PPT图文 | 中国GIS软件技术发展40年及AI GIS进展

ESRI在1982年发布ArcInfo，这是全球第一套商业化的GIS软件。

中国第一套国产GIS软件诞生于1987年，晚了5年，由北京大学遥感所研发，名叫PURSIS。

这套软件是任伏虎等几位承继成教授的学生，把各自的研究成果集成在一起做出来的。第二年改名为SpaceMan，开始对外销售。

从1987年起的第一个十年，一大批国产GIS软件相继诞生。

1989年地质大学的MapCAD，严格说还是制图软件，不算GIS；1992年GeoStar开始研发；1993年北大的CityStar，是国内首套Windows上的GIS软件，此前PURSIS还是DOS版。

之后还有中国林科院的ViewGIS、中国地质大学的MapGIS等相继问世。

1996年，我在中科院地理所读博期间写了一套ActiveMap组件式GIS，距今整整30年。应用于所在课题组承担的横向项目上，后来更名为SuperMap。

第二个十年，一大批知名GIS企业集中成立。

超图成立于1997年，北京吉威是1998年，1999年最热闹——武汉中地、武汉吉奥、北京灵图都是同一年成立。后面还有苍穹、南方数码、中遥地网等。

第二个十年，是组件式GIS、Web GIS、移动GIS、跨平台GIS全面发展的阶段。

超图成立后，大约在2000年才发布第一个面向外部开发者的组件式GIS。此前的ActiveMap只是自己做项目用的开发平台。

2001年到2002年，又陆续发布了Web GIS和移动GIS，从客户端到服务器端全面成长起来。

2001年开始研发跨平台GIS，2005年发布第一个版本；2006年开始研发二三维一体化GIS。

大型全组件式GIS，是一个弯道超车的产品。当时超图研发人员少，想跟大公司竞争，只能另寻路径。

以前开发桌面GIS用的是脚本定制，开发能力受限。超图做了一个纯组件式的产品，可以放进VB、VC这些通用开发环境里开发。

过去要靠写代码、用坐标计算来定位界面，很麻烦，还得运行一遍才知道界面长什么样。纯组件式GIS是所见即所得，非常方便。

另外，传统方式定制系统后，分发时要连同桌面软件一起安装，桌面GIS软件很贵，成本很高。组件式GIS是轻量软件，安装包小、分发成本低，这就吸引了很多开发商。

由此开启了从桌面GIS向开发式GIS的转型，超图也借此切入市场。

跨平台GIS，不只是弯道超车，而是一次换道超车。

2001年立项时，所有主流GIS软件都已经跑在Windows上了，支持的是x86芯片、Windows系统，用微软的C++开发。

超图立项跨平台，是因为Windows GIS在客户端没问题，但服务器端做Web GIS时还要考虑Linux、Unix等系统，必须跨平台。这个过程很艰难，4年后才发布第一个版本。

超图用的是标准C++。“标准C++”和“微软C++”只差两个字，差别却很大：微软C++有庞大的功能类库，微软已封装好很多功能，调用即可；标准C++一切都要自己写代码，难度和工作量都十分巨大。这项工程干了12年才真正成功。

跨平台立项是25年前的事，如今信创的核心正是跨平台。可以说，超图是提前20年为信创替代打下了基础——当时并不知道有信创这回事，出发点只是要支持服务器端的操作系统。

第三个十年，是从服务式GIS到云GIS的发展。

2007年，IBM推动SOA体系架构，让Web GIS从一种API调用升级为面向对象的Web GIS，能力往上提了一步。

云出现后，超图先在云上做了简单改造，让GIS能在虚拟机上运行，即“云使能”；2013年进一步做到“云就绪”，针对云计算做了升级优化；再往后，推出了云GIS管理器。

2006年，也就是第二个十年的最后一年，超图立项了二三维一体化GIS。因为要推翻以前开发的独立的三维软件，工作量巨大，而且很长时间公司没有三维产品可售，公司内部为此争论了一个月，但最终拍板必须做。

该成果于2009年发布，是全球第3套二维三维一体化的GIS软件，领先国外同类产品整整7年。

二三维一体化的价值在于：不再需要两套软件来回切换，不用为二维建一个库、为三维再建一个库，也不再需要二次开发把两个软件缝合起来。它解决了“既中看又中用”的问题——三维负责“貌美如花”，二维负责分析计算“干活养家”，当然，后来三维也发展了大量空间分析处理算法。

