀以來，隨著人工智能研究的快速推進，地圖科學進入了數智化轉型新時代，正在走向以時空大數據密集型計算為特征的新范式，構建圍繞地圖制圖綜合大模型及其應用的自動制圖“綜合鏈”，推進地圖制圖產業的發展，地圖制圖數據的安全問題特別是國家基礎地理時空大數據網絡空間安全態勢監控問題正日益受到重視。

2

人工智能的技術創新

（1）基礎大模型仍在快速演進迭代。模型能力持續提升，基礎語言大模型的技術能力加速演進，視覺大模型的技術能力賦能圖像理解、擴散模型實現圖像生成，多模態模型通過多模態理解模型中的語言大模型調度和跨模態特征對齊、多模態生成模型中的擴散模型和端到端理解與生成架構等實現交叉模態處理[7]。

（2）計算平臺與模型創新緊密耦合。以大模型為代表的通用智能范式正在驅動AI計算平臺升級，先進的軟硬件協同技術生態體系強力支撐大模型技術的原始創新和應用迭代落地，大模型熱潮進一步推動計算底座迭代升級。

（3）工具鏈不斷完善加速大模型研發應用。大模型工具鏈是指一系列集成化的軟件工具和平臺，旨在支持大模型開發構建、訓練優化、應用開發、推理和運維管理全流程，模型訓練工具加速模型生產質效變革，模型推理工具提升模型部署推理功能，應用開發工具助力AI高效應用。

（4）高質量多模態數據集成為大模型能力提升的關鍵，多模態詞元融合和實時處理成為數據預處理技術的主要發展方向，數據質量評估和模型反饋機制共同推動數據質量不斷提升。人工智能的技術創新對地圖科學的數智化至關重要，將進一步推進地圖制圖大模型及其集成應用研究，支持地圖制圖計算平臺的升級，地圖自動制圖綜合鏈將擴展完善為整個地圖設計、制圖的工具鏈，單要素自動綜合質量評估進一步擴展為全要素自動綜合質量評估及反饋機制并智能化。

3

人工智能賦能應用

（1）人工智能賦能應用的特征已經顯現。專用智能應用逐漸成熟，專用小模型與行業應用場景深度融合，在圖像識別、語音識別等應用方面成效顯著；通用智能落地前景廣闊，大模型憑借其更強大的分析、挖掘、預測和交互能力，以及對場景任務的適應性，有望帶動工業技術產業實現創新性變革，未來AI應用將呈現“大小模型協同”應用發展趨勢。

（2）重點行業AI應用走深向實。不同行業關注的重點各不相同。

（3）體系化推動人工智能落地應用成為引導AI技術實用化、普惠化發展的行業共識。大模型技術選型通常包括模型生態、模型部署、模型協同、模型推理算力等方面；智能體應用進一步釋放大模型應用潛能，有效解決大模型“有腦無手”的問題，進一步推動大模型的高質量輸出，智能體人機交互實現人類和智能體的優勢互補；打造運維管理體系助力AI生產過程規范化，系統性解決模型煙囪式生產周期長、生產過程和資產管理欠缺、跨團隊協作難等問題，加速大模型規?；涞夭椒?。人工智能賦能地圖科學創新發展，已經被地圖制圖數字化到智能化的發展歷程證明，今后地圖科學數智化的長期可持續發展，也必須人工智能賦能。

