刍议空间智能与地理空间智能

刘瑜; 陈琳; 张帆; 董磊; 许立言; 乐阳; 董卫华; 李海峰; 吴志峰; 柴彦威; 孟小峰; 林珲; 陈军

doi:10.13203/j.whugis20260391

您当前的位置：

首页 >

文章列表页 >

刍议空间智能与地理空间智能

地图制图学与地理信息工程 | 更新时间：2026-11-05

- 刍议空间智能与地理空间智能
- On Spatial Intelligence and Geo-spatial Intelligence
- 武汉大学学报（信息科学版） 2026年51卷第10期页码：2206-2214
- 作者机构：
  
  1.北京大学地球与空间科学学院遥感与地理信息系统研究所，北京，100871
  2.美国东北大学网络科学研究所,波士顿，MA 02115
  3.北京大学建筑与景观设计学院，北京，100000
  4.香港科技大学（广州）城市治理与设计学域，广东广州，511453
  5.北京师范大学地理科学学部卫星应用前沿交叉研究院,北京，100875
  6.中南大学人工智能学院,湖南长沙，410083
  7.广州大学地理科学与遥感学院,广东广州，510006
  8.北京大学城市与环境科学学院,北京，100871
  9.中国人民大学信息学院,北京，100872
  10.江西师范大学地理与环境学院,江西南昌，330027
  11.国家基础地理信息中心，北京，100830
- 作者简介：
  
  刘瑜,博士，教授，主要从事地理信息科学方向的研究。liuyu@urban.pku.edu.cn
- 基金信息：
  
  国家自然科学基金(42430106)
- DOI：10.13203/j.whugis20260391
  中图分类号： P208
- 收稿：2026-10-06，
  
  纸质出版：2026-10-05
- 稿件说明：
移动端阅览
刘瑜,陈琳,张帆，等.刍议空间智能与地理空间智能[J].武汉大学学报（信息科学版）,2026,51(10):2206-2214.

LIU Yu ,CHEN Lin,ZHANG Fan,et al.On Spatial Intelligence and Geo-spatial Intelligence[J].Geomatics and Information Science of Wuhan University,2026,51(10):2206-2214.
刘瑜,陈琳,张帆，等.刍议空间智能与地理空间智能[J].武汉大学学报（信息科学版）,2026,51(10):2206-2214. DOI：10.13203/j.whugis20260391

LIU Yu ,CHEN Lin,ZHANG Fan,et al.On Spatial Intelligence and Geo-spatial Intelligence[J].Geomatics and Information Science of Wuhan University,2026,51(10):2206-2214. DOI：10.13203/j.whugis20260391

摘要

人工智能技术正在改变人类认知与改造空间的方式，当前形成两类内涵迥异的空间智能技术。一类来自计算机与人机交互领域的空间智能，面向机器的具身交互；另一类是地理学发展而来的地理空间智能，侧重宏观尺度地表系统分析模拟。两类技术路径的割裂差异，根源在于其依托的空间本体不同，即微观的具身空间与宏观的离身空间，二者在本体论、认识论层面存在第一性的差异。具身空间立足人体尺度，强调主体体验与社会建构，对智能体的情境感知、实时交互能力提出高要求；离身空间强调客观系统观测，面向区域乃至全球尺度，重点解决海量时空数据处理与复杂过程模拟问题。现有研究往往割裂两类范式，较少讨论二者融合的理论基础。基于此，辨析了具身/离身空间的核心差异，对比两套范式对应的技术体系，提出地理空间数字孪生作为统一集成平台，以多尺度空间智能体实现微观与宏观能力贯通，以期为智慧城市、气候变化等复杂人地系统问题提供新的理论视角与实现路径。