凭借换道超车和弯道超车这两项创新，2015年，超图的三维GIS市场份额超过了当时国际领先的三维GIS软件，整体GIS市场份额也超过了当时的国外软件，在国内双双夺冠。

进入第四个十年，技术变化明显加快，一系列新技术密集登场：大数据GIS、云原生GIS、边缘GIS、三维场模型、GeoAI 1.0（2019年发布）、分布式GIS、空间区块链、开源空间数据库“禹贡”、遥感GIS一体化，以及2024年推出的空间智能体。

去年又推出了智能体原生的服务器GIS软件，今年推出智能体原生的桌面GIS软件——所谓智能体原生，就是“原生为智能体设计的GIS”，与传统GIS长得完全不一样。

这十年技术变化非常快，有了更强的AI加持，下一个十年还会更快。

超图三十年的实践，可以总结为一句话：创新可能找死，但不创新肯定等死，尤其在技术变化极快的AI时代。具体体会有四点：

第一，没有架构性创新，很难超越领先者。公司还小的时候，只有架构性创新才有可能超越领先者。因为同行要跟进，需要好多年。跨平台、二三维一体化都是这样的例子。

第二，每代架构性创新，5年都未必成功。这对耐心是极大考验：跨平台从2001年干到2013年，12年后才把超图的Windows版本替换掉；二三维一体化干了9年才证明是成功的。

第三，没有领先的需求，就没有领先的技术。二维时代国产GIS是摸着国外软件跑，三维时代国内应用需求远超欧美，这些新需求给了超图领先的机会。

第四，没有宽容的氛围，就没有战略耐性。创业初期的产品并不成熟，正因为客户愿意给机会让我们成长，超图才能坚持下来，特别感谢在座各位教授一直以来的鼓励。

下面介绍几个方面的进展，首先是三维GIS。

超图现在推出的是“Web3D与游戏引擎一体化”的路线。

有的系统需要做大屏，要求效果炫；有的系统需要嵌入Web的业务系统，真正解决业务问题。超图的思路是：依托一套二三维一体化的数据库、一套GIS软件，通过游戏引擎插件接入，游戏引擎访问超图的空间数据库、调用空间分析，面向可视化做应用和大屏；同时用同一套数据库和软件，通过Web3D开发业务管理分析系统，超图在可视化上重点投入Web3D，在Web上把3D做好，面向业务系统。

这样一套软件、一套数据，两类需求完全兼顾，实现“既中看又中用”。

游戏引擎访问空间数据库的效果非常炫，数据存在数据库里，游戏里甚至可以调用空间分析来运算；纯Web的Web3D效果也越来越好，无需安装插件。

视频 游戏引擎插件可视化效果(UE)

这一页展示的是游戏引擎插件的可视化效果（基于虚幻引擎UE）。

视频 Web3D可视化效果：海岸地形

视频 Web3D可视化效果：工业管网

视频 Web3D可视化效果：城市数字孪生

视频 Web3D可视化效果：实景三维

这一页是纯Web的Web3D可视化效果，覆盖海岸地形、工业管网、城市数字孪生、实景三维等多个场景。

Web3D无需安装任何插件，在浏览器里就能直接呈现三维效果，面向业务管理系统，用起来门槛更低。

三维不只有可视化，还有空间分析算法。

这张图里，三维空间分析算子有205个——其中实景三维处理102个、模型对象运算78个、三维空间分析25个；二维空间分析算子更多，有300多个。三维算法总共有两三百个，二维就更多了，这才是三维GIS真正的能力所在。