4

人工智能安全治理

著重從“多重挑戰”和“全球治理”兩個方面進行分析：①AI技術在催生新產業、新模式、新動能，成為新質生產力的同時，也帶來了多重挑戰，包括自身安全和衍生安全風險。AI的自身安全主要是AI技術系統的安全，涉及技術系統部署所依賴的傳統信息基礎設施安全，以及模型、框架等AI系統特有的安全；AI的衍生安全主要是由于技術系統風險管控不當，以及技術系統被濫用、誤用或遭到外部攻擊造成的安全問題。②全球AI安全治理正處于“從原則走向實踐”的關鍵階段。國際層面，已形成治理共識，圍繞安全議題的合作愈發緊密，聯合國、經合組織已推動形成共識文件。我國展現新型舉國體制治理優勢，著重保障人工智能應用安全，積極發揮技術研究和治理協同的優勢，通過發布治理框架、制定標準規范和安全技術等多種形式促進AI安全治理，積極開展負責任的技術研發與應用，從管理和技術兩個維度落實自律，更加重視全流程管控，安全技術方案向一體化、定制化發展。基于測繪地理信息時空大數據的數智地圖制圖應該將人工智能安全治理技術、規范落地實踐，保證數智地圖制圖長期可持續發展。

5

人工智能技術的未來前景

5.1 當前，AI處于通用智能發展初期，技術體系與產業生態正加速構建

從近期來看，人工智能的重要發展方向包括：①增強語言大模型能力仍是技術升級的重點方向之一，或將獲得更多關注和資源投入；②多模態模型有望加速突破，以語言大模型為骨干的多模態模型，向原生多模態模型演變；③智能體憑借其強大的環境交互、任務執行、自我優化等能力，將進一步拓寬AI的應用場景，為AI賦能千行百業夯實基礎；④具身智能為智能體賦予“身體”，使其能夠與物理世界交互、探索、獲取經驗并改進自身行為，實現思維智能與行為智能的有機融合，成為邁向通用人工智能的重要一步。特別值得關注的是，從中遠期來看，與數字芯卡不同的模擬計算、量子計算芯卡等硬件或將逐步成熟，基于此發展的類腦智能等顛覆性技術，將為人工智能的發展帶來更加廣闊的想象空間。

5.2 人工智能技術浪潮將推動更大范圍的行業轉型升級，助力行業邁向智能化新階段

大模型表現出的巨大潛力，不僅將促進AI產業迎來重要拐點，還將進一步推動我國生產力和生產關系的深刻變革。就行業大模型發展而言，其演進將聚集3個核心維度：①增強行業的通用性，促進智能化普及；②提升大模型的專業穩定性與準確性，形成穩定可靠的應用模式；③增強多元化的人機交互方式，促進AI技術的廣泛應用。就賦能應用場景而言，未來，大模型行業賦能的趨勢將從當前提高交互能力的階段逐步向提高業務創新和集成發展的階段邁進，最終實現與產業深度融合，從量變到質變，為“AI+”提供新機遇，推動行業變革，邁向通用智能時代[8]。

5.3 人工智能安全治理邁向深水區，探索切實有效、多方共治、敏捷應對的落實成為全球共同議題

面向AI的新時代，AI安全治理不僅是搶占戰略制高點和發展機遇的“關鍵點”，也是全球和人類需要共同應對的“必答題”。未來，AI安全治理的深化和落實更需多元協同共治。①加速完善AI安全風險識別方法，更加敏捷、精準的安全風險識別機制仍需持續探索；②不斷強化風險評估與防范意識，形成切實有效、動態迭代的風險識別與應對策略；③持續加強AI安全技術治理，加強對模型算法穩健性、公平性等方面評測技術研究，強化技術治理能力；④推動開放協同的國際交流合作，開展人工智能安全治理的基礎理論和共性技術研究，推動技術標準和指引的制定與應用，共同釋放AI潛力，有效防范和應對治理風險。

地圖科學的數智化與人工智能有著十分密切的關系，上述人工智能技術的發展必將在賦能地圖科學的數智化方面發揮重要作用。

人工智能推動地圖科學數智化轉型進入新時代

01

人工智能與腦科學或神經科學相結合，加快地圖科學數智化轉型基礎理論研究的前進步伐

人工智能，顧名思義，是研究、開發用于模擬、延伸和擴展人（腦）智能的理論、方法、技術及應用系統的一門新興技術學科[9]。其目標旨在生產出一種新的能以人類智能相似的方法做出反應的智能機器（電腦）[10-11]。該領域包括智能機器人、語音識別、圖像識別、自然語言處理和AI大模型等。所以，AI的研究必然要涉及腦科學或神經科學等的基礎理論，以搞清楚人腦智能的基本原理和特點。

