一句话做出黄河流域图之后，GIS 这门生意还值得做吗？
从 Hacker News 爆款文章《LLM 的批评者说的都对，但是我照用不误》说起——一个 GIS 从业者的对照实验
一、先给你看四张图
图一：福建省倾斜 35° 地形图，哥白尼 30 米 DEM + 哨兵二号 2024 年卫星影像，省界、海岸线、台湾海峡一目了然。
图二：黄河全流域地形图，从巴颜喀拉山到渤海，18 座沿岸城市全部标注古今双名——长安·镐京、洛邑·神都、汴梁·东京、蒲坂·河东。
图三：长江全流域地形图，从沱沱河到上海入海口，20 座名城：金陵·建康、广陵·维扬、京口·润州、渝州·巴郡、夔州·白帝……
这三张图，6400 像素高清，山体、水系、省界、标注全部来自真实 GIS 数据，不是 AI 绘画——每一条等高线、每一条河流的位置都是真的。
图四360张连贯图：长白山旋转视频。 上周的gif没有发出来，这周补一下。流程比上面三幅图复杂。
按照传统工作流，做出这样一套图需要什么？
- 1. 找 DEM、水系、省界数据，甄别数据质量；
- 2. 裁剪、投影转换、配准、标注；
- 3. 去 GEE 或专业数据平台做镶嵌和处理；
- 4. 在 QGIS 里做底图，再搬进 Blender 做 3D 地形位移、打光、渲染；
- 5. 最后做视频、写文案、出报告。
一个熟练的 GIS 工程师，一整套下来，一到两周。这还没算 Blender 的学习成本。
而这四套图的真实生产过程是：一句话，一条 skill，无人值守。我只需要做三件事：说清楚要什么、在探针图上指出"这里不对"、验收成品。从福建到黄河再到长江，第三张图的边际生产时间，已经压缩到了一顿超简午餐。
如果你的甲方知道这件事，他还会为"一到两周"付费吗？
二、那篇 Hacker News 爆款文章，说的也是 GIS 圈的事
最近一篇文章刷屏了 Hacker News：工业软件公司 CTO 杰里米·西奥查里斯的 《LLM 的批评者说的都对，但是我照用不误》 。
他描述了一个魔幻场景：柏林本地优先（Local First）大会上，台上讲者逐条痛批大模型的版权、能耗、垃圾内容问题，台下掌声雷动——而鼓掌的人，笔记本屏幕上大多开着 AI 编程工具。
GIS 圈何尝不是如此。
聚会上，所有人都在说"AI 做的地图没有灵魂"“遥感是经验活”“甲方要的是专业判断”。但私下里，Copilot、Cursor、ChatGPT 一个都不少开。批评和使用同时达到峰值——这就是整个行业的集体认知失调。
杰里米最狠的一个判断是关于开源社区的：大模型普及前，提交一份合格的 PR 需要数小时真实的人类时间，这个时间成本本身就是信任过滤器——维护者知道，肯花三小时写代码的人，至少认真思考过。现在任何人注册一个新账号，就能用 AI 批量生成一百份 PR，过滤器彻底失效。Gentoo Linux 已经公开拒收所有 AI 生成的 PR。
把这个逻辑平移到 GIS，你会发现一件残酷的事：
GIS 服务的定价基础，很大程度上也是同一个过滤器——"费劲"本身。
找数据的费劲、QGIS 操作的费劲、Blender 渲染的费劲、标注排版的费劲。甲方付的钱里，有一大半买的不是地图，而是**"这件事很费劲"这个事实**。当费劲消失，定价就悬空了。
所以先承认，杰里米说得对，批评者们说得也对：
- • 按工时和技能门槛报价的 GIS 外包，确实要死了。 裁剪、配准、渲染、标注这些工序的价值，正在以肉眼可见的速度归零。
- • 会用 QGIS/Blender"作为核心竞争力的工程师，确实危险了。 工具操作技能从来就不是护城河，只是上一个时代的技术稀缺性伪装成了护城河。
- • 初级岗位靠杂活成长的路径，确实断了。 以前新人从数据预处理干起，三年后懂数据、懂投影、懂制图规范。现在杂活 AI 干了，新人连犯错的资格都被剥夺了。
这些全是真的。假装它们不存在，才是真的问题。
三、但那四套地图里，藏着另一半答案
如果我这篇文章到此为止，那就是一篇标准的 AI 焦虑文——流利、正确、空洞。杰里米管这种东西叫 SLOP（本义：泔水、猪食、稀烂的残羹——喂猪的剩菜汤水，一坨稀乎乎、没形状、没营养的东西。引申义是"粗制滥造、倒人胃口的东西"）。
所以我必须诚实地复盘：这三张图的生产过程中，AI 到底做了什么，人到底做了什么。
AI 做的：窗口裁剪、投影转换、高斯平滑、卫星影像重采样、水系烧线、3D 渲染、标注投影的相机数学——全部。
人做的，是一份完全不同的清单：
- • 决定做什么。“黄河全流域、沿岸古今名城、倾斜 35°、高清大图”——这句话本身就是全部的产品定义。AI 不会自己想起要在这条河上标出"蒲坂·河东"。
- • 从源码里挖出关键参数。 第一版黄河图山体全是尖锥——因为直接套用了山地渲染的垂直夸张系数。解决办法是读渲染器的 Rust 源码，找到高度换算公式，反推出流域尺度下正确的夸张倍数（约 13 倍）。这个判断力不来自 AI，来自"知道什么是正确的山"。
