王家耀院士：AI驱动地图数智化转型
“数智时代地图学新理论与新方法”专栏：
专栏召集人：苏世亮，武汉大学；巩现勇，信息工程大学
1.王家耀, 陈琳, 程士源, 等.人工智能赋能地图科学数智化
2.吴明光, 成梓铭.顾及使用场景的绿色地图颜色生成方法研究
3.杨敏, 马宏然, 孔博, 等.基于预训练模型的矢量海岸线形态模式判别方法
4.禹文豪, 曾子怡, 张一帆,等.融合欧氏空间邻近与拓扑邻接信息预训练模型的路网网格模式
5.禄小敏, 张志义, 闫浩文,等.融合深度图信息最大化和多层感知机的建筑物群组模式识别方法
1.河南大学遥感与空间信息工程学院，地理科学与工程学部，河南郑州450046
2.空间基准全国重点实验室（河南大学），河南郑州450046
3.河南大学河南省时空大数据产业技术研究院，河南郑州450046
4.黄河水利职业技术大学，河南开封475004
摘要：
人工智能既是国家科技攻关的重要方向，也是社会各领域广泛应用的关键技术。它对于抢占科技制高点、增强我国战略竞争优势具有突出意义。本文在梳理相关研究成果的基础上，围绕人工智能的发展总体态势、技术创新、赋能应用、安全治理以及未来演进等内容开展系统性分析。研究指出，人工智能有望推动地图科学的数智化转型进入更高阶段。具体而言，人工智能与脑科学或神经科学的交叉融合，将促使地图科学数智化的基础理论研究不断走深；类脑智能与类脑计算方面的最新进展，也为破解地图科学数智化推进过程中长期面临的“知识工程”瓶颈提供了较强的技术支撑；深度学习与生成式人工智能的发展，则进一步拓展了数智化地图制图的应用可能性。在人工智能加速迭代并持续渗透的同时，地图科学数智化仍应坚持“以人为本”的价值取向，持续深化人与人工智能的融合协同。这是一项兼具战略性、长期性与可持续特征的系统性工作，当前已形成若干阶段性成果，同时展现出巨大的发展空间。最后，本文给出简要总结，认为在新起点上，地图科学必将迎来新的里程碑式发展机遇。
关键词：地图科学;生成式人工智能;脑科学;神经科学;类脑智能;深度学习;数智化
作者简介
基金项目
国家自然科学基金(U21A2014)
本文引用格式
阅读全文
http://xb.chinasmp.com/article/2026/1001-1595/1001-1595-2026-03-0381.shtml
地图科学的快速进步，缘起于以现代计算机数字地图制图替代近代手工制图的变革性浪潮[1]。在地图学内部，“封闭—开放”的矛盾对立与统一、科学家思维方式的转变、理论与技术方面的充分准备，尤其是数据与大数据、时空大数据的迅猛发展，持续成为推动地图科学数字化转型的动力来源，从而为我国地图科学由“数字化”迈向“智能化”（自20世纪90年代以来）的加速推进奠定了基础[2]。20世纪80年代末至90年代中期的十余年间，地图制图专家系统研究曾出现较热趋势，但由于当时对基础理论重视不足，后续十余年该热潮逐步停滞[3]。而在二十余年中，随着对基础理论持续投入，人工智能与地图科学结合的研究逐渐形成良好势头：一方面在理论层面不断提升，涌现出一批代表性学术成果；另一方面，人工智能在智能地图制图系统中的关键技术与应用取得了多项突破，促进了以地图集为典型代表的地图产品创新发展。地图科学学科体系也因其整体性、层次性、关联性与开放性等特征而日益走向科学化。本文立足地图科学数智化转型的新起点，聚焦快速发展的人工智能如何进一步推动地图科学迈入新时代。
目前，人工智能（artificial intelligence，AI）正以罕见的速度、广度与深度重塑人类的工作、学习、生产与生活方式，并对全球经济社会结构与人类文明演进产生深远影响，呈现出非常广阔的发展前景与潜在价值[4-5]。