進入21世紀以來，尤其是近十年，人工智能的基礎理論研究受到學術界與產業界的高度重視與持續關注，取得了顯著進展并形成了一系列具有國際影響力的成果。與此同時，腦科學作為人工智能的重要交叉支撐學科，研究重點在于揭示人腦的結構、功能及運行機制，為理解智能的本質提供了關鍵的理論基礎。近年，腦科學領域的研究成果層出不窮。中國科學院腦科學與智能技術卓越創新中心（簡稱“腦智中心”）的研究團隊繪制出了大腦海馬體的三維立體動態“交通路線圖”[12]，這一成果形象地揭示了海馬體復雜神經元網絡在多種腦功能（如恐懼記憶、場景認知、記憶泛化、情緒焦慮與社交記憶等）中的作用機制。該研究建立了目前該領域最完整、最系統的神經連接數據集，并發表于國際頂級期刊。專家評價認為，該成果“為海馬體研究提供了極具價值的工具與數據基礎”，并稱其為“非凡的杰作與關鍵性研究資源”。此外，英國劍橋大學與意大利比薩圣安娜大學合作在神經可塑性領域取得了突破性進展，其最新研究發現大腦的“身體地圖”在截肢后仍保持長期穩定，推翻了傳統“神經重組”理論[13]。研究顯示，即使截肢多年后，初級體感皮層仍可在缺失肢體對應區域被激活，證明了大腦內部“軀體圖譜”具有高度穩定性，這一結果提供了“關于大腦內置身體映射穩定性的最具決定性證據”。文獻[14]也認為該研究“以清晰證據顛覆了長期以來的共識”。在腦結構可視化研究方面，文獻[15]成功構建了基于形態與組學空間信息的細胞分型全腦測繪系統。該系統依托自主研發的MOST三維顯微鏡技術，能夠對腦組織進行高分辨率的三維成像與神經元連接可視化，實現了對大腦微觀結構的整體性描繪。MOST顯微鏡的問世標志著我國在全腦細胞測繪領域取得核心技術突破，其相關成果發表于《Science》（2010）[16]，并入選“2011年度中國科學十大進展”?？傮w而言，該系列研究為腦科學與神經科學提供了全新的技術手段，也為人工智能基礎理論的跨學科創新奠定了重要的生物啟發基礎。隨著腦結構、認知過程與功能機制的系統性解析不斷深化，相關成果正逐步為類腦計算模型的構建與認知智能的發展提供更加堅實的科學支撐。

腦科學或神經科學領域的前述人工智能基礎理論研究，為地圖科學數智化轉型基礎理論奠定了堅實的理論基礎。特別是在揭示地圖空間認知過程中人腦的神經機制與功能特征方面，相關研究具有重要的啟示意義。神經系統是人類肢體各種活動的“管理機構”，它通過分布在身體各部分的許多感覺器官和感覺神經獲得關于環境變化的信息，經過各級中樞的分析綜合，發出信號來控制各種軀體結構和內臟器官的活動，即“感知→表象→記憶→思維”[17-18]，特別是近年來，在認知與行為的計算建模領域取得了顯著進展，為探索空間認知的神經計算機制提供了新的理論與方法支持[19-20]。此外，當前在大模型技術中普遍存在的瓶頸問題的突破，也可從人腦機制中獲得重要啟發。近期，中國科學院自動化研究所聯合多家科研機構成功研發出首款全國產化類腦脈沖大模型Spiking Brain 1.0[21]，標志著我國在類腦計算與大模型融合創新領域取得了實質性突破。所謂類腦脈沖大模型，是一種受大腦結構與功能啟發而設計的新型大模型構建范式，其與當前主流的Transformer架構相比，具有以下3方面特征：①類腦模型提供了一條基于神經啟發的技術路線，通過模擬大腦的結構與功能實現模型架構的創新；②該模型力求體現人腦的超低功耗特性，利用脈沖信號進行信息傳遞，并結合類腦芯片的事件驅動機制，從而在功耗與時延方面表現出顯著優勢；③類腦模型的記憶機制更接近人腦的記憶方式，實現了在信息表征與學習機制上的生物啟發式優化。這一突破性的研究成果對推動地圖科學專用類腦大模型的構建具有重要的理論價值與啟發意義，預示著地圖科學在未來可通過類腦計算路徑進一步實現智能化與數智化融合的深化發展。人工智能賦能地圖科學數智化的總體技術體系如圖1所示。

