你直觉猜的三个底层技术——RAG、MCP、地理数据训练——都对但只占底下一半。把 GeoGPT、超图 AgentX、莫干·玄衍、高德 ABot-Earth 这批应用拆开底下其实是五层数据层地理数据怎么喂、模型层GeoFM 怎么训、能力层RAG/MCP/算子怎么接、Agent 层怎么编排干活、应用层你看到的产品。这篇回答你那个更底层的问题这些 GeoAI 应用底下到底用了哪些技术。一张五层技术栈图先把分层摆出来你再对照自己手里的应用看它卡在哪一层一句话点评越往上越值钱产品形态越往下越吃资源预训练成本而 2026 年的分水岭在能力层和 Agent 层——RAG 让模型会「想」空间、MCP 让模型会「调」空间工具。下面逐层拆。地理数据训练GeoFM 预训练已经范式转移先答你最直接的猜测地理数据训练——是而且这一层已经完成一次范式转移。2026 年 7 月一篇综述arXiv 2607.12177把这个范式叫「预训练职责分离」大规模模型提供商承担计算密集的预训练领域专家拿一小片标注数据微调就行不用从头训。好处很直接——微调要的标注比从头训练少一个数量级保密场景还能本地部署。预训练本身走两条路掩码自编码MAE把图像块盖住再重建学通用表征。一脉是 SatMAE斯坦福给时间/光谱位置编码、ScaleMAE尺度感知位置编码、Cross-Scale MAE量级大的有 Prithvi-EO-2.0IBM/NASA30m 全球 HLS 影像、Clay多传感器、分辨率和波段都能吃、TerraMind生成式。视觉-语言对比最大化图像和文本嵌入的相似度建联合嵌入空间换来零样本开放词汇——没显式训练过的类别也能认。这是 GeoVLM、OlmoEarth 那类多模态模型的底座。DeepMind 的 AlphaEarth Foundations 则是第三种混合重建、自蒸馏、文本对比三路损失一起上吃光学/雷达/LiDAR/文本/气候数据输出时间连续的「嵌入场」。训练数据来源很集中Sentinel-1/2、Landsat 8/9、NAIP 航拍、DEM、土地利用覆盖加全球尺度的 HLS。另外发现Meta 的 DINOv3在数十亿张自然图像上预训练的模型只要规模够大能泛化到 0.6m 卫星影像的俯视视角性能超过不少领域专用模型。但别急着选型。GEO-Bench-22026 年 2 月19 个数据集、分类/分割/回归/检测全覆盖的结论很冷静没有任何模型在所有任务上占主导。做农业/灾害等多光谱应用的EO 专用模型TerraMind/Prithvi/Clay更强高分辨率任务的自然图像预训练的反而赢。选哪个得拿你自己的数据实测。国产这条线的训练实例我也帮你对上了GeoGPT之江实验室三阶段训——持续预训练CPT从 Common Crawl 抽地学语料约 140B token 建基础地质知识→ 多阶段监督微调 → 偏好学习对齐莫干·玄衍用亿级多模态数据样本训出准千亿参数。结论这一层别自己训用开源的Prithvi/Clay/OlmoEarth或行业底座莫干·玄衍微调是你的活。位置嵌入坐标升级成「地点指纹」地理数据训练里有一支容易被漏掉但它正在变成一层独立技术位置嵌入location embeddings。Esri 在 2026 年 7 月用户大会上正式把它并进 ArcGIS 的地理空间基础模型三件套里当一种新的 GIS 数据类型对待。逻辑很朴素经纬度坐标只告诉你「在哪儿」不告诉你「这是个什么地方」。Esri 的 Location Encoder 把地点编码成捕捉自然环境、建成区形态、社会经济背景的嵌入向量——每个地点一个「指纹」环境相似的地点指纹相似哪怕隔着半个地球。两个版本自然环境嵌入用 Sentinel-2 影像训练统计嵌入基于美国普查/ACS/住房/环境数据训练GDFM 更进一步多视图自编码器把四类数据集揉成 5000 变量的地点刻画。落地效果是直观的以索诺兰沙漠为查询能跨洲匹配出智利阿塔卡马沙漠这种「环境相似而非地理邻近」的区域无监督聚类画出的簇和真实大型景观带高度吻合不按行政边界走。判断位置嵌入是把地理信息变成向量、喂给机器学习的那座桥2026 年刚到 Beta 但方向明确。它和 065 里说的「embeddings 作为新 GIS 数据类型」是同一件事。空间 RAG不是聊天兜底是拓扑空间推理你的第二个猜测——RAG——是但空间领域里它不是聊天兜底是让 LLM 学会「空间推理」。