前言

  2025被称为智能体元年，大家都开始搞智能体了，都开始让智能体来解决实际问题。在实际的应用中，大模型承担规划者的角色，智能体承担执行者的角色。2025年GIS大模型和智能体都发展到了什么水平？用一句话简单回答就是，各行各业的GIS从业者基本都在做本行业的大模型训练、微调或智能体构建。毕竟我们GIS已经被应用到了各行各业，别人不比你聪明，你也不比别人笨，大家都在各自的领域发光发热。接下来我们就逐个来盘一盘。

1 搞AI的这帮人都是些什么人？

  搞AI这帮人都是些什么人？关于这个问题，有AI大佬总结出了四类人：

1. 使用AI代工的人。简单来说就是用户知道某件事该怎么做，但是做起来很麻烦，很枯燥，就像电子厂里那帮安装电子零件的工人一样，每一个步骤早已经轻车熟路了，这种不停的、机械的、重复的浪费生命的事理所应当要交给AI做。
2. 解锁了新能力的人。就是那些原本不会编程的人或者不会做某事的人，使用AI/智能体就能出来一个小网站，一个小程序，一个app之类的人，他们发现了新世界。
3. 万恶的资本家们。就是那些老板们，原本要雇佣人帮他们做一些东西，但是突然发现AI也可以做，而且做出来的东西不一定比人工差。他们在对比了AI和人工成本后，发现AI可以24小时干活，成本和人工相比不值一提，于是他们也仿佛找到了新大陆。
4. 在过程中学习的人。我可能就属于这类人了吧，AI太强了，我把他当做我的个人助理和老师。不懂的，问；不会的，问；不明白的，问。主打的就是一个随时随地请教。

2 目前有哪些的典型的GIS大模型？

  我们可以用一张表来表示：

引自武汉大学吴华意老师论文《大语言模型驱动的GIS分析：方法、应用与展望》

通过这张表我们能发现几个问题：

1. 基本都是通过对已有模型的增量训练或者监督微调实现的。
2. 称之为中小模型似乎更为贴切，大模型的参数量至少应该在千亿以上，也可能是大模型太费显卡了，小模型在普通显卡上（显存24G以下）具有更广阔的实验场景。
3. 涉及了多个领域。
4. 尽管微调能够取得较好的效果,但是微调的数据集收集和制作困难,训练成本高,制约了模型微
   调的研究和推广。

对微调感兴趣的同学可以参考作者之前的文章
https://mp.weixin.qq.com/s/SsOiXia2_VUb9WA2sMWj9g

3 这些GIS大模型用到了哪些训练/微调数据集？

我们同样可以用一张表来表示：

引自武汉大学吴华意老师论文《大语言模型驱动的GIS分析：方法、应用与展望》

这些数据大部分不是免费获取的，可用的免费数据可在huggingface获取，不局限于本文介绍

4 有哪些开源的GIS大模型或智能体？

4.1 开源测绘地理信息大模型相关

4.2 开源地理信息智能体（Agent）框架相关

4.3 其他相关开源框架与工具包

5 总结

  这一年和同行们的沟通，或多或少大家都有一份焦虑和庆幸，焦虑的是能不能抓住AI科技发展的浪潮，庆幸的是AI辅助编程表象上是降低了编程的门槛，但实际上是对编程的基础要求更高了，不懂编程的人有极大概率会造成代码混乱加剧问题。
  AI到底会怎么发展？我到底能用AI干什么？也许很多人都曾有过这样的疑问。作者只能说大家目前还都处于探索阶段，乾坤未定，你我皆是黑马。
  虽然目前已经出现了一批如GeoGPT、GeoTool-GPT、MapGPT、autonomous GIS agent 等优秀的智能体工具，但是处于理论阶段、实验阶段还是工程阶段仍有待商榷。这些智能体的功能基本都是通过大模型将自然语言转为代码，然后去调用ArcGIS、QGIS、PostGIS等已经成熟的GIS工具来做分析、制图等。在可预见的未来，应该CASS、大疆等都会有人去做。希望CASS早日完善自己的文档，在官网找了很多次，都没有找到完善的文档。相信未来不能被大模型、智能体使用的工具大概率会被淘汰。
  这一年看了很多论文的原因是没发现几个好用又实用的AIGIS开源框架，所以转向学术界去寻找灵感。关注这个号的同学应该大都是搞工程的同学，建议不要为了做架构而去做架构，同样不要为了做AI而去做AI，适合自己的才是最好的，结合自己的业务方向和兴趣去做，去结合AI，坚持下去，一定能做出来好东西。
  国内的一些GIS大模型，说是发布了，但是好几个都找不到在哪里使用，建议好好学学大厂，做一个平台出来，这里就不一一列举了。回见~