圖1 人工智能賦能地圖科學數智化總體技術體系

02

人工智能領域類腦智能和類腦計算等方向的研究進展為解決地圖科學數智化“知識工程”瓶頸問題提供強有力的技術支撐

類腦智能是人工智能領域中的重要研究方向。該領域以神經科學和人類認知行為機制為基礎，通過模擬大腦的神經結構與認知原理，使計算系統具備與人腦相似的感知、推理與學習能力。其核心目標在于推動機器以類腦方式實現人類具備的認知功能及其協同機制，最終達到甚至超越人類智能的水平[11]。相較于傳統的機器學習方法，類腦智能研究在信息獲取與處理機制上具有顯著差異。傳統人工智能系統通常依賴大規模人工標注的高質量樣本數據，且需要消耗巨大的計算資源訓練模型，同時在高級認知能力和舉一反三等方面仍顯不足。通過對類腦智能的深入研究，可以更好地揭示人腦在信息加工與認知形成中的神經機制與動態過程，為人工智能的高層次認知建模提供更為堅實的理論支撐。盡管類腦智能研究仍面臨諸多挑戰，如人腦認知機理尚未完全闡明、類腦計算模型與算法精度有待進一步提升等，但近年來該領域已取得重要進展[22-23]。

類腦計算是一種旨在使計算機具備類似人腦信息處理能力的新型計算范式，其核心思想在于模擬人腦的運行機制與認知規律，使其能夠作為自然界已知的在問題求解、推理、決策、理解和學習等方面最為高效的生物進化產物。作為目前已知最復雜且高效的信息處理系統，人腦的工作原理為包括地圖制圖在內的多個領域的智能化研究提供了重要啟示。在人工智能領域，存在許多具有挑戰性的工程問題，如在計算機視覺或圖像理解任務中，人們通過視覺神經系統能夠快速且準確地感知外界約70%以上的信息，而現代計算機視覺系統在處理類似任務時往往需投入大量時間與計算資源，其性能與代價之間明顯不匹配。因此，研究人員嘗試從人類視覺神經機制中汲取經驗，模擬人腦在信息編碼、并行處理和能量利用方面的特點，以優化計算機系統的計算效率與智能水平。

類腦計算是類腦智能的核心技術基礎，而類腦智能則是類腦計算的最終目標，兩者共同致力于通過模擬人腦機制實現高效、低耗的計算機智能。

智能地圖制圖領域也面臨著同樣的問題，地圖制圖專家們在處理地圖制圖特別是地圖制圖綜合問題時是怎樣思考和行動的，能否讓計算機也像地圖制圖專家們的大腦一樣思考并指導地圖制圖綜合的行為（制圖要素的選取、化簡、概括和相互關系處理），這正是類腦智能和類腦計算用于地圖制圖要研究的問題，因此類腦智能研究為智能地圖制圖的研究打開了一扇大門。