普通 RAG 检索的是文本相关空间 RAG 检索的是空间关系这是完全不同的难题。2026 年 2 月发表于 ACM TSAS 的SpaRAGraph是这条路的代表先把空间数据经 SpaTex 转成 RDF 图建图索引推理时用图遍历加空间关系组合矩阵只预计算最小子集的空间关系、其余靠组合推导。在 SRB 基准三类真实世界合成数据集上不同 LLM 的 F1 平均提高36 个百分点响应时间几乎无感。同门兄弟Spatial-RAGACL 2026 Findings走混合检索稀疏空间过滤空间索引加密集语义匹配嵌入把问答建模成空间相关性和语义相关性的多目标优化挑 Pareto 最优候选。Spatial-Agent更进一步把「哪条河在哪个城市东边」这类问题形式化成 GeoFlow Graphs有向无环图节点是空间概念、边是转换生成可执行的地理空间工作流比 ReAct/Reflexion 显著更强、还可解释。产业里也已经接上了超图 AgentX 用 RAGGraphRAG 提升 GIS 工具调用的准确率GeoGPT 自带 RAG 增强阅读器能从论文和地图里检索再回答。判断空间 RAG 是「让 LLM 想清楚空间关系」的关键2026 年从论文往平台里长。纯文本 RAG 解决不了「相邻」「包含」「穿过」这些拓扑问题这是空间 RAG 存在的理由。MCP把 GIS 能力开放给 AI 调用你的第三个猜测——MCP——是而且是这条栈里国产和海外走法最不一样的一层。Esri 在 2026 年 6 月 29 日给 ArcGIS Location Platform 加了 MCP 支持Beta外部 AI Agent 能通过标准协议调用地理编码、路径规划、高程解析、静态地图这些云端轻量服务还能在单次对话里串联多个服务「找到最近的仓库并给出路线」。这是 Esri UC 2026「Agentic GIS」战略的一部分——但行业分析看得很清楚Esri 走的是「助手优先」AI 被接进 ArcGIS 体系却没拿到重构核心系统的权限工程文件、桌面核心工作流不对外开放。国产这边激进得多。超图 SuperMap GIS 2026 的 AgentX Server 集成500 余项工具原生支持 MCP 和 Function Calling还适配 DeepSeek-R1、通义千问、Qwen2.5桌面 AgentX 走「智能体完成任务」替代「人找工具」内置专业 Skills 技能库和 GIS 专家库ClientX 更直接——一套 API 统一二三维能力适配 AgentX、Trae、CodeX、Claude Code 这些 AI 环境。社区也出了 arcpy-mcp-server把 ArcGIS Pro 1300 个工具15 个模块全量 MCP 化Claude Code、Codex 直接就能使唤 ArcGIS。判断MCP 是「GIS 给 AI 递工具」的标准姿势2026 年两端都开放了。差异在开放度Esri 只开云端轻量服务超图把全套工具交出来。你接谁的取决于你想要「助手」还是「自主智能体」。Agent 编排从「助手」到「自主规划」能力层之上是 Agent 层——模型拿到工具之后怎么编排干活。这是 2026 年学术和产业共同的终点范式综述里叫Agentic Geospatial ReasoningLLM 当编排器把 GeoFM 当工具用自然语言响应高层查询、自动化复杂分析工作流。产业里的形态已经分层。超图 AgentX 三类模式对应不同可靠度需求工作流模式确定性最高标准化业务、长规划模式自主规划受控执行平衡复杂选址、循环推理模式边探索边响应。SuperMap Copilot 直接对话调用 100 行业分析算子平均 5 秒完成深度思考任务成功率 80%。莫干·玄衍的八大能力里明确带着「任务编排与工具调度」配合「时空专业技能库」是「地理空间大模型技能库」的组合打法。GeoGPT 给的是 Agent Builder——科学工作者可以自定义数百个科学智能体。判断Agent 编排决定应用是「问答机」还是「能干活的」三模式/技能库/Agent Builder 是三种落地封装。你要可靠性选工作流模式要探索选循环推理要开放性用 Agent Builder。视觉语言模型与生成式空间模型VLM / 3DGS / 影像生成上面五层里有三块你没问但实际在用的补上。视觉语言模型模型层把自然语言和空间视觉对齐的那层。