人工智能技术正处于范式级演进阶段，其主要特征可归纳为四个方面：①AI技术演进走向新范式。体现在规模可扩展（包括模型及参数、高质量数据集与大规模算力集群能力）、多任务适应（大模型能够支撑多任务及多模态能力）以及能力可塑（通用大模型在专业领域的应用与推理能力持续增强）等。②AI工程化迈向新阶段。重点逐渐由大模型训练转向应用研发与落地实践，围绕大模型及其应用构建工具链，并提升技术迭代速度与应用工具链的覆盖面，表明AI工程化进入新的产业化阶段。③AI产业稳步向前。全球AI产业仍保持较快增长，大模型为产业高速发展提供核心驱动；生成式人工智能加快产业化进程；大模型带动全球AI投融资规模提升；AI创业企业在创新方面持续活跃。④AI安全治理持续推进[6]。全球范围内的AI安全治理合作更加紧密，安全治理的前瞻研究与产业实践的衔接更深，安全技术的落地能力显著增强，说明全球AI治理正进入更成熟的新阶段。
地图是人类在创新思维层面所形成的伟大成果，也是人类智慧的重要结晶；地图学与人工智能天然密不可分。自20世纪70—80年代计算机数字地图制图逐步替代手工模拟制图之后，20世纪80—90年代即启动了地图制图专家系统的研究热潮。进入21世纪后，伴随人工智能研究的快速发展，地图科学也迈入数智化转型新时代，正朝向以时空大数据密集型计算为特征的新范式演进。围绕地图制图综合大模型及其应用，构建自动制图“综合链”，以推动地图制图产业发展；同时，地图制图数据的安全问题，尤其是国家基础地理时空大数据网络空间安全态势监控问题，也愈发受到重视。
（1）基础大模型仍在加速演进与迭代。模型能力持续增强，基础语言大模型的技术能力加速演化；视觉大模型推动图像理解，扩散模型用于图像生成；多模态模型通过语言大模型调度与跨模态特征对齐实现多模态理解；多模态生成模型则借助扩散模型以及端到端理解与生成架构开展交叉模态处理[7]。
（2）计算平台与模型创新高度耦合。以大模型为代表的通用智能范式正在引领AI计算平台的升级。软硬件协同的先进生态体系为大模型技术的原始创新与应用迭代提供了有力支撑，大模型的热潮进一步推动计算底座持续更新。
（3）工具链持续完善并加快大模型研发应用。所谓大模型工具链，是一系列集成化的软件工具与平台，用于覆盖大模型开发构建、训练优化、应用开发、推理与运维管理等全流程。训练工具加速模型生产的质效变革，推理工具强化部署推理能力，应用开发工具提升AI应用的高效落地。
（4）高质量多模态数据集是提升大模型能力的关键。多模态词元融合与实时处理成为数据预处理的重要方向，数据质量评估与模型反馈机制协同推进数据质量持续提升。人工智能技术创新对地图科学数智化至关重要：它将进一步促进地图制图大模型及其集成应用研究，支撑地图制图计算平台升级。与此同时，地图自动制图综合链可扩展并完善为贯穿地图设计与制图环节的工具链；从单要素自动综合质量评估，进一步延伸到全要素自动综合质量评估与反馈机制，并实现智能化。
（1）人工智能赋能应用的特征已逐渐显现。专用智能应用不断走向成熟，专用小模型与行业应用场景深度耦合，在图像识别、语音识别等方向取得较为突出的效果。通用智能落地前景广阔，依托大模型更强的分析、挖掘、预测与交互能力，以及对场景任务的适配性，大模型有望带动工业技术与产业体系的创新性变革。未来AI应用将呈现“大小模型协同”的发展趋势。
（2）重点行业AI应用正在由“走深”迈向“落地”。不同领域对AI的关注重点存在差异。
（3）体系化推进人工智能真正落地，已成为引导AI走向更强实用性与更高普惠性的行业共识。大模型技术选型通常涵盖模型生态、模型部署、模型协同以及模型推理算力等方面；智能体应用可进一步释放大模型潜能，有效缓解大模型“有脑无手”的问题，促进大模型输出更具质量保障。智能体人机交互也可实现优势互补；同时，构建运维管理体系有助于规范AI生产过程，系统性解决模型“烟囱式”生产周期长、生产过程与资产管理欠缺、跨团队协作难等痛点，从而加速大模型规模化落地。人工智能赋能地图科学创新发展，已被地图制图从数字化到智能化的发展历程所证明；未来地图科学数智化的长期可持续推进，同样离不开人工智能赋能。
