当前，国土空间治理正经历深刻变革。城镇化由增量扩张转向存量提质，规划由静态蓝图转向动态监测，决策由单一目标转向多价值权衡。传统以“一张图”为核心的空间数据整合模式，虽实现了自然资源的“看得清、查得明”，却仍停留在对国土空间的“形态刻画”层面，难以应对复杂、动态、多约束的治理新挑战。

进入“十五五”，空间治理的核心矛盾已从“数据缺失”转向“认知不足”。我们亟需推动人工智能与“一张图”从浅层结合走向深度耦合，由“人看机器辅助”转向“机器智能辅助人决策”，构建以空间认知智能为驱动的新型治理范式，形成国土空间治理的新质生产力。

这一转型的实现，需沿着两条相互赋能、螺旋上升的路径展开，即“AI for One Map”与“One Map for AI”。

该路径以业务标准化为前提，将AI能力深度嵌入已有工作流程，使“一张图”从静态数据库升级为具备推理与协同能力的“智慧大脑”。具体从流程再造、数据治理、智能体编排、场景交互四个方面系统推进。

流程再造，从“人能跑”到“AI能接”。系统梳理国土空间业务的标准作业程序，拆解出高频、重复、规则明确的节点（如数据导入、指标核算、报告生成），交由AI承接；保留需要专业判断与价值权衡的环节由人类主导，形成稳定、可复用的人机协同模式。

数据治理，AI是“翻译官”也是“分析师”。利用AI实现多源异构数据的字段补齐、语义对齐与主题宽表构建，为后续智能体运行提供高质量“燃料”。

智能体编排，封装可复用的空间能力。面向通用场景，构建“问策、问数、问图”等标准组件；面向特定业务（如耕林冲突识别、方案生成、要素组合供应），封装专业智能体，实现对业务应用的快速集成调用。

场景交互，从静态看板到“空间智能副驾驶”。在具体业务中形成“AI辅助分析 + BI承载决策”的人机协同模式。决策者不再是“看图纸、刷指标”，而是与具备上下文感知能力的智能体进行敏捷探查与推演，实现从信息展示到动态决策的跃迁。

传统行业大模型多限于文本知识的微调，无法理解空间位置、地理实体与拓扑关系。要实现真正的空间智能，必须让AI具备感知物理世界、推理空间规律、反馈现实行动的能力，即构建VLA（视觉-语言-行动）驱动的空间智能闭环，需要开展三方面铺垫：一是建好知识底座，二是突破隐性经验，三是打造空间基座模型。

知识底座，让AI读懂空间规则。将政策文件、技术规范、历史案例等转化为可检索、可推理的文本语料，同时让AI能够调用GIS分析工具，理解地图上的地理实体、空间关系与专业属性。

隐性经验结构化，把“做过、被打回、协调过”的具体经验转变成决策逻辑。将规划与治理中形成的隐性经验——如价值导向、博弈规则、历史偏好——通过结构化方法转化为AI可用的决策思路，弥补纯数据驱动的局限。

空间基座模型，从“词元”到“图元”。在国家数据定义的“词元”之外，构建涵盖空间位置、地理实体、拓扑关系与动态演变的“图元”训练体系。以此为基础训练空间基座模型，支撑视觉-语言-行动统一架构的低空具身智能等前沿应用，实现从感知到推演再到行动的完整链路。

空间基座模型