合肥股票配资别只盯着DeepSeek：上海推出“能调三维地图的AI”，政务大模型有了新答案

智东西合肥股票配资

作者 | 李水青

编辑 | 漠影

当下，政务大模型的落地路径，正在分化出两条截然不同的跑道：

当不少地方政府选择以“轻量化”的方式，将DeepSeek等通用模型快速接入政务系统时，上海市规划和自然资源局给出了一条更“重”、更深的路线。

近日，由上海市规划资源局与商汤大装置联合打造的全国规划资源领域首个基础大模型“云宇星空大模型”（专业版）上线。这并非一个简单的对话机器人，而是一个6000亿参数、深度嵌入规资全业务系统的行业大模型：它能调取地图、做统计，能理解规划图纸、会写报告，覆盖从知识检索、空间分析到决策支撑的完整工作闭环。

与“把AI接进来”不同，上海选择的是另一条路径——把AI装进去。

在通用模型显著降低技术门槛之后，政务大模型的竞争焦点，正在从“能不能用”，转向“好不好用、敢不敢用”。真正的门槛，不再是模型参数，而在于是否有能力将行业知识、业务流程与AI基础设施进行系统性重构。

云宇星空大模型恰恰提供了一个难得的深度切片。它不是样板间式的展示，而是一套试图长期运行、持续进化的“商品房”级工程，一个政企深度合作打造政务AI的创新试验。

本文试图基于对上海市规划和自然资源局总工程师庄澜、商汤大装置事业群高级技术总监鲁琲的深度访谈，拆解这一政务大模型标杆案例背后的联合创新逻辑、工程化方法论，遇到的问题，以及对全国政务AI落地的启示。

一、政务大模型，为何必须“懂行”且“闭环”？

“AI不是一个简单的技术变化，和前面的信息化、数字化有根本不同，它会驱动管理模式和业务流程发生显著变化。”谈及年初DeepSeek爆火对政务AI的带动，庄澜这样告诉智东西。

今年国内政务AI市场肉眼可见地表现活跃——深圳龙岗区发文鼓励公务员全面拥抱AI，济南市计划打造200多个“数智员工”，各地以惊人的速度打开AI公文撰写、市民问答等场景。开源、低门槛、快速见效的“轻量化”路径，极大地推动了AI的政务普及。

然而，从“工具试用”到“流程重构”，AI从问答写作进入规划、审批、决策等核心业务深水区时，能力瓶颈开始浮现。

庄澜以规划与资源管理场景为例谈道，真正棘手的问题并不是“查不到答案”，而是：多源异构数据如何真正融合？高度依赖“老法师”的专家经验如何沉淀？涉及海量空间要素的复杂决策，能否获得智能支持？业务系统之间存在的大量断点如何连接？等等。

如果只是把通用模型接进来，这些问题并不会自动消失。

鲁琲谈道：“如果你只是非常简单的搭个一体机，然后用开源模型简单地切一些数据库知识库，效果不会很好。”他解释，在复杂的规资行业，知识之间存在强关联性和优先级，“比如总规和详规，详规是在总规的引导下写的。如果只是把知识扁平化处理，模型天然没法理解这种关系。”

正因如此，由上海市规划资源局与商汤大装置联合打造的“云宇星空大模型”，从一开始就没有把自己定位为一个“万能AI”。

庄澜强调，其初衷并非替代规划师，而是打造一个“规划师的AI伙伴”。在整体架构中，它被定义为上海量子城市空间智能模型体系的智能统领——并非行政意义上的统领，而是技术层面的中枢。目标非常明确：把行业知识、空间数据与业务系统，深度耦合在一个可调度、可演进的智能体系中。

云宇星空大模型试图做的是让城市管理从 “静态蓝图”走向“动态适配”。以规划领域为例，传统国土空间管理高度依赖制度规范与静态指标：按人口规模配置幼儿园、菜场、操场等配套，按技术规范绘制一张长期有效的蓝图。但在进入存量时代、人口结构快速变化后，这套模式正面临挑战。

庄澜用“15分钟生活圈”举了一个具体例子：如果一个区域老龄化程度变得超过50%，继续按既定规范配置幼儿园，显然并不合理。真正需要的，可能是按照新情况配置养老、社区医疗与适老设施。这意味着，未来的规划管理应从“规则驱动”转向“数据驱动下的自适应调节”。而这，正是通用大模型难以触及的深水区。

政务大模型“敢不敢用”，关键在于可信。在这一关键点上，上海采取了稍显“笨重”、却也最扎实的办法：让业务专家亲自下场，构建知识体系。

在云宇星空大模型项目中，上海市规划资源局动员全局处长“交作业”，由一线“老法师”生产高质量问答与思维链，最终构建起全国首个规划资源领域全贯通语料库——“坤舆经略”。庄澜对此有一个生动的比喻：“这有点像小朋友自己给自己出考题……但真正考试，还是要找专业老师。”

在她看来，业务深度参与，不只是为了提升模型效果，也是政务大模型规避风险、确保“三观正”的前提。这也构成了云宇星空大模型可信基石的第一层。

云宇星空大模型并非一个已经跑成熟的“标准答案”。在庄澜看来，它更像是一场仍在进行中的工程实验——当政务大模型不再只是“接入”，而是深度嵌入业务系统时，究竟会遇到哪些真实问题。

二、当大模型能调图、会统计，政务工作流正在被重构

云宇星空大模型专业版的核心价值，通过 “问不倒、能调图、会统计、能识图、会报告” 五大能力具象化。与多数政务大模型停留在文本问答不同，云宇星空大模型试图突破的核心点，在于这种能力结构的变化。