本文从“多重挑战”和“全球治理”两个维度展开分析：①在催生新产业、新模式与新动能、并成为新质生产力的同时，AI也带来了多方面挑战，包括自身安全与衍生安全风险。AI自身安全主要指AI技术系统本身的安全，涉及部署所依赖的传统信息基础设施安全，以及模型、框架等AI系统特有的安全能力。AI衍生安全则来源于技术系统风险管控不到位，或系统被滥用、误用，甚至遭受外部攻击所引发的安全问题。②全球AI安全治理正处于“从原则到实践”的关键阶段。国际层面治理共识已逐步形成，围绕安全议题的合作持续加深，联合国、经合组织等推动形成了共识性文件。我国依托新型举国体制的治理优势，强调保障人工智能应用安全，积极发挥技术研究与治理协同能力，通过发布治理框架、制定标准规范与安全技术等方式推进AI安全治理，并持续开展负责任的技术研发与应用。从管理与技术两个层面落实自律，更加重视全流程管控，安全技术方案也向一体化与定制化方向发展。基于测绘地理信息的时空大数据开展数智地图制图，应将人工智能安全治理技术与规范落地实践纳入关键路径，确保数智地图制图能够长期稳定、可持续发展。
从近期发展看，人工智能的重要方向主要包括：①增强语言大模型能力仍将是技术升级的重点之一，可能持续吸引更多关注与资源投入；②多模态模型有望进一步加速突破，形成以语言大模型为骨干的多模态方案，并向原生多模态模型演化；③智能体凭借环境交互、任务执行与自我优化等能力，将进一步扩大AI可服务的场景边界，为AI赋能千行百业夯实基础；④具身智能将为智能体提供“身体”，使其能够与物理世界交互、探索、获取经验并持续修正行为，从而推动思维智能与行为智能的有机融合，成为迈向通用人工智能的重要一步。尤其值得关注的是，从中长期看，除数字芯片以外的模拟计算与量子计算芯片等硬件形态或将逐步成熟，基于此发展的类脑智能等颠覆性技术，有望为人工智能发展打开更大的想象空间。
大模型所展现的巨大潜力，不仅会推动AI产业迎来关键拐点，也将进一步促进我国生产力与生产关系的深刻变化。就行业大模型发展而言，其演进主要聚焦三项核心维度：①提升行业通用性，促进智能化普及；②增强大模型的专业稳定性与准确性，形成稳定可靠的应用范式；③丰富多元化人机交互方式，推动AI技术更广泛应用。就赋能应用场景而言，未来大模型行业赋能的趋势将从当前侧重交互能力提升，逐步转向业务创新与集成发展的阶段，最终实现与产业的深度融合。由此从“量变”走向“质变”，为“AI+”带来新的机会，并推动行业变革，迈向通用智能时代[8]。
面向AI的新时代，AI安全治理既是抢占战略制高点与把握发展机遇的“关键抓手”，也是全球与人类需要共同作答的“必答题”。未来，深化并落地AI安全治理更需要多元协同的共治机制。①持续完善AI安全风险识别方法，探索更敏捷、更精准的风险识别机制；②强化风险评估与防范意识，形成可操作、可动态迭代的风险识别与应对策略；③持续提升AI安全技术治理能力，强化模型算法稳健性、公平性等方面的评测技术研究，增强技术治理水平；④推动开放协同的国际交流合作，开展人工智能安全治理的基础理论与共性技术研究，促进安全技术标准与指引的制定与应用，共同释放AI潜力，提升风险防范与应对能力。
地图科学的数智化与人工智能之间关系紧密，前述人工智能技术的发展将对推动地图科学数智化产生重要促进作用。
人工智能，顾名思义，是研究、开发用于模拟、延伸与扩展人（脑）智能的理论、方法、技术以及应用系统的一门新兴技术学科[9]。其研究目标在于构建一种新的智能机器（电脑），能够以与人类智能相似的方式进行反应[10-11]。这一领域涵盖智能机器人、语音识别、图像识别、自然语言处理以及AI大模型等方向。因此，AI研究不可避免地需要引入脑科学或神经科学等基础理论，用以阐明人脑智能的基本机理与特征。
进入21世纪以来，尤其是近十年，人工智能基础理论研究受到学界与产业界的广泛重视并持续推进，已取得显著进展并形成多项具有国际影响力的成果。与此同时，脑科学作为人工智能的重要交叉支撑学科，研究聚焦于揭示人脑的结构、功能与运行机制，为理解智能本质提供了关键理论支撑。近年来，脑科学领域成果不断涌现。中国科学院脑科学与智能技术卓越创新中心（简称“脑智中心”）的研究团队绘制出大脑海马体三维立体动态“交通路线图”[12]，直观呈现海马体复杂神经元网络在多种脑功能（如恐惧记忆、场景认知、记忆泛化、情绪焦虑与社交记忆等）中的作用机制。