Abstract

Artificial intelligence is transforming how humans perceive and interact with space

giving rise to two technically distinct paradigms of spatial intelligence. Spatial intelligence originates from computer science and human-computer interaction and targets embodied machine-environment interaction. By contrast

geospatial intelligence is rooted in geography and focuses on the analysis and simulation of Earth's surface systems at macro scales. The fragmentation between these two technical approaches stems from divergent spatial ontologies: micro-scale embodied space versus macro-scale disembodied space

which exhibit systematic disparities at both ontological and epistemological levels. Centered on human-body scale

embodied space highlights subjective experience and social construction

imposing stringent requirements on machines for situational awareness and real-time interaction. Disembodied space

however

prioritizes objective systematic observation across regional to global extents

with core challenges lying in massive spatiotemporal data processing and complex-process simulation. Existing studies often treat these two paradigms in isolation

while the theoretical foundation for their integration remains underexplored. Against this backdrop

this paper identifies the fundamental distinctions between embodied and disembodied spaces and compares their corresponding technical stacks. We propose digital twins as a unified integrative infrastructure and adopt multi-scale spatial agents to bridge micro- and macro-level capabilities. This work aims to deliver novel theoretical insights and implementable pathways for tackling complex human-environment challenges such as smart-city governance and climate-change adaptation.

关键词

Keywords

references

FENG J ， ZENG J W ， LONG Q Y ， et al . A Survey of Large Language Model-Powered Spatial Intelligence Across Scales： Advances in Embodied Agents， Smart Cities， and Earth Science ［PP/OL］. arXiv （ 2025-04-14 ）［ 2026-09-16 ］. https：//arxiv.org/abs/2504.09848 https://arxiv.org/abs/2504.09848 .

YOU H X ， ZHOU T Y ， ZHU Q ， et al . Embodied AI for Dexterity-Capable Construction Robots： DEXBOT Framework ［J］. Advanced Engineering Informatics ， 2024 ， 62 ： 102572 .

LI Feifei . From Words to Worlds： Spatial Intelligence Is AI’s Next Frontier ［EB/OL］. 2025 . https：//drfeifei.substack.com/p/from-words-to-worlds-spatial-intelligence https://drfeifei.substack.com/p/from-words-to-worlds-spatial-intelligence .

JANOWICZ K ， GAO S ， MCKENZIE G ， et al . GeoAI： Spatially Explicit Artificial Intelligence Techniques for Geographic Knowledge Discovery and Beyond ［J］. International Journal of Geographical Information Science ， 2020 ， 34 （ 4 ）： 625 - 636 .

BROWN C F ， KAZMIERSKI M R ， PASQUARELLA V J ， et al . AlphaEarth Foundations： An Embedding Field Model for Accurate and Efficient Global Mapping from Sparse Label Data ［EB/OL］. V2 . arXiv ：（ 2025-09-08 ）［ 2026-09-16 ］. https：//arxiv.org/abs/2507.22291 https://arxiv.org/abs/2507.22291 .

李德仁，郭昊南，金文杰 . 时空智能学：理论与应用［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 9 ）： 1755 - 1764 .

LI Deren ， GUO Haonan ， JIN Wenjie . Spatiotemporal Intelligence： Theory and Applications ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 9 ）： 1755 - 1764 .

MONTELLO D R . Scale and Multiple Psychologies of Space ［M］// Spatial Information Theory： A Theoretical Basis for GIS . Berlin， Heidelberg ： Springer ， 1993 ： 312 - 321 .

MAZÚR E ， URBÁNEK J . Space in Geography ［J］. GeoJournal ， 1983 ， 7 （ 2 ）： 139 - 143 .

LAKOFF G ， JOHNSON M . Philosophy in the Flesh： The Embodied Mind and Its Challenge to Western Thought ［M］. New York ： Basic Books ， 1999 .

SIEGEL A W ， WHITE S H . The Development of Spatial Representations of Large-Scale Environments ［M］. REESE H W， ed.Advances in Child Development and Behavior. New York ： Academic Press ， 1975 ， 10 ： 9 - 55 .

HEIDEGGER M . Being and Time ［M］. Macquarrie J， Robinson E， Trans. San Francisco， CA ： HarperOne ， 1962 .