GeoVLMEsri用自然语言提示「Segment roads」就能提要素GeoGPT 的 MapChat 拖入地质图、遥感资料数秒完成解析、关联、推理莫干·玄衍是多模态一体。这一层让「用嘴指挥空间操作」成为可能。3DGS 生成能力层空间世界的生成侧我在 066 那篇拆过它的工具链。落到 GeoAI 应用上高德 ABot-Earth0.5 用 3DGS 直接训练 3D 城市世界模型Voxelmaps 用 3DGSCosmos Reason 2 做圣何塞数字孪生的自然语言查询莫干·玄衍 V1.5 用生成式 3DGS 融合建模——几张照片几分钟重建单体建筑数据量降 90%、效率提 10 倍。这一层是「空间数据训练」和「空间生成」的接缝也是 2026 年最陡峭的新曲线。影像生成能力层你说的「造影像数据」就是这一支——用生成模型合成遥感影像专治标注稀缺。单个 OpenEarthMap 分割瓦片平均要人工标注 2.5 小时合成数据成了补数据缺口的关键手段。2026 年的代表模型一水儿是扩散模型DiffusionSat是第一个大规模卫星影像生成基础模型EarthSynth用反事实组合训练加规则过滤只挑「有用」的合成数据喂给分类/检测/分割开放词汇理解显著提升TerraDiT-ΩECCV 2026让任意地理基元多边形/折线/框/点控制生成——你给一块特定形状的区域它按这个形状造出影像COP-GEN跨模态合成SAR 输入直接生成光学影像还能补云洞、做模态补全Text2Earth是 13 亿参数的扩散基础模型。成熟度判断2026 年的重心已经从「生成逼真影像」转向「精细空间可控生成 下游任务验证」——Text2AIRS 用这类合成数据把 Fair1M 飞机检测抬了 6.12 个百分点。它能当训练数据的补充但还没到完全替代真实影像的程度。同一个应用五层各用什么拿最常见的「自然语言问 GIS 一个问题并出图」做例子把五层串起来看层技术实例应用层产品形态AgentX / MapChat / GeoVLM 助手Agent 层任务规划、工具调度AgentX 三模式、Agent Builder、莫干·玄衍任务编排能力层空间 RAG MCP GIS 算子 影像/3D 生成SpaRAGraph 式检索、Location Platform MCP、100 Copilot 算子、EarthSynth/TerraDiT模型层GeoFM 预训练 位置嵌入 VLMPrithvi/Clay、Location Encoder、GeoVLM/MapChat数据层遥感影像、矢量栅格、知识图谱Sentinel-2、普查数据、地学语料库你问它「评估这几个地块的洪水风险」走的是数据层取影像和地形 → 模型层用 GeoFM 解译 位置嵌入补上下文 → 能力层空间 RAG 确定空间关系、MCP 调高程/路径算子 → Agent 层编排成工作流 → 应用层把结果和地图交给你。落地建议五层里哪些自建哪些用现成模型层别训。用开源 GeoFMPrithvi/Clay/OlmoEarth或闭源行业底座莫干·玄衍你的活是微调和评测拿自己数据跑 GEO-Bench 风格基准。数据层别全攒。用平台现成数据Esri Living Atlas、行业数据集自己补的只有业务私有数据。能力层RAG 值得自建空间 RAG 是差异化点MCP 用平台现成的Esri/超图都已开放3DGS 生成按需066 有完整工具链。Agent 层用现成框架Agent Builder / AgentX / ClientX别从零写编排。应用层这是你唯一必须自己写的层——产品形态和业务闭环在这里。结论GeoAI 应用的底层收束成一句话「预训练底座 检索增强 工具协议 Agent 编排」四件套加位置嵌入和生成式空间模型3DGS/影像生成两块新能力。地理数据训练负责「懂空间」空间 RAG 负责「想空间」MCP 负责「调空间工具」Agent 编排负责「替你把活干完」影像/3D 生成负责「补你缺的数据和场景」。这四件套加两块里前几件已经成熟到可以抄作业Agent 编排和生成式模型正在快速定型——2026 年做 GeoAI 应用就是在这一层上比谁接得早。