该研究建立了该方向目前最为完整、系统的神经连接数据集，并发表于国际顶级期刊。专家评价认为，该成果“为海马体研究提供了极具价值的工具与数据基础”，并被称为“非凡的杰作与关键性研究资源”。此外，英国剑桥大学与意大利比萨圣安娜大学在神经可塑性领域开展合作，取得突破进展：其研究发现大脑的“身体地图”在截肢后仍可保持长期稳定，从而动摇并推翻了既有的“神经重组”观点[13]。研究表明，即便截肢多年后，初级体感皮层仍能在缺失肢体对应区域被激活，提示大脑内部“躯体图谱”具有高度稳健性。该结果提供了“关于大脑内置身体映射稳定性的最具决定性证据”。文献[14]亦指出，该研究“以清晰证据颠覆了长期以来的共识”。在脑结构可视化方面，文献[15]构建了基于形态与组学空间信息的细胞分型全脑测绘系统。该系统依托自主研发的MOST三维显微镜技术，实现对脑组织的高分辨率三维成像与神经元连接可视化，能够对脑微观结构进行整体性描绘。MOST显微镜的推出标志着我国在全脑细胞测绘领域取得关键技术突破，其相关成果发表于《Science》（2010）[16]，并入选“2011年度中国科学十大进展”。总体而言，这一系列研究为脑科学与神经科学提供了全新的技术手段，也为人工智能基础理论的跨学科创新奠定了坚实的生物启发基础。随着脑结构、认知过程与功能机制的系统解析持续深化，相关成果正在为类脑计算模型构建与认知智能发展提供更可靠的科学支撑。
上述脑科学或神经科学领域的人工智能基础理论研究，为地图科学数智化转型的基础理论提供了坚实依据。尤其是在阐释地图空间认知过程中人脑神经机制与功能特征方面，这类研究具有重要启发价值。神经系统是人类肢体各类活动的“管理机构”，它通过分布于身体不同部位的感觉器官与感觉神经获取环境变化信息，经由各级中枢完成分析整合，再发出信号以调控躯体结构与内脏器官的活动，即“感知→表象→记忆→思维”[17-18]。尤其近年来，在认知与行为的计算建模方向取得了显著进展，为研究空间认知的神经计算机制提供了新的理论与方法支持[19-20]。与此同时，大模型技术中普遍存在的瓶颈问题，也可能从人脑机制中获得重要启示。近期，中国科学院自动化研究所联合多家科研机构成功研发首款全国产化类脑脉冲大模型Spiking Brain 1.0[21]，表明我国在类脑计算与大模型融合创新领域实现了实质性突破。所谓类脑脉冲大模型，是一种受大脑结构与功能启发、并据此设计的新型大模型构建范式。相较于当前主流的Transformer架构，该模型具有以下三方面特点：①类脑模型提供了基于神经启发的技术路线，通过模拟大脑结构与功能实现模型架构创新；②该模型力求体现人脑超低功耗特性，利用脉冲信号进行信息传递，并结合类脑芯片的事件驱动机制，使其在功耗与时延方面呈现显著优势；③类脑模型的记忆机制更接近人脑的记忆方式，实现了在信息表征与学习机制上的生物启发式优化。该研究成果对推动地图科学专用类脑大模型构建具有重要理论价值与启发意义，并预示地图科学有望沿着类脑计算路径进一步实现智能化与数智化融合深化。人工智能赋能地图科学数智化的总体技术体系如图1所示。
图1 人工智能赋能地图科学数智化总体技术体系
Fig. 1 Artificial intelligence empowers map science and digital intelligence overall technology
类脑智能是人工智能领域的重要研究方向。该领域以神经科学以及人类认知行为机制为基础，通过模拟大脑神经结构与认知原理，使计算系统获得与人脑相近的感知、推理与学习能力。其核心目标在于推动机器以类脑方式完成与人类相同的认知功能及其协同机制，并在更高水平上实现甚至超越人类智能[11]。与传统机器学习方法相比，类脑智能在信息获取与处理机制上存在明显差异。传统AI系统往往依赖大量人工标注的高质量样本数据，并需要投入巨额计算资源训练模型；同时在高级认知能力以及举一反三等方面仍显不足。通过深入研究类脑智能，可以更好揭示人脑在信息加工与认知形成中的神经机制与动态过程，为人工智能的高层次认知建模提供更为坚实的理论支撑。尽管类脑智能研究仍存在诸多挑战，例如人脑认知机理尚未完全阐明、类脑计算模型与算法精度仍有待提高，但近年该方向已取得了重要进展[22-23]。