HUSSERL E . The Crisis of European Sciences and Transcendental Phenomenology： An Introduction to Phenomenological Philosophy ［M］.CARR D， Trans. Evanston ： Northwestern University Press ， 1970 .

TUAN Y F . Space and Place： The Perspective of Experience ［M］. Minneapolis， Minnesota ： University of Minnesota Press ， 1977 .

HARNAD S . The Symbol Grounding Problem ［J］. Physica D： Nonlinear Phenomena ， 1990 ， 42 （ 1/2/3 ）： 335 - 346 .

HARVEY D . Explanation in Geography ［M］. London ： Hodder & Stoughton Educ ， 1969 .

O’SULLIVAN D ， UNWIN D J . Geographic Information Analysis ［M］. New York ： John Wiley & Sons ， 2010 .

刘瑜，郭浩，李海峰，董卫华，裴韬，从地理规律到地理空间人工智能［J］. 测绘学报， 2022 ， 51 （ 6 ）， 1062 - 1069 .

LIU Yu ， GUO Hao ， LI Haifeng ， Dong ， et al . A Note on GeoAI from the Perspective of Geographical Laws ［J］. Acta Geodaetica et Cartographica Sinica ， 2022 ， 51 （ 6 ）： 1062 - 1069 .

刘瑜，汪珂丽，邢潇月，等，地理分析中的空间效应［J］. 地理学报， 2023 ， 78 （ 3 ）， 517 – 531 .

LIU Yu ， WANG Keli ， XING Xiaoyue ， et al . On Spatial Effects in Geographical Analysis ［J］. Acta Geographica Sinica ， 2023 ， 78 （ 3 ）， 517 - 531 .

TOBLER W R . A Computer Movie Simulating Urban Growth in the Detroit Region ［J］. Economic Geography ， 1970 ， 46 （ sup1 ）： 234 - 240 .

PEUQUET D J . Representations of Geographic Space： Toward a Conceptual Synthesis ［J］. Annals of the Association of American Geographers ， 1988 ， 78 （ 3 ）： 375 - 394 .

BATTY M . Digital Twins ［J］. Environment and Planning B： Urban Analytics and City Science ， 2018 ， 45 （ 5 ）： 817 - 820 .

YANG T Y ， ZHAO B ， GAO S ， et al . Neural Representation of Geoinformation in the Human Brain： Affected by Abstraction Levels and Spatial Scales ［J］. Annals of GIS ， 2025 ， 31 （ 3 ）： 433 - 448 .

ZHANG F ， SALAZAR-MIRANDA A ， DUARTE F ， et al . Urban Visual Intelligence： Studying Cities with Artificial Intelligence and Street-Level Imagery ［J］. Annals of the American Association of Geographers ， 2024 ， 114 （ 5 ）： 876 - 897 .

MILDENHALL B ， SRINIVASAN P P ， TANCIK M ， et al . NeRF： Representing Scenes as Neural Radiance Fields for View Synthesis ［M］// Computer Vision—ECCV 2020 . Cham ： Springer International Publishing ， 2020 ： 405 - 421 .

GARNELO M ， SHANAHAN M . Reconciling Deep Learning with Symbolic Artificial Intelligence： Representing Objects and Relations ［J］. Current Opinion in Behavioral Sciences ， 2019 ， 29 ： 17 - 23 .

MAKOVIYCHUK V ， et al . Isaac Gym： High Performance GPU-Based Physics Simulation for Robot Learning ［PP/OL］. V2.arXiv .（ 2021-08-25 ）［ 2026-09-15 ］. https：//arxiv.org/abs/2108.10470 https://arxiv.org/abs/2108.10470 .

DAS A ， DATTA S ， GKIOXARI G ， et al . Embodied Question Answering ［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition ， Salt Lake City， UT， USA， 2018 .

POOLE B ， JAIN A ， BARRON J T ， et al . DreamFusion： Text-to-3D Using 2D Diffusion ［C］// The 11th International Conference on Learning Representations ， ICLR 2023 ， New York，USA ，2023.