鲁琲将其概括为一次“根本变化”——从文本智能，进入时空智能与决策智能的深水区。

其中， “能调图” 是区别于绝大多数通用模型和轻量级政务助手的 “关键跨越” 。“这是当下其他任何一个模型都没有的能力，它的后台是一个矢量数据库。”鲁琲谈道。通过自然语言，模型可以直接调用二维、三维空间数据，如获取“展示沪派江南水乡的实景风貌”，实现图文联动分析。这意味着，大模型不再只是“看懂文件”，而是开始“理解城市”。

“会统计”则直面政务数据开放与安全的核心矛盾。该功能打通了政务数据系统，例如，用户可以一句话查询“2024年浦东新区土地出让金总额”，并在地图上高亮显示相关地块。在推进过程中，难免遇到部门间数据“不敢给”的阻力。上海市规划资源局探索出了一条务实路径：通过明确数据使用场景和需求，推动数据以 “脱敏处理后产品化” 的方式供给。

再加上“问不倒”、“能识图”、“会报告”三项能力，云宇星空大模型首次在政务领域形成了一个覆盖检索—分析—决策—输出的完整闭环。鲁琲从技术层面谈及了确保“问不倒”的量化成果：“我们构建了整个上海规资领域的测试集……在人工问答对里面现在点赞率是95%左右。”其中，专有名词的准确率达到了98%。相比之下，头部通用大模型在相同测试集上得分可能只有40%。

不过，在庄澜看来，这些能力更准确的表述，应当是“已经跑通的第一批能力原型”，而非最终形态。“我们现在还是很初级的，希望它先从高中生，变成大学生，再慢慢成长为专家。”

在产品形态上，上海采取了少见的双版本战略：

专业版：部署于政务内网，与“一厅八室”等核心业务系统打通，直接嵌入专业人员的工作流，目标是重构日常业务方式。

公众版：面向社会开放，尝试将政府高可信度的空间数据能力，以智能接口方式向社会开放。庄澜透露，其正与一些平台探讨合作，“希望孵化生态，推动数据底座从‘为政府服务’走向‘支撑新质生产力’。”

短期看，云宇星空大模型试图释放的是效率价值。专业人员不再需要反复查询系统、手工叠加图层、撰写基础性报告，而是通过几次简单的对话获得初步结果，从而专注于需要经验、创意和综合判断的核心决策。

但更重要的是模式层面的变化。通过持续接入动态数据，规划管理正从“静态蓝图”，走向动态监测与自适应优化。庄澜提到，其与银联合作的消费数据案例，正是一个缩影——通过真实消费行为，反向优化商业布局，而非仅凭经验判断。

这意味着，大模型时代的城市治理的底层逻辑，正在从“经验驱动”转向“数据与模型协同驱动”。

要完整实现如此复杂、涉及多系统融合的行业大模型项目，离不开坚实的技术基础设施和深度的工程化支持。商汤大装置在此扮演的角色，远不止是一个模型提供商或算力供应商。

鲁琲提到，商汤大装置并非简单提供模型，而是承担了“从算力、平台、方案到专家服务”的全链路支持。庄澜用“自带干粮”来形容项目初期的投入，强调这是一种典型的陪伴式交付。

在技术层面，以下三点尤为关键：

模型层：基于商汤多模态能力，构建“1+6”（基座+垂类）模型体系，实现对文本、图像与空间数据的跨模态理解与推理，兼顾通用理解与行业深度。

系统层：创新性地构建了 “智能调度引擎” ，如同一个“AI调度中枢”，根据复杂指令去协调时空底板、垂类模型与多智能体，支撑跨系统、跨模态的复杂决策场景。

工程化层：解决行业大模型落地中最棘手的定制化开发、Agent基础设施构建、高质量行业数据治理与清洗等一系列高复杂、长周期的工程问题。

三、政务大模型“上海实践”的可复制性何在？

云宇星空大模型项目无疑是特殊的，它背靠上海领先的城市数字化基底和上海市规划资源局前瞻性的业务积累。然而，其探索过程中形成的范式与方法，仍对全国推进政务大模型建设有参考价值。

首先是一种新型的 “政企共创” 方式，而非简单的外包交付。

一方面，甲方深度主导：业务一把手亲自参与，业务专家成为“AI训练师”，甚至出现“局长批改处长作业”的场景；另一方面，乙方长期主义：商汤大装置选择的不是短期回报，而是高响应度、高配合度的长期投入。

同时，云宇星空大模型也试图践行一种新的数据观——从“拥有数据”转向“提供数据服务”。

庄澜反复强调，很多部门混淆了“拥有数据”和“使用数据”。真正的解决方案，并非简单共享原始数据，而是将数据产品化、服务化，按需供给。这一思路，建立在上海市规划资源局长期积累的数据底座之上。早在2018年，上海就实现了业务流与数据流同步，建成了实时更新、高颗粒度的数据库——这是今天大模型落地的重要前提。

从技术架构看，云宇星空大模型已经具备“一地建设、多地复用”的雏形。

其基座模型+智能调度引擎的设计，使规划资源智能能力，有潜力向其他部门、其他城市输出。更重要的是，它被视为一个长期演进工程：从10个知识领域到80个知识领域，从二维调图到三维空间智能，从“高中生”成长为“博士专家”，试图建立AI时代系统 “持续学习、共同进化” 的新范式。