参考来源The Emerging Paradigm of Geospatial Foundation Models: From Pre-Training to Agentic ReasoningarXiv 2607.12177https://arxiv-org.ezproxy.obspm.fr/html/2607.12177v1GEO-Bench-2从性能到能力重新思考地理空间人工智能的评估2026-02https://blog.csdn.net/hao_wujing/article/details/155168664Esri《Every place has a fingerprint: How foundation models are learning locations》https://www.esri.com/arcgis-blog/products/arcgis-pro/geoai/every-place-has-a-fingerprint-how-foundation-models-are-learning-locationsEsri《Beyond latitude and longitude: Giving geographic context to coordinates》https://www.esri.com/arcgis-blog/products/arcgis-pro/geoai/beyond-latitude-and-longitude-giving-geographic-context-to-coordinatesEsri《New MCP Support (beta) and ArcGIS Static Maps Service in ArcGIS Location Platform》2026-06-29https://www.esri.com/arcgis-blog/products/platform/developers/mcp-support-beta-and-arcgis-static-maps-service-in-arcgis-location-platform-releaseSpaRAGraph: Spatial Reasoning using Retrieval-Augmented GenerationACM TSAS 2026https://dl.acm.org/doi/10.1145/3799424arcpy-mcp-server开源ArcGIS 工具箱 MCP 化https://github.com/zhaojj662/arcpy-mcp-server超图《一体化、智能化超图 SuperMap GIS 2026 焕新发布》https://www.supermap.com/zh-cn/a/news/2_5067.html国泰海通《2026 年超图软件空间智能体三类 Agent 重塑 GIS 交互范式》https://www.sgpjbg.com/labelsyh/chaoturuanjiankongjianzhinengti.html之江实验室 GeoGPT《Recent Developments in GeoGPT》IEEE 2026https://ieeexplore.ieee.org/document/11632985莫干·玄衍地理空间大模型莫干山地信实验室http://www.mgslab.ac.cn/dynamic/detail/id/23.html时空地理信息中试基地揭牌莫干·玄衍上线2026-07-19https://scagis.org.cn/Notice/Detail/CYXW/KTN2026081100000094139302高德 ABot-Earth0.5 发布报道2026-06-08https://ai.cnmo.com/news/810790.htmlEarthSynth多类别跨卫星标注 EO 生成基础模型ML4Sustainhttps://huggingface.co/buckets/ML4Sustain/EarthSynth-bucketTerraDiTDiffusion Transformer for Satellite Image SynthesisECCV 2026TerraDiT-Ω 任意地理基元控制https://github.com/mvrl/TerraDiTCOP-GENLatent Diffusion Transformer for Copernicus Earth Observation Datahttps://huggingface.co/mespinosami/copgen-base