ALEISSAEE A A ， KUMAR A ， ANWER R M ， et al . Transformers in Remote Sensing：A Survey ［J］. Remote Sensing ， 2023 ， 15 （ 7 ）： 1860 .

GORELICK N ， HANCHER M ， DIXON M ， et al . Google Earth Engine： Planetary-Scale Geospatial Analysis for Everyone ［J］. Remote Sensing of Environment ， 2017 ， 202 ： 18 - 27 .

LI Y G ， YU R ， SHAHABI C ， et al . Diffusion Convolutional Recurrent Neural Network： Data-Driven Traffic Forecasting ［C］// The 6th International Conference on Learning Representations （ICLR 2018），Vancouver， BC， Canada， 2018 .

ZHAO L ， SONG Y J ， ZHANG C ， et al . T-GCN： A Temporal Graph Convolutional Network for Traffic Prediction ［J］. IEEE Transactions on Intelligent Transportation Systems ， 2020 ， 21 （ 9 ）： 3848 - 3858 .

RAISSI M ， PERDIKARIS P ， KARNIADAKIS G E . Physics-Informed Neural Networks： A Deep Learning Framework for Solving Forward and Inverse Problems Involving Nonlinear Partial Differential Equations ［J］. Journal of Computational Physics ， 2019 ， 378 ： 686 - 707 .

ROBINSON W S . Ecological Correlations and the Behavior of Individuals ［J］. American Sociological Review ， 1950 ， 15 （ 3 ）： 351 .

BATTY M . The New Science of Cities ［M］. Cambridge， Massachusetts ： MIT Press ， 2013 .

KENNEDY C ， PINCETL S ， BUNJE P . The Study of Urban Metabolism and Its Applications to Urban Planning and Design ［J］. Environmental Pollution ， 2011 ， 159 （ 8/9 ）： 1965 - 1973 .

CHURKINA G . Modeling the Carbon Cycle of Urban Systems ［J］. Ecological Modelling ， 2008 ， 216 （ 2 ）： 107 - 113 .

杨元喜 . 地理空间数字孪生与时空智能［J］. 测绘学报， 2025 ， 54 （ 2 ）： 213 - 220 .

YANG Yuanxi . Digital Twin and Spatiotemporal Intelligence of Geospatial Information System ［J］. Acta Geodaetica et Cartographica Sinica ， 2025 ， 54 （ 2 ）： 213 - 220 .

BATTY M . Inventing Future Cities ［M］. Cambridge ： The MIT Press ， 2018 .

LIN H ， CHEN M ， LU G N ， et al . Virtual Geographic Environments （VGEs）： A New Generation of Geographic Analysis Tool ［J］. Earth-Science Reviews ， 2013 ， 126 ： 74 - 84 .

TAO F ， ZHANG H ， LIU A ， et al . Digital Twin in Industry： State-of-the-Art ［J］. IEEE Transactions on Industrial Informatics ， 2019 ， 15 （ 4 ）： 2405 - 2415 .

HEPPENSTALL A ， CROOKS A ， MALLESON N ， et al . Future Developments in Geographical Agent-Based Models： Challenges and Opportunities ［J］. Geographical Analysis ， 2021 ， 53 （ 1 ）： 76 - 91 .

STONE P ， VELOSO M . Multiagent Systems： A Survey from a Machine Learning Perspective ［J］. Autonomous Robots ， 2000 ， 8 （ 3 ）： 345 - 383 .

LI D ， WANG M ， XIAO J ， et al . Perspectives on spatiotemporal Intelligence ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2026 ， 232 ， 305 - 318 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

自主式智慧重载铁路空间智能：概念内涵、技术挑战与应用展望

复杂空间机器人自主测绘的现状与挑战

面向类脑空间智能的多模态大模型空间认知能力评估框架

地理空间因果原则及地理空间效应的因果发现

综合PNT场景增强系统研究进展及发展趋势