第10章 行业场景与价值量化：证据分级与场景矩阵
本章导读
同一个“效率提升 50%”，出自采购文件还是厂商案例页，价值差一个量级。本章对应原报告 7.1—7.5 节：7.1 节先立强、中、弱三级证据标准，7.2 节的惠州询价公告把“结果正确率不低于 90%”写进验收，是全部场景里唯一合同化的一条；7.3 节把应急、水利、电力、保险等场景并列，区分能力指标与 AI 的真实贡献；7.4 节用零样本 Agent 的 40.0% 与 44% 以上的代码失败率，解释主流形态为何是“AI 初筛 + 人工终判”；7.5 节的价值矩阵说明可量化验收比技术先进性更能预测落地速度。
学习目标
读完本章，你应当能够：
- 用 7.1 节三级标准给一条证据定级，说明单位自述为何不能当作普遍结论；
- 复述 7.2 节惠州询价公告的两项要求，说明“合同化”对 AI 输出的含义；
- 区分 7.3 节表中的能力指标与 AI 贡献，指出应急测绘为什么不能把 6 小时、12 小时归因于 AI；
- 用 7.4 节的 40.0% 与约 60%，算出与合同要求 90% 的差距，并写出引用时不能越过的边界；
- 用 7.5 节矩阵判断一个给定场景该不该投资，写出所需的三项验收指标；
- 写出本单位一个场景的证据清单补全项，按 7.1 节三级标准标注已有与缺失。
7.1 证据分级：本章的引用纪律
场景分析最容易失真，因为厂商自述与第三方复核的可靠性差一个量级。本章对每条证据标注强度：
| 证据等级 | 定义 | 处理方式 |
|---|---|---|
| 强 | 采购文件、国家标准、财报、政府新闻发布 | 可直接引用为事实 |
| 中 | 单位自述但含具体指标、公开论文（含同行评议） | 引用并注明“单位自述”或期刊 |
| 弱 | 媒体报道的推算值、厂商案例页无量化 | 仅用于判断方向，不引用具体数字 |
本章的一条基本原则：单一来源、单位自述的“效率提升 X 倍”，一律不当作普遍结论。
7.2 自然资源：唯一大规模业务化的场景，且已“合同化”
这是全部场景中证据最强的一个，因为它的验收标准已经写进了采购文件。
（1）采购文件口径（最强证据）：惠州市自然资源局 2025-12 询价公告明确写道，传统“发现”依赖人工目视解译、效率低投入大；基于卫星影像的 AI 自动变化检测效率高、费用低，已成为快速“发现”地类变化的重要手段，结果正确率不低于 90%，并须符合《数字测绘成果质量检查与验收》（GB/T 24356）产品质量控制要求。
这句话的份量在于：“正确率不低于 90%”已经从宣传口径变成了合同验收口径。一旦写入采购文件，AI 输出的质量就不再是“效果好”的主观评价，而是“达标／不达标”的合同判定。这是 GIS×AI 真正落地的分水岭标志。
（2）技术效果（中等级证据，单位自述与论文）：
| 主体 | 指标 | 证据等级 |
|---|---|---|
| 广东省国土资源测绘院 | “大模型+知识图谱”遥感先验知识验证与深度学习净化框架，综合准确率 90% 以上；通过“AI+人工”融合，初步测试预估可减少约 50% 伪变化图斑（措辞为“初步测试预估”） | 中（单位自述） |
| 湖南“天空地网”监测体系 | 单县年度变更调查成果单次质检由 2—3 小时缩短至 30—40 分钟；全省域耕地流量分析由 3 天缩短至 30 分钟；12 小时内完成全省域 0.5 米影像在线发布，速度提升 5 倍以上 | 中（单位自述） |
| 中国测绘科学研究院（ACID 系统） | 全国 500 区县测试：数据维度平均压缩 97.79%、压缩幅度 47.83%，单区县平均耗时 17 分钟，疑似新增建/构筑物生产任务效率提升约 34% | 中（公开材料） |
| 公开期刊论文（建设用地变化检测） | 全国多区域实验：平均查全率 97.3%；相较语义分割基线，查准率提高 11.6 个百分点、平均交并比提高 5.9 个百分点；人工排查工作量降低 41.9% | 中（期刊） |
（3）政策侧（强证据）：自然资源部 2026 年 5 月公开表示，已形成“人工智能+”赋能自然资源的顶层设计初稿；国家人工智能应用中试基地（时空地理信息方向）已进入发改委正式立项评审；已在 21 个省、14 个市开展 AI 建设试点，探索耕地保护、用途管制、规划实施。