类脑计算是一种以让计算机具备类似人脑信息处理能力为目标的新型计算范式。其核心思想在于模拟人脑运行机制与认知规律，使其能够在自然界已知的生物进化系统中以更高效率完成问题求解、推理、决策、理解与学习等任务。作为目前所知最复杂且高效的信息处理系统，人脑的工作机制为包括地图制图在内的多领域智能化研究提供了重要启示。在人工智能领域，很多具有挑战性的工程问题都涉及效率与能力的矛盾：例如在计算机视觉或图像理解任务中，人类视觉神经系统能够快速准确感知外界信息中的绝大部分内容，而现代计算机视觉系统处理类似任务往往需要投入大量时间与计算资源，导致性能与代价之间不匹配。因此，研究者尝试从人类视觉神经机制中汲取经验，模拟人脑在信息编码、并行处理与能量利用方面的特点，以优化计算效率并提升智能水平。
类脑计算是类脑智能的核心技术支撑，也是类脑智能最终追求的目标，两者共同致力于通过模拟人脑机制，形成高效、低耗的计算机智能。
智能地图制图同样面临类似难题：地图制图专家在处理地图制图（尤其是地图制图综合）时究竟如何思考与行动？能否让计算机也像地图制图专家的大脑一样理解并指导地图制图综合过程（包括制图要素的选取、化简、概括以及相互关系处理）？这正是类脑智能与类脑计算用于地图制图研究所要解决的问题。因此，类脑智能研究为智能地图制图的进一步探索打开了新的切入窗口。
深度学习是时空大数据时代机器学习发展的重要分支与新兴浪潮。机器学习通常指借助算法让计算机能够从海量历史数据中自动学习规律，用于对未知样本的智能识别或对未来的预测。而深度学习则更具体地指基于深层神经网络模型的方法体系：它是在统计机器学习与人工神经网络等传统算法基础上，伴随当代大数据与高性能计算快速发展而逐步兴起。深度学习的关键技术特征在于能够自动提取特征，也即深度特征表示。相比依赖人工设计的浅层特征，深度特征在表示能力、稳健性与泛化能力方面更具优势。深层神经网络是实现自动特征学习的基础，其本质可视为多层非线性变换的嵌套结构。借助这种机制，计算机能够在大规模时空数据支撑下开展自主学习，从数据中抽取更高层次的语义特征与规律。目前，深度学习已广泛应用于语音识别、图像识别与自然语言处理等智能感知与理解任务；在推动AI核心技术进步的同时，也为智能地图制图等地理信息领域“知识工程”瓶颈提供了新的思路与技术路径。
生成式人工智能的关键在于通过模型与算法学习数据（文本、图像、音频、视频等）的内在规律，并生成具有逻辑性与原创性的全新内容。自2022年ChatGPT发布以来，生成式人工智能快速发展，在全球范围内引发持续关注与热烈应用。2025年初发布的DeepSeek模型在技术层面取得突破，使其成为社会与学术界讨论的焦点。与此同时，“人工智能+”“大模型”“算力”等关键词被写入政府工作报告，说明生成式人工智能已被提升到国家战略性技术高度。从技术角度看，生成式人工智能可以理解为深度学习在更深层次与更广泛场景中的最新演进，形成以“大数据+大模型+大算力”为核心的新型思维框架。在该框架下，芯片算力成为关键支撑要素，数据规模构成核心竞争力，而模型参数规模也成为衡量技术进步的重要指标。就地图科学而言，生成式人工智能不仅为突破智能地图制图的“知识工程瓶颈”提供新思路，还在地图集总体设计、图组结构设计、图层构建、图面表达以及自动化地图生成等更深层环节体现出良好适配性与广阔应用潜力[24]。该技术正在推动制图自动化、语义分析与空间认知表达等关键环节实现技术突破，为智能制图与地理信息系统的深度融合提供重要的理论基础与应用支撑[25]。因此，生成式人工智能有望推动地图科学从以往以数字化制图为主的阶段，迈向以知识生成与认知建模为核心的数智化新阶段。需要强调的是，科学性与准确性是地图科学的生命线，而生成式人工智能目前固有的局限在于其“概率性”生成可能带来“幻觉”。因此，在数智化地图制图过程中，需要定期清理幻觉数据，构建安全可信的时空大数据标签体系以提升数据可靠性；同时，通过建立可动态更新的信息源与知识库，并对数据可信度进行标签化管理，研发针对“幻觉”的专门治理技术与平台，实现幻觉数据的自动分析、深度鉴伪、虚假信息检测及传播溯源，从而降低幻觉出现概率，保证地图科学的科学性与准确性。