图 高架桥受力仿真

视频 流体冲击仿真

三维还能做各种仿真。

比如车在高架桥上行驶时桥体应力的变化、流体的冲刷等，这些都可以与一些专业的仿真软件打通、衔接。

这一页展示的是高架桥受力仿真和流体冲击仿真两个场景。

下面进入云原生GIS的进展。

云原生GIS 1.0于2018年发布，实现了微服务、容器化、自动化编排，领先美国软件三年。

这张图里，1.0阶段是微服务、容器化、自动编排；2.0阶段进一步加入了服务网格和无服务器计算。

微服务是什么？原来的Web是一整个大的单体服务器，如果一个功能算法被调用很多，整个单体服务器就要启动很多份，非常浪费空间和时间，启动慢、也浪费内存。

超图把Web服务器后台拆成若干小块，每块可以独立运行，用哪个功能就只让哪个功能运行，大幅节约了云计算的算力和内存。

后来又发布了无服务器计算：一个空间分析算法就是一个可独立启动的服务，用得多的算法就启动100个备份去应对，其他算法不受影响。

此外还有一个好处——故障隔离：某个模块出问题死掉了，其他模块继续运行，不会导致整个系统崩溃。所以云原生是一项非常有价值的技术。

云原生发布后的第二年，云南地质大数据平台就上线了。

这个平台有100多个微服务节点、1000多个服务实例，日访问33万次、高峰1700多万次，把非常大的数据量支撑了起来，整个系统实现了高可用，稳定性也得到增强。

下面进入AI GIS（AI GIS）的进展。

AI GIS给GIS带来了三大改变。

第一，地理空间AI的算法模型库突破了GIS的能力边界——以前GIS做不了的事情，由AI算法来补充完成。

第二，空间智能体重塑了GIS软件的形态。操作方式将发生很大改变：原来是靠鼠标点击工具条按钮，现在一个指令框就够了。

第三，AI编程带来另一个改变。以前是为人开发GIS软件，以后则是为AI开发GIS软件——API是让AI来调用的，不是让人用的。人用和AI用是两个完全不同的概念，对软件的要求都不一样。

今年发布的AI模型库有135个，既有大模型也有小模型。

一个大语言模型解决不了专业问题，现在的方式，是由大语言模型调用这些专业小模型来干活，模型库每年都在迭代。

这张图展示的是地理空间AI模型库的五大模块：遥感影像处理、三维数据处理与分析、遥感影像解译、空间分析、知识管理与生成。

智能体正从“智能体赋能的GIS”向“智能体原生的GIS”演进。

智能体赋能的GIS，是在原来的GIS里加一个agent外挂，用指令命令它干活，不用敲鼠标键盘。这是2024年首次发布的，以人工操作为主、智能体为辅。

智能体原生的GIS，是去年首发的服务器端软件，它原生以智能体为核心设计：没有那么多菜单和工具条，就是一个对话框，像GPT一样跟它对话，智能体是系统的中枢和主交互入口，以智能体为主、人工为辅。

当然还需要时间替代：智能体自动化规划任务的成功率目前只有70%多，还有约三分之一可能做不出来。再过几年，智能体原生会逐渐成为主流，目前智能体赋能仍是主流。

视频 三维场景配置（智能体赋能）

这是智能体赋能的一个示例：在三维场景里，用户可以在命令框用自然语言下指令，让它优化场景、调整光影、打开建筑的盖子查看内部设施，它就能照做。

有了这个对话式的智能场景助理，不需要专业的软件操作技能，也能完成三维场景的配置。

视频 微流域危险性分析

今年展示的都是真实用户的案例，去年讲的还是自家demo。

微流域危险性分析：微流域因短时间内遭遇巨量降水而存在的风险。做这种危险性分析，只要告诉智能体即可完成。

视频 云南某单位地理空间智能体

云南某单位的地理空间智能体：用于土地利用分析，寻找连片耕地——云南地块比较破碎；再对比两个时相的耕地变化、找到变化点位和区域。

这些分析都可以由智能体自主规划完成，用户只需要用自然语言提问。

视频 基于SuperMap Skills的AI编程（TRAE）

在AI编程方面，现在是为AI而写代码。

用字节跳动的TRAE编程工具，把工具交给它，再给几行简单的提示，就能开发出一个GIS系统，非常简单。

如今已不需要员工、学生自己动手开发软件，而是用AI来开发软件——现在要做的是“开发GIS软件”本身。生产力得到很大提升；反过来，这对老师培养学生能力的方式也带来了天翻地覆的变化，既是很大的冲击，也是很大的机会。

AI时代的GIS平台可分为三类：一是AI赋能的（AI算法），二是智能体赋能的（外挂智能体），三是智能体原生的。

在这三类之下，封装着面向智能体的工具接口和技能；再往下是分析处理的工具集，包括经典的空间分析算法、空间AI算法以及地图可视化工具。

最底层是多模态的空间数据引擎——原来的空间数据引擎是给GIS软件用的，现在也为AI准备，目标是让AI更好地理解空间数据的接口。

AI时代GIS的研发，可以概括为三个词。

谢谢大家！