03

深度學習和生成式人工智能為智能化地圖制圖提供了廣闊應用場景

深度學習是時空大數據時代機器學習發展的重要分支與新興浪潮。機器學習通常指通過算法使計算機能夠從大量歷史數據中自動學習規律，從而對未知樣本進行智能識別或對未來進行預測。而深度學習則特指基于深層神經網絡模型的方法體系，是在統計機器學習與人工神經網絡等傳統算法模型的基礎上，伴隨當代大數據與高性能計算的迅速發展而興起的。深度學習的核心技術特征在于其具備自動提取特征（即深度特征表示）的能力。與依賴人工設計的淺層特征相比，深度特征在表示能力、穩健性與泛化性方面均具有顯著優勢。深層神經網絡是深度學習實現自動特征學習的基礎，其本質可視為多層非線性變換的嵌套結構。借助這一機制，計算機能夠依托大規模時空數據實現自主學習，從數據中抽取高層次的語義特征與規律。目前，深度學習已廣泛應用于語音識別、圖像識別、自然語言處理等智能感知與理解任務，在推動人工智能核心技術進步的同時，也為智能地圖制圖等地理信息領域的“知識工程”瓶頸問題提供了新的解決思路與技術路徑。

生成式人工智能的核心在于通過模型和算法學習，發現數據（文本、圖像、音頻、視頻等）的內在規律，并生成具有邏輯性和原創性的新內容，是人工智能領域的重要研究分支。自2022年ChatGPT發布以來，生成式人工智能得到了迅速發展，并在全球范圍內引發了廣泛關注與應用熱潮。2025年初發布的DeepSeek模型在技術層面的突破，使其成為社會與學界熱議的焦點。同時，“人工智能+”“大模型”“算力”等關鍵詞被寫入政府工作報告，表明生成式人工智能已提升至國家戰略性技術的高度。從技術角度來看，生成式人工智能是深度學習向更深層次和更廣泛應用的最新發展，形成了以“大數據+大模型+大算力”為核心的新型思維定式。在這種思維定式下，芯片算力成為關鍵支撐要素，數據規模構成核心競爭力，而模型參數規模則成為衡量技術進步的重要指標。就地圖科學領域而言，生成式人工智能不僅為解決智能地圖制圖中的“知識工程瓶頸”提供了新思路，更在地圖集總體設計、圖組結構設計、圖層構建、圖面表達及自動化地圖生成等更深層次環節展現出顯著的適配性與廣泛的應用潛力[24]。該技術正推動制圖自動化、語義分析及空間認知表達等關鍵環節的技術突破，為智能制圖與地理信息系統的深度融合發展提供了重要的理論基礎與應用支撐[25]。因此，生成式人工智能有望推動地圖科學從傳統的數字化制圖階段邁向以知識生成與認知建模為核心的數智化發展新階段。這里要指出的是，科學性和準確性是地圖科學的核心，而生成式人工智能目前的固有缺陷是“概率性”生成帶來的“幻覺”問題，即模型輸出與真實數據或事實不符。在數智化地圖制圖過程中，要定期清理幻覺數據，構建安全可信的時空大數據標簽體系，以提升數據的可靠性；同時，通過建立動態更新的信息源和知識庫，并對數據的可信度進行標簽化管理，研發專門的“幻覺”治理技術和平臺，以實現幻覺數據的自動分析、深度鑒偽、虛假信息檢測及傳播溯源，以降低“幻覺”出現的概率，確保地圖科學的科學性和準確性。

地圖科學的數智化仍需堅持人與人工智能的密切協同

在當前人工智能技術蓬勃發展和廣泛應用的形勢下，如何認識和處理好人與人工智能的關系，是一個需要重視的問題。目前，對人工智能存在兩種極端的觀點：①認為人工智能無所不能；②認為人工智能并沒有那么“高級”。這兩種觀點都失之偏頗。正確的認識和做法應是計算機（電腦）人工智能與人類（人腦）智能深度融合和密切協同，這是解決智能地圖制圖問題一劑良藥。當然，這是一項十分艱巨的研究與實踐課題，可以從以下3個方面來理解。

（1）這是一項長期的戰略任務。人腦智能的特點是人腦思考問題的層次化和結構化知識，計算機人工智能是用模擬延伸和擴展人的智能的理論、方法、技術及應用系統，人工智能與人腦智能的深度融合既各司其職又深度融合。