结论：变化检测是唯一同时满足“高频、可量化、可验收、有国标兜底”四个条件的场景。智能制图、报告生成、知识问答仍停留在效率工具层，缺少可比的验收指标。
7.3 其他场景：能力已具备，量化证据不足
下表汇总了自然资源之外的场景。需要特别说明：这些场景的 AI 增益大多缺少中国官方量化，引用时须区分“能力指标”与“AI 贡献”。
| 场景 | 公开可查证据 | 证据等级 | AI 的真实贡献 |
|---|---|---|---|
| 应急测绘 | 已形成部省市县四级贯通体系，具备突发事件 6 小时内获取现场高分辨率影像、12 小时内提供首批应急测绘成果能力，并在西藏定日地震、京津冀暴雨洪涝、甘肃榆中山洪中提供保障 | 强（政府发布） | 注意：官方未把该能力归因于 AI，AI 主要压缩解译时间 |
| 灾害评估（国际） | UN-SPIDER 网络 GeoAI 最佳实践 18 个案例：业务产品生成时间中位数较 GeoAI 之前下降 65%~85%；WFP 建筑损毁评估在 2023 年土耳其地震等灾害中识别受损区域准确率接近 90%；RAVEN 智能体框架（IEEE WACV Workshops，同行评议）在脆弱聚落评估中太阳能板 IoU 0.887、屋顶材质分类 86.17%、卫生设施检测 98.20% | 中（国际公开） | 时间压缩是最稳健的增益维度 |
| 水利 | 广州花都区数字孪生水利引入 AI 大模型赋能知识库培训与数据分析，优化调度模型每年节约用电超 300 万元；宁波周皎梯级水库“智慧水库”智能体通过划定业务边界、对接私域知识库与实时监测、依托水文水动力机理模型运算，从源头规避 AI 幻觉；泵站云边协同调度（RAG＋多智能体）全生命周期能耗降 12.5%、超限报警减 80% 以上 | 中（水利部网站转载；IEEE 单点实验） | 已有可核实成本节约，且提供了“机理模型兜底”的防幻觉范本 |
| 电力巡检 | 国网信通中电飞华基于“光明电力大模型”的多模态变电运维智能体在山东银雀变电站试点：调动 GIS 室无人机与摄像头，5 分钟完成原本需人工半小时的设备巡视并自动生成图文报告；国电南瑞苏州虞城 ±800kV 换流站采用“站端推理＋云端复核”大小模型协同；四足巡检机器人在苏州 500kV 越溪变电站投用两个多月完成 95 次巡检，节省 30% 人力成本 | 中（企业/媒体口径） | 单点作业时长缩短是最直观的收益 |
| 交通 | 甘肃公路高边坡“天空地模数”监控体系、重庆高速“空天地全景融合”系统入选工信部 2025 年物联网典型案例、大连“空-天-地-地下”多源监测网 | 弱（无量化） | 方向明确，缺量化 |
| 城市治理 / CIM | 住建部等九部门《行动方案（2025—2027 年）》要求完善 CIM 平台、深化“CIM+”应用、建立房屋建筑安全隐患数字档案；实景三维已支撑 100 多种应用场景；安徽 LOD1.3 城市三维模型快速构建工程覆盖 16 个地市城镇开发边界 4043 平方公里，通过国家测绘产品质量检验测试中心核验 | 强（政策）／中（工程） | 属集成型项目，AI 为组件之一 |
| 保险 | 人保财险引入气候风险模型、迭代企财险定价模型，在常规/大案/大灾分层计量基础上实现分标的地理位置风险状况的差异化定价；学术侧考虑复杂下垫面的台风风场模型可量化区域承保体损失概率并用于厘定费率（以广东为例） | 中（企业公开＋论文） | 最接近“按结果付费”的场景：地理信息直接进入定价公式，价值可量化为保费差异 |
这张表的核心结论：GIS×AI 的现实分布是“一个高价值场景（变化检测）+ 若干中等价值场景（水利、电力、保险）+ 大量方向明确但无法量化场景”。投资决策应当围绕第一类场景展开，第二类作为扩展，第三类只做技术储备。
7.4 能力与合同的错配：本报告引用的最关键反面证据
这一节是本报告最重要的判断依据之一，因为它用硬证据推翻了“AI 可以替代人”的想象。
ACL 2026 Findings 的一项实测显示：零样本条件下，LLM Agent 调用 Google Earth Engine API 完成地理空间任务的准确率仅 40.0%，且代码在 44% 以上的情况下根本跑不起来；即便 Claude-4.5-Sonnet、Gemini-2.5-Pro、GPT-5 等头部模型，准确率也仅升至约 60%。
