GeoAI 的集体错觉：所有人都在给地球"看图识字"
打开任何一场带有 GeoAI（地理AI或者空间AI吧） 的产品发布会回放，你会看到同一个演示：一张卫星影像铺满大屏幕，几秒钟后，建筑被框出来，道路被描出来，地块被染上色。掌声响起。换一家公司、换一个 logo 再看一场，大概一样的套路，换个地儿而已。
每每看到这些视频，我总有一种说不出的错位感。地理世界的问题清单那么长：选址、网络、流向、人怎么在城市里移动。怎么 AI 一来，全行业突然只剩一个问题了——这张照片里有什么？
Landsat 卫星眼中的勒拿河三角洲。这样的照片，人类每天新拍几十 TB。
一个可以量化的错觉
真不是我矫情。为了这件事细细的去找找数据，我认真数了一遍。
产品侧：国内外 13 个自称 GeoAI 的代表性产品——Esri、Google、Planet、商汤、华为、阿里、航天宏图、中科星图……逐个核对核心任务。约 77% 本质上就是"对遥感影像做计算机视觉"；剩下几个号称有"预测分析"的，预测的输入依然是影像识别的输出。纯粹不做影像识别的 GeoAI 产品，一个都没有。
学术侧更直白。Mai 等人 2025 年的综述对 Web of Science 上 20,486 篇 GeoAI 论文（几乎都是遥感视觉）做了计量分析：
前二十五年，这个领域每年只有个位数论文。2015 年之后，九年涨了 42 倍。引爆点不是哪个地理问题被攻克，而是深度学习成熟了——这个领域被一项外来技术撞了一下，整个人群涌向了最容易撞开的那个方向。 这个趋势并不是我们现在理解的AI到来以后才形成的，其实是拜深度学所赐。
我自己对此的解释到这儿该登场了：需求大嘛，市场选择的。
四条明面的链，和一条藏得更深的
先看明面上的四条供给链。
数据：2008 年 Landsat 四十年档案全部免费，欧盟 Copernicus 跟进，Planet 每天把整个地球拍一遍。卫星影像几乎是唯一同时满足"免费、海量、每日更新、拿来即用"的数据。
方法：对 CNN 和 ViT 来说，卫星照片和猫的照片没有区别，都是像素格。ImageNet 预训练模型微调一下，几百个标注样本就能完成一个州的土地利用制图。而矢量、路网、轨迹这些 GIS 的"正统"数据，连等价的预训练范式都不存在。
基准：SpaceNet 的 1100 万建筑轮廓、xView 的 100 万目标、DOTA 的 179 万旋转框——像当年的 ImageNet 一样，把"研究什么"换成了"哪个榜上还能涨点"。
金主：xView 的出资方是美国国防情报体系；NGA 立了 7 亿美元的专项给卫星影像 AI 标注付钱。农业估产、保险定损也一样：“替我人眼看图”，识别结果直接对接决策。
四条链摆完，答案似乎是验证了供给侧决定论。但还值得再想想——同样的问题可以问每个行业：医疗 AI 先看片子，法律 AI 先读合同，教育 AI 先改作文，为什么？
这不是地理的意外，是这一代 AI 的物种属性：它是感知动物。 这波技术的内核是从数据里找相关性——看图、听音、读字，全是感知。而地理学的核心问题从来不在感知层：选址、规划、调度，全是决策。“如果我在这里修一条路，会发生什么”——这是反事实问题，要因果，要约束，要对空间的内部模型。AI 行业还没在任何领域解决因果，地理只是其中之一。遥感影像识别，是感知范式和免费数据在地理领域撞出的交点——它不是需求的形状，是范式的形状。
GIScience 界已经有人警觉。Goodchild 和一批顶级地理学家 2024 年把话挑明：用 GeoAI 做研究的人很多，把 GeoAI 本身当科学研究的几乎没有。ISPRS 一篇 2026 年的系统综述更狠，直接测全行业的"空间显式性"——这些模型真正建模了多少空间自相关和异质性？答案是非常有限。