在当前人工智能快速发展并被广泛应用的形势下，如何正确理解并妥善处理人与人工智能的关系，是亟需重视的问题。目前关于人工智能的看法存在两种极端倾向：①认为人工智能无所不能；②认为人工智能并不具备那么“高级”。这两种观点都存在偏差。更准确的认识与路径应当是让计算机（电脑）人工智能与人类（人脑）智能实现深度融合与密切协同，以此作为破解智能地图制图问题的重要方案。当然，这也是一项极具挑战的研究与实践课题，可从以下三个方面加以理解。
（1）这是一项长期的战略任务。人脑智能往往呈现层次化、结构化的知识组织方式；计算机人工智能则是通过模拟与扩展人的智能而形成的理论、方法、技术及应用系统。二者的深度融合既强调各自分工，又要求有效协同。
（2）这是一项已取得阶段性成果且未来仍有较大空间的战略任务。在地图科学的发展历程中，过去从未像今天这样，面对天空—地海一体化的大规模海量多源异构、多维动态数据流（流数据）。地图的实时动态性、主题的多变性、内容的广泛性、载体的多样化、表现形式的个性化、应用的泛在化以及传播网络化等特征，在以往任何时期都难以相提并论。智能地图制图的未来仍蕴含巨大创新空间；时空大数据密集型计算将成为智能地图制图的重要基础特征。人工智能也将成为推动解决智能地图制图领域“知识工程”瓶颈的关键力量。面向智能地图制图领域开展类脑智能与类脑计算、深度学习与生成式人工智能研究，有望促使智能地图制图实现重大突破。
（3）这是一项在艰苦努力下具备实现可能性的战略任务。从地图科学的发展演变角度看，计算机数字地图制图技术替代传统手工制图技术，是制图技术层面的根本性变革与里程碑事件，当时不也是不敢想象、最终仍可实现吗？智能化地图制图综合与多尺度级联更新关键技术这个“百年国际难题”不也在实现“四个转变”的基础上逐步落地吗？即由“主观过程→客观科学方法”、由“定性描述→定量描述”、由“基于模型的制图综合→基于模型算法和知识的制图综合”、由“单一要素、单一过程的自动综合→基于自动制图‘综合链’的全要素全过程智能地图制图综合过程控制与质量评估”。因此，贵在坚持，只要持续推进，时间终将给出满意答案。近几年来，脑科学、神经科学、认知科学与人工智能技术都取得了可喜进步，类脑智能与类脑计算以及生成式人工智能等研究与应用也取得了阶段成果。未来应继续推进跨界融合，实现计算机人工智能与人类智能的深度融合。
地图科学是一门致力于重构非线性复杂地理世界的综合性学科[26]。作为其重要组成部分的地图制图学，既是一项极具创造性的技术工作，也是高度复杂的认知与思维过程，其中逻辑思维（抽象思维）、形象思维与灵感思维交织并存。逻辑思维能够更方便地借助模型与算法实现形式化表达，而制图过程中的形象思维与灵感思维往往具有模糊性与不确定性。很多情况下，即便是经验丰富的制图专家，也难以明确解释某项制图决策为何如此处理、而非采用其他替代方式。正因如此，制图知识的计算化表达与自动化实现面临巨大挑战。基于此，有必要从基础层面开展系统研究，查明地图制图过程中发挥作用的知识类型及其形成机制，明确知识的获取路径与组织方式，并构建符合地图制图规律的演绎推理机制与控制策略。这些基础理论与方法的突破，离不开长期、持续且扎实的科学探索。近年来，人工智能技术的快速发展与广泛应用，尤其是脑科学与神经科学、类脑智能与类脑计算、深度学习及生成式人工智能等前沿方向的突破，为地图科学的数智化转型提供了重要理论启示与技术支撑。通过空间认知与行为的计算建模，可以深化对人类制图认知机制的理解；基于类脑智能与类脑计算的地图知识工程，为复杂制图推理提供新的范式；生成式人工智能的引入，则为智能化地图集设计、制图与多媒体泛在传播开辟全新的技术路径。可以预见，随着人工智能与地图科学不断深度融合，地图科学将站在新的历史起点上，进入以智能认知与自主生成能力为核心特征的数智化发展新阶段！