把它与 7.2 节的采购要求并置，就得到一个刺眼的对照：
| 维度 | 合同要求 | 公开基准实测 | 差距 |
|---|---|---|---|
| 变化检测正确率 | ≥ 90%（惠州询价公告，2025-12） | 专项模型可达 90%+（单位自述），但通用 Agent 类仅 40%~60% | 特定任务可达标，通用编排不达标 |
| 代码可运行率 | 项目要求稳定交付 | 44% 以上情况代码跑不起来 | Agent 直接操作 API 尚不可靠 |
这个错配解释了今天 GIS×AI 的主流形态为什么是“AI 初筛 + 人工终判”，而不是“全自动”。 它不是过渡期的权宜之计，而是能力现状与制度要求共同决定的稳态。任何声称“可以取消人工复核”的方案，都需要先证明自己能跨过这条 30 个百分点的鸿沟——而目前公开证据不支持这一主张。
引用纪律：40.0% 是“以 Google Earth Engine API 为工具的零样本 Agent 设置”下的结果，不能表述为“GeoAI 通用准确率”。专项训练的模型（如变化检测）与通用 Agent 是两类不同的东西，混引会得出错误结论。
7.5 场景价值矩阵
| 场景 | 频率 | 可量化验收 | 国标/规范锚点 | 公开证据强度 | AI 相对价值 |
|---|---|---|---|---|---|
| 国土变更调查 / 变化检测 | 高 | 是（≥90%） | GB/T 24356 | 强 | 高：替人看图 |
| 耕地 / 违法用地监测 | 高 | 部分 | 有 | 中 | 高：抑制伪变化 |
| 水利调度 | 高 | 是（能耗、报警） | 有 | 强 | 中：机理为主、AI 辅助 |
| 电力巡检 | 高 | 是（时长、人力） | 有 | 中（自述） | 高：单点替人 |
| 保险定价 | 中 | 是（保费、赔付） | 有 | 中 | 高：直接进损益 |
| 应急灾害评估 | 低（事件驱动） | 部分 | 有 | 中（国内少） | 中高 |
| 交通 / 公路 | 中 | 弱 | 部分 | 弱 | 中 |
| CIM / 数字孪生城市 | 中 | 弱 | 有 | 弱 | 待验证 |
矩阵的读法：横轴的“可量化验收”比“技术先进性”更能预测落地速度。一个场景即便技术很难，只要验收标准清晰（如变化检测的 90% 与 GB/T 24356），就会有人买；反之，技术再先进但无法验收，就会一直停在 POC。
本章小结
- 证据分级是整章前提：采购文件、国标、财报、政府发布为强；单位自述与公开论文为中；媒体报道的推算值与无量化案例页为弱，只能判方向、不引具体数字。
- 变化检测是唯一同时满足高频、可量化、可验收、有国标兜底的场景：惠州询价公告要求结果正确率不低于 90%，并符合 GB/T 24356 的产品质量控制要求。
- 其余场景的 AI 增益多数缺少中国官方量化：应急测绘的 6 小时与 12 小时能力官方未归因于 AI，水利与电力有可核实成本数据但多为单位自述或单点实验。
- 能力与合同的错配是硬约束：零样本 Agent 调 GEE API 准确率 40.0%、代码 44% 以上跑不起来，头部模型约 60%，与 90% 的验收线差约 30 个百分点。
- “AI 初筛 + 人工终判”不是过渡期的权宜之计，而是能力现状与制度要求共同决定的稳态；要取消人工复核，先得跨过这 30 个百分点。
- 引用纪律：40.0% 只适用于以 GEE API 为工具的零样本 Agent 设置，不能表述为“GeoAI 通用准确率”，专项模型与通用 Agent 不能混引。
思考与练习
- 辨析：某厂商称“效率提升 5 倍”。按 7.1 节标准给它定级，并写出你要追问的三项信息：样本量、对照基线、统计口径。
- 应用题：某市要上耕地保护监测，按 7.5 节矩阵写出投资前必须补齐的三项验收指标与各自证据来源。
- 从你单位近两年的一个 AI 项目里找一条单位自述指标，按 7.1 节标准重写为可验收表述。
- 用 7.4 节的 40.0%、约 60%、不低于 90% 三个数，估算人工复核比例的底线，并写出你的假设。
- 辨析：“应急测绘 6 小时出图是 AI 的功劳”。用 7.3 节表格判断这句话，并给出正确的归因表述。
- 对照 7.3 节场景表，判断你单位所在行业属于高价值、中等价值还是只做技术储备，并写一句投资建议。