给大模型出了四道地图题之后，我对 GIS 的想法又变了

10 月 8 日，Mapbox 发了一个开源命令行工具。我翻它的说明文档，翻到一半才反应过来：这东西主要不是写给人看的。它预设的用户是 Claude Code、Cursor 这些编程智能体，人类开发者倒像是顺带的。

读完我有点坐不住。上周因为和老友用workbuddy做的地图做对比，就上线了一张「全球要素图」，后来一点点让grok/muse增加晶圆厂、核电站、算力中心，一个点一个点地核坐标、标出处。要是以后来查地图的主要是模型，我做的这些，对人类还有没有用？

想不清楚，干脆试一下。网站上本来就接了一个 AI 助手。昨天中午，我出了四道题让它现场答，自己再用代码把标准答案算一遍，对着看。

它答对的，和它编出来的

第一题最简单：深圳、上海周边 500 公里内，各有多少座晶圆厂？

它答 23 座和 47 座，还按运营、在建、已终止拆开。我对了一下，一个不差。说实话，“注意：数据里同一公司在同一城市常有多个厂点（如中芯国际、 华虹、三安各按多座厂点计），上述数字是图层的厂点数而非公司数。”一这句提醒比我预想的细心。

第二题是我故意挖的坑：日本哪个县的晶圆厂最多？我的数据里没有「县」这一栏，网站上也没有县界。

第一次，它转了 10 轮、4 分钟，最后什么也没说出来。我又问了一遍。这回它先按城市数，再凭印象把城市归到县里，答得有板有眼：三重县 11 座，东京 9 座。三重县对了。东京其实是 10 座；排第三的长野县有 7 座，它提都没提。

要不是手边有复算结果，我大概就信了。

第三题，东亚在建的 12 寸晶圆厂有哪些。同一句话我问了两遍。第一遍它说 3 座，后面还加了「已核实」三个字；第二遍说 10 座。10 座是对的。看到「已核实」那一下，我后背有点发凉。

第四题，MLCC 厂在哪儿。它说图上没有，又补了一句「搜了村田、太阳诱电，0 条」。图上确实没有 MLCC 厂，这个结论没错。可图层里明明有 10 条村田和太阳诱电的记录，造的是声表器件、MEMS 这类东西。它其实没搜，只是觉得自己该这么说。

让我意外的，是它学得有多快

先说好的。网站给助手开放了 22 个工具，它头一回见，第一轮就会用。算距离、画半径、排序，它都交给程序，自己不碰数字，这一类题一道没错。

我不由得想到，GIS 软件过去拿来卖钱的那些本事，缓冲区、点在不在多边形里、找最近的点，开源库里早就有了。模型只要会调用，用得比大多数人还顺手。靠菜单和制图功能吃饭的 GIS 软件，往后的日子确定无疑不太好过。

界面还在，只是看的人换了

回头再看 Mapbox 那个工具，越看越觉得它在讨好一位新读者。输出默认是 JSON；加上 --schema，模型不用试错就知道参数怎么填；–dry-run 能先预演一遍；出了错，还会告诉你下一步该怎么办。这些都是很体贴的界面设计，只不过体贴的对象是模型。

日本那道题就栽在这儿。「一个坐标落在哪个县」，这种接口早就有，Mapbox 有，日本国土地理院也有。可它不在助手的工具箱里，助手不知道，就只好拿记忆去补。我猜以后接口之间，会有点像当年网站抢搜索排名：说明写得清楚、参数好猜、报错看得懂的，更容易被模型找到，也更容易被用对。

它缺的，其实不是聪明

再看答错的那三道题，我发现它缺的都不是智力。

日本那题，缺一个接口。东亚那题，缺一句定义：「在建」算不算上「规划中」。这得怪我，我的数据里两种写法都有，从来没跟它讲清楚过。MLCC 那题，缺一点常识：MLCC 是一种产品，村田是一家公司，厂里造什么，另有一栏记着。

只有深圳、上海那题什么都不缺。距离就是数学，用不着谁来下定义。

想明白这点，我把模型面前的东西大致分成三种。一种是算法，距离、缓冲、叠加，到处都有，换谁都行。一种是事实，某个领域独有的数据、刚测到的观测、有权威版本的行政界线。还有一种是口径：什么算在建，什么叫没有，用的是哪一版数据。算法，模型一学就会；事实和口径，它只能找人要，自己变不出来。

还有个细节挺有意思。Mapbox 地理编码返回的结果里写着「不得留存」：你可以问，但不能把答案攒起来自己建库。看来Ta们心里很清楚，值钱的是事实。

那么，等模型面前摆着一千个能算距离的接口，它会挑哪个？我希望是答案经得起复查的那个：写明版本和口径，同一个问题每次给同一个答案，没有就老老实实说没有。东亚那题两次答出 3 和 10，说明这件事指望模型自觉是不行的，得靠接口本身兜住。我现在想给助手的每个回答都附一张小票，比如「深圳 · 半径 500 公里 · 直线距离 · 数据版本 20261014a · 23 条」。谁不放心，拿着小票自己再跑一遍。

我对 GIS 的想法早就变了

去年还觉得 GIS 是一门做图的手艺，看人家做那么漂亮的河流图，山川图，AI做不出来吧。今年和几个模型配合，做的也有模有样。而空间分析的部分，也越来越被AI击败。现在越发觉得，它更可能慢慢沉到底下，成为智能体背后管空间事实的那一层。有点像游戏里的物理引擎：玩家看不见它，可它一旦算错，人物就会穿墙。

做 GIS 的人，手上的活大概也会变：少点菜单，多花心思定义口径、维护真值，在结果后面签上自己的名字。国界怎么画、地图要不要送审、关键设施标不标，这些总得有人担着，你赖模型，领导和用户也不听啊。

地图本身也会换个用处。以前人在上面一步步操作；以后它更像一张验收单。机器说「宁波最多」，你看一眼图上那一小片点，心里就有数了。

最后

测完这四道题，我一直在问自己：我这张地图，给了模型什么它自己造不出来的东西？

如果只是一个好看点的界面，它迟早会绕过去。如果是一份核过坐标、写明出处、讲清口径的数据，它大概会一次次回来找。

跟 AI 聊多了，人会越来越懒，我自己也是。可人想放心地懒，总得有人在后面较真。模型和真实世界之间，得有一层东西为事实负责。我想把极海这张地图，做成那一层。