（2）這是一項目前已取得系列成果且未來發展還有很大空間的戰略任務。在地圖科學發展史上，從來沒有像今天這樣，面對天空地海一體化的大規模海量多源異構和多維動態的數據流（流數據），地圖的實時動態性、主題多變性、內容廣泛性、載體多樣化、表現形式個性化、應用泛在化、傳播網絡化等特征，是以往任何時期都無法比擬的。智能地圖制圖的未來發展還有很大的創新空間，時空大數據密集型計算將成為智能地圖制圖的基本特征，人工智能將成為促進解決智能地圖制圖領域“知識工程”瓶頸問題的關鍵，面向智能地圖制圖領域的類腦智能與類腦計算、深度學習與生成式人工智能研究將促使智能地圖制圖取得重大突破。

（3）這是一項經艱苦努力能夠實現的戰略任務。從地圖科學發展演變的視角看，計算機數字地圖制圖技術取代傳統手工地圖制圖技術，是地圖制圖技術上的一次根本性變革和里程碑式事件，這在當時不也是不敢想象而最終實現了嗎？智能化地圖制圖綜合與多尺度級聯更新關鍵技術這個“百年國際難題”不也是在實現“四個轉變”（由“主觀過程→客觀的科學方法”、由“定性描述→定量描述”、由“基于模型的制圖綜合→基于模型算法和知識的制圖綜合”、由“單一要素、單一過程的自動制圖綜合→基于自動制圖‘綜合鏈’的全要素全過程智能地圖制圖綜合過程控制與質量評估”）的基礎上得以實現了嗎？所以，貴在堅持，只要堅持下去，時間會給我們一個滿意的答案！近幾年來，腦科學、神經科學、認知科學和人工智能技術取得了可喜進步，類腦智能與類腦計算、生成式人工智能等的研究與應用取得了可喜的成果，應該堅持跨界融合，實現計算機人工智能與人類智能的深度融合。

總結

地圖科學是一門致力于重構非線性復雜地理世界的綜合性學科[26]。作為其重要組成部分的地圖制圖學，既是一項極具創造性的技術性工作，也是一個高度復雜的認知與思維過程，其中邏輯思維（抽象思維）、形象思維與靈感思維交織并存。邏輯思維能夠較為方便地通過模型與算法進行形式化描述，而制圖過程中廣泛存在的形象思維與靈感思維則往往具有模糊性與不確定性。許多情況下，即便是經驗豐富的制圖專家，也難以清晰解釋某一制圖決策為何如此處理而非彼此替代，這一特征使得制圖知識的計算化表達與自動化實現面臨巨大挑戰。在此背景下，亟須從基礎層面開展系統性研究，以探明地圖制圖過程中起作用的知識類型及其形成機制，明確這些知識的獲取路徑與組織方式，構建符合地圖制圖規律的演繹推理機制與控制策略。這些基礎理論與方法問題的解決，依賴于長期、持續而扎實的科學探索。近年來，人工智能技術的快速發展與廣泛應用，尤其是腦科學與神經科學、類腦智能與類腦計算、深度學習及生成式人工智能等前沿方向的突破，為地圖科學的數智化轉型提供了重要的理論啟示與技術支撐。通過空間認知與行為的計算建模，可深化對人類制圖認知機制的理解；基于類腦智能與類腦計算的地圖知識工程，為復雜制圖推理提供了新范式；生成式人工智能的引入，則為智能化地圖集設計、制圖與多媒體泛在傳播開辟了全新的技術路徑。可以預見，隨著人工智能與地圖科學的深度融合，地圖科學正站在新的歷史起點上，邁向以智能認知與自主生成能力為核心特征的數智化發展新階段！

引用格式：王家耀, 陳琳, 程士源, 王利軍, 熊思奇. 人工智能賦能地圖科學數智化[J]. 測繪學報, 2026, 55(3): 381-389

作者簡介 ：王家耀（1936—），男，中國工程院院士，主要從事地圖學理論、地理信息系統、網格地理信息服務及時空大數據理論、技術與應用研究

來源：中國測繪學會