- • 杀死错误的方向。 我们尝试过给地图加 Google Earth 式的球面弧度，做了两版实验，结论是：在 13 倍垂直夸张的插画风格里，球面弧线和山体立体感在数学上互斥。放弃，是一种更贵的判断。
- • 在 100% 放大下验收。 长三角的标注集群（南京/扬州/镇江/上海挤在 200 公里内）调了三轮才散开；运城必须落在黄河"几"字弯的正确一侧；苏州的牵引线不能压住太湖。
- • 编辑与取舍。 18 座城市选哪些、古名写"云中·归化"还是"盛乐"、奉节要不要标"白帝"——这是历史地理的编辑工作，不是渲染工作。
就在写这篇文章的过程中，还发生了一个绝妙的插曲：管线重渲黄河图时，输出了一张尺寸正确、标注齐全、但地形全黑的图——文件大小、格式、标签位置一切正常，只有内容是坏的。AI 不会告诉你它失败了，它甚至不知道自己失败了。如果没有人在 100% 放大下看一眼，这张图就是一份合格的交付物。
这就是杰里米说的那句话，一字不差地适用于 GIS：
“模型放大的是你已经拥有的东西——你的观点、你的结构、你的思考框架。如果你有想法，它帮你把想法磨得更锐利；如果你什么都没有，它会给你一大堆看起来很好、但空洞无物的东西，而且流利得一塌糊涂。”
渲染可以外包，裁剪可以外包，但"知道一张对的地图长什么样"无法外包。思考无法外包。
四、信任重构：GIS 的新生意在哪里
杰里米文章的下半场是最有价值的部分。他说，印刷术普及时抄写员抗议，计算器普及时教师抗议——社会从来没有禁止过这些技术，而是演化出了新的信任机制：署名、出版社、同行评审。
现在开源社区拒收 AI 的 PR、读者看到破折号就怀疑是 AI 写的，这些都不是终态，是新信任机制成型前的免疫反应。
GIS 行业的新信任机制长什么样？我的判断是五条：
1. 从卖"产出"到卖"署名"。
大模型时代，愿意把真名署在地图上的人，才是地图质量的担保人。未来的 GIS 交付物会两极分化：匿名的、批量的、廉价到接近于零的地图；和署名的、有人背书的、附带方法与数据来源说明的地图。后者按"你敢不敢对甲方说’这张图我负责’"来定价。甲方面对一百张 AI 地图时，缺的从来不是图，是该信哪张。
2. 从卖"操作"到卖"品味"。
垂直夸张 13 倍还是 30 倍、海面用什么灰度的蓝、古名标注用赭色还是墨色、20 座城市取舍谁——这些没有标准答案的东西，恰恰是唯一剩下有定价权的东西。AI 把地图的"生产成本"打没了，反而把"编辑成本"凸显了出来。 地图行业正在从工程行业变成编辑行业。
3. 从卖"项目"到卖"管线"。
这三张图真正的资产不是图片本身，而是背后那条可复用的管线：换一条河、换一个省、换一个年代的历史图层，一顿饭的时间就能出新图。当单张地图不值钱，"能无限生产合格地图的能力"反而成了产品。 Skill、管线、经过验证的数据清单——这些是可以资产化、授权化、订阅化的。
4. 从"替甲方干活"到"教甲方钓鱼"。
甲方很快也会拥有自己的一句话管线——这件事挡不住。那么乙方的新位置在哪里？在需求澄清、数据甄别、质量验收、领域叙事这一侧。杰里米提到他只用 AI 做"减少产出"的事：不追求做得更多，追求把单件东西磨到自己一个人达不到的高度。GIS 咨询的未来形态也一样：不替甲方生产 100 张图，而是保证甲方自己生产的那 100 张图里，没有一张是黑图。
5. 本地数据与本地管线，是断供时代的安全垫。
杰里米提醒：Anthropic 可以一夜之间对非美国公民禁用前沿模型，没有任何提前通知。GIS 行业对这条应该格外敏感——涉密数据、国土数据、不能出境的数据，本来就不能走云端 API。 跑在本地硬件上的渲染器（比如我们这次用的开源引擎）、自己掌控的数据源、可离线复现的管线，不只是成本问题，是连续性问题。
五、黑图测试
杰里米在文章结尾给了一个简单到残酷的内容质检标准：
“这段文字，你敢不敢站在听众面前，一字不改地朗读出来？”
如果答案是"呃，我得先解释一下我真正想说的是什么"——那就是 SLOP，不能发。
GIS 行业需要自己的版本，我想叫它黑图测试：
这张图，你敢不敢当着甲方的面，放大到 100%，指着任何一个角落说：这里是对的，错了算我的？
尺寸正确、标注齐全、地形全黑的那张图，通不过黑图测试。山体尖成锥子的第一版黄河图，通不过。球面卷曲成哈哈镜的那两版实验图，通不过。而这三张图通过的原因，不是 AI 变可靠了，是有人一张一张看过。
所以回到开头的问题：GIS 这门生意还值钱吗？
卖"费劲"的那部分，不值钱了，而且再也回不来了。
卖"判断"的那部分，正在变得前所未有地值钱——因为当所有人都能一句话生成一百张地图，世界上唯一稀缺的东西，就是知道哪一张是对的、并且敢在上面署名的人。
印刷术没有杀死写作，它杀死了抄写员，然后创造了作者。
大模型也不会杀死 GIS。它杀死的是把费劲当价值的 GIS，然后创造一种新的从业者：懂数据、懂渲染、懂叙事，最重要的——敢把自己的名字，署在地图上的人。