Sentinel-2 拍摄的巴西中西部农田。数田、估产，是影像识别最直接的买单场景。
需求侧的三级火箭：标配化不是终点，是门票
从业者 Gus Gonzalez 在 LinkedIn 上写过一句让我深以为然话：“影像没有面积，影像没有位置。地图才有。” 他骂 GeoAI 工具"像二十年前的企业 GIS 软件"。骂得狠，但指向同一个事实：识别是入口，不是终点。而需求侧已经在往终点走。
买单方的演化，是一枚三级火箭。第一级是识别：照片里有什么。第二级是监测和预测：它怎么在变、下一步会怎样——保险从定损做到参数化触发，农业从数田做到估产。第三级是决策：既然知道了，现在怎么办——选址、调度、审批、打击链。每向上一级，付费更高，技术也完全不同：识别要一张图，监测要时间序列，预测要因果，决策要约束和仿真。拥挤在第一级的人越多，第三级的空白就越显眼。
与此同时，第一级正在变成标配。Google 的 AlphaEarth 已把整个地球压成 10 米分辨率的通用嵌入向量(embedding)，免费放在那里。很多人把这当成行业的坏消息，我的判断相反——浅层技术的商品化，从来不是深层技术的死亡通知书，而是它的出生证。 NLP 走过一模一样的路：2013 年 word2vec 把词变成免费向量，做词特征的公司死了一片，但正是这层免费基础设施，长出了 2018 年的 BERT 和后来的推理模型。标配化干了三件事：清场，把只会做检测的厂商挤出去；打底，让下一代技术站在免费的地基上；转移瓶颈，让真正值钱的问题浮出来。
第三级和前两级的区别，不是难度大一点，是游戏规则换了。识别尚在开环，决策才是闭环。 模型框错一栋楼，世界毫无反应；但系统选了一个址、撤了一个村，世界立刻做出反应——人流改道，房价重排，新的拥堵在另一条路上长出来，而这些反应又会变成下一批训练数据。监督学习从静态快照里学规律，决策面对的却是被自己扰动的分布——光靠"更准的模型"，永远跨不进第三级。
评价标准也跟着换了。第一级数错对：框对多少、框错多少，准确率一目了然。第三级称轻重：误报一个滑坡点和漏报一个，代价天差地别，而这个代价该是多少，没有任何标注能告诉你，只能由具体的人、具体的村、具体的财政来决定。**识别时代比的是谁的模型准，决策时代比的是谁更懂动作下去之后世界怎么变。**这个东西论文里没有，只能在领域里一年一年泡出来。
下一个 ImageNet 时刻，是考场不是题库
破局点在哪？我的判断：地理智能的"ImageNet 时刻"，不会是一个更大的数据集。
识别时代的里程碑是题库——标注得越多，模型越强。但决策时代的里程碑是考场：一个让智能体去做选址、做调度、做规划，并且对决策质量打分的环境。题库装的是世界的快照，考场装的必须是世界的反应。Atari 和围棋对强化学习做的事，就是地理决策智能现在缺的东西。这两年，GS-QA、GeoBenchX 这些空间推理基准已经冒头，大模型们的成绩还很差——它们连一张内部空间地图都还没形成。但这恰是卷子该有的样子：先有考场，后有考生，最后才有产业。谁先造出这个考场，谁出卷子，谁定义下一个十年。
前阵子和一位老同事吃饭。他这些年一直在做 InSAR，拿 SAR 数据做滑坡隐患分析，说现在轻松多了——形变图丢给模型，几分钟筛出几百个可疑点；搁十年前，这些图他的小弟们要趴屏幕前看几周。
我问他：筛出来之后呢？几百个可疑点，哪个真会滑？什么时候滑？滑下来，先撤哪个村？
他端着杯子想了想，说：这个，还得我去现场。我觉得这个答案也合理，我问的问题本来也不该全是软件的事儿，这样也挺好，咱们GISer还有的活可干！
把可疑点筛出来的是 AI，把"要不要撤人"答出来的，还是一个在泥里爬过边坡的人。从屏幕到现场之间这段路，就是这个行业接下来十年的活。