AI资讯

两部门发布「人工智能+自然资源」实施意见,2028 年建成重点领域大模型与智能体

发布时间:2026年11月10日 20:16:00

11 月 10 日,自然资源部与国家发展改革委联合发布关于「人工智能+自然资源」的实施意见。文件提出到 2028 年实现人工智能在自然资源领域的示范应用,建成时空地理信息、国土空间规划与治理、海洋、地质矿产、林业草原等重点方向的高质量数据集、大模型和智能体;到 2030 年实现全链条深度融合。


事件:一份有明确时间表的行业 AI 文件

11 月 10 日,自然资源部、国家发展改革委联合发布《关于「人工智能+自然资源」的实施意见》。文件给出两个硬时间点:

时间目标
2028 年实现人工智能在自然资源领域的示范应用
2030 年人工智能深度融入自然资源管理全链条

2028 年的具体任务相当细:建成时空地理信息、国土空间规划与治理、海洋、地质矿产、林业草原五个重点方向的高质量数据集、大模型和智能体;「一张图」智能化水平全面提升;形成可复制、可推广的典型应用场景。

2030 年的目标则更宏观:集成打造智能化国土空间治理基础平台,关键核心技术与智能装备实现安全可控,数智化治理水平总体达到国际领先。

为什么这个领域特别适合「AI+」

自然资源管理有几个天然适合 AI 的特征:

一是数据本身是空间化的。 国土空间规划、地质勘探、林草监测产生的都是带坐标的多维数据,天然适配图网络与视觉模型。

二是判断高度依赖历史比对。 一块地是耕地还是建设用地、有没有被违规占用,本质是「不同时点的影像对比」,这正是多模态模型擅长的任务。

三是流程长、环节多。 从调查、规划、审批到执法监测,一条链上每个环节都要人看图纸、核数据,重复劳动密集。

这也是为什么文件把「高质量数据集」放在最前面。自然资源系统的数据分散在测绘、海洋、林草、地质等多个条线,数据不通,模型就无从训练。

文件里最值得注意的三个词

「高质量数据集」优先于「模型」。 文件的顺序是数据、模型、智能体。这说明政策设计者清楚:行业 AI 的瓶颈在数据治理,不在算法。

「智能体」被单独列出。 不是「AI 系统」,而是「智能体」。这意味着目标形态是能自主执行流程的 Agent——比如自动提取变化图斑、自动生成核查报告、自动派发执法工单。

「安全可控」与「智能装备」并提。 2030 年目标里,关键核心技术与智能装备要安全可控,暗示了从软件到硬件(无人机、监测设备、测绘装备)的全栈国产化路径。

对产业的四层影响

对地理信息与测绘企业:这是最直接的受益方。时空数据治理、实景三维、遥感解译的需求会集中释放。

对国产算力与模型厂商:「安全可控」的要求意味着优先采用国产芯片与国产模型,行业订单会成为国产算力落地的重要场景。

对 AI 应用公司:单个场景的定制开发空间存在,但门槛在行业数据准入。拿不到合规数据的团队很难切入。

对地方财政与项目节奏:文件是「实施意见」,落地依赖地方配套。2027—2028 年会是项目集中招标期。

与其他「人工智能+」文件的关系

此前已有多份「人工智能+」行业文件陆续落地(教育、医疗、制造等)。自然资源这份的特殊性在于:

  • 数据壁垒最高:涉密与敏感数据比例大;
  • 公益属性最强:不以商业变现为首要目标;
  • 与考核绑定最紧:耕地保护、生态红线都是硬指标。

这也意味着它的推进节奏会更依赖行政力量,而不是市场自发需求。

观察点

  1. 配套资金与试点名单:哪些省市与单位进入首批示范。
  2. 数据集开放程度:能否形成可被企业调用的行业数据接口。
  3. 国产模型的实际采用:是自研行业模型,还是基于通用大模型微调。
  4. 2030 目标的量化指标:「国际领先」如何被具体测量。

一句话总结:这不是一份概念文件,而是一张写明了 2028 年要交付什么的数据集、模型与智能体清单。