从“大模型”到“智能体”：专家解读2026联合国数据马拉松中国赛

2015年，联合国大会通过《2030年可持续发展议程》，为全球发展划定了17个可持续发展目标。十年间一个明显的变化是数据不再稀缺，AI不再遥远。

正是在这样的背景下，联合国数据马拉松中国赛在联合国统计司的支持下，联合国统计大数据和数据科学全球中心携手之江实验室共同举办了三届。我们关注共同富裕、卫星遥感数据的应用及大模型技术的探索，聚焦粮食安全、生态健康、环境保护、民生福祉等方向，致力于应用新技术解决可持续发展的真实问题。

2026年，赛事主题为“AI智能体赋能可持续发展目标”。不设固定赛道，参赛者可以围绕任意一个SDG，自主发现问题、选择场景，利用AI智能体自主感知、任务规划与协同执行的能力，设计并实现一个具有实际应用价值的解决方案。

那么，今年为什么选择“AI智能体”？这项技术前沿与可持续发展目标之间的结合点在哪里？今年的赛事不设固定赛道，评审到底看什么？我们采访了北京师范大学岳建伟教授。

岳建伟

北京师范大学地理科学学部教授级高级工程师、博士生导师，长期从事3S技术在智慧国土、智慧城市、智慧农业、灾害应急和空间大数据分析等领域的教学与应用研究。

01

为什么今年的主题是“AI智能体”？——前沿技术如何回应人类福祉

1

记者：您曾经历任中国赛的评委，最初是什么契机让您参与到这项赛事中来的？

岳建伟教授：我长期从事空间数据分析与遥感应用研究，在农业普查、国土监测等一线项目中，通过国家统计局浙江调查总队关注到这项赛事。我始终认为，这是国内少有的精准对接前沿技术与全球可持续发展战略的青年创新平台。当下数据资源已不再稀缺，真正的短板是技术落地能力，而赛事恰好为青年提供了“从理论到应用”的试验场，同时打破学科壁垒，让遥感、计算机、社科、经济等多领域学生跨界协作，催生高质量创新成果。这也是我持续参与评审、见证赛事成长的核心原因。

2

记者：赛事主题从2024的“卫星遥感大数据”到2025年的“大模型技术”，再到今年的“AI智能体”，您如何理解这一主题演进背后的技术趋势？

岳建伟教授：三年主题迭代并非追逐热点，而是AI赋能SDG的三级能力跃迁。2024年卫星遥感大数据，属于感知智能，解决可持续发展“数据有无、精度高低”的基础问题，搭建全域监测的数据底座。2025年大模型技术，升级为认知智能，实现数据理解、规律提炼、趋势推理，让海量数据转化为可用知识。2026年的AI智能体，迈入行动智能，彻底改变AI的应用形态：从被动问答、生成文本的“顾问”，变成可自主规划、工具调用、闭环执行的“执行者”，真正具备解决复杂真实问题的能力。

3

记者：相较于传统AI技术，AI智能体与联合国可持续发展目标的核心结合点在哪里，如何真正实现技术向善、赋能民生福祉？

岳建伟教授：AI智能体对SDG的赋能，集中体现在监测、决策、普惠三个核心层面，精准破解全球可持续发展的落地难题。首先是精准动态监测，智能体可自动融合遥感、传感器、社会经济多源数据，对粮食安全、生态保护、气候行动等领域进行常态化监测，大幅降低人工评估成本，提升监测精细化程度。其次是智能优化决策，可持续发展本质是复杂的资源配置问题，智能体可通过时序预测、动态模拟，优化新能源调度、精准农业生产、电网碳排放管控，实现资源高效利用。最关键的是缩小数字鸿沟。目前全球大量发展中国家、基层从业者难以掌握高端建模、遥感分析、大数据处理技术。而AI智能体可将复杂技术流程封装为简易交互界面，降低技术使用门槛，让前沿AI技术下沉基层、普惠全球，真正践行技术向善的内核，助力缩小发展不平等差距，贴合SDG的核心初心。

02

今年赛事不设固定赛道，那评审看重什么？

1

记者：今年赛事取消固定赛道、开放全SDG自主选题，这种模式带来哪些机遇与挑战？参赛团队该如何精准选题，打造差异化作品？

岳建伟教授：无赛道模式是赛事的重要升级，机遇与挑战并存。机遇在于彻底打破赛道内卷，团队可结合自身专业、数据资源、地域特色自主选题，挖掘小众刚需的SDG场景，催生差异化创新。但自由度越高，对团队的综合能力要求越高，很多新手容易陷入选题空泛、落地困难的困境。

结合评审经验，我总结了四条选题核心原则。第一，小切口深挖掘，不必攻克宏大目标，聚焦单一区域、单一细分问题，比如放弃宽泛的粮食安全研究，聚焦区域作物病虫害智能监测，更易落地、更具说服力。第二，数据量力而行，优先从自有、可信的数据资源出发匹配问题，避免选题价值高但无数据支撑，导致方案悬空。第三，需求优先于技术，对接政府部门、基层治理、环保农业机构的真实痛点，让方案服务实际需求，保证赛后可迭代、可落地。第四，突出智能体差异化，避开大模型时代泛滥的文本生成、简单查询类作品，重点打造多智能体协同、全流程自主执行的闭环方案，形成技术代差优势。

2

记者：往届赛事中有哪些让您印象深刻的标杆作品？它们的共性优势是什么，值得本届团队借鉴？

岳建伟教授：往届两件金奖作品极具代表性，完美诠释了赛事“重落地、解真问题”的核心导向。2023年一等奖作品，由香港大学与香港理工大学团队完成，聚焦中非合作与可持续发展，依托多源时空大数据与机器学习模型，多尺度量化评估国际合作对非洲可持续发展的赋能效果，格局开阔、体系完整，为跨国SDG合作提供了可复用的评估范式。

2024年浙大“紫金富农队”的作品同样亮眼，团队精准锚定SDG零饥饿目标，聚焦农地破碎化这一细分痛点，利用遥感大数据精准测算耕地细碎程度，为农业适度规模化、粮食增产提供量化支撑。两件作品的共性是：格局大、切口小、技术实、落地强，不堆砌技术概念，始终围绕“解决真实问题”展开，这也是赛事评审的核心标准。

03

从创意到落地，参赛者如何才能“脱颖而出”？

记者：首次参赛团队最容易踩哪些坑？想要让作品脱颖而出、甚至产生社会价值，最需要补齐哪些核心能力？

岳建伟教授：新手误区集中在选题、数据、执行、展示四个维度，且大多不是技术能力问题，而是认知偏差。选题上贪大求全，瞄准全球气候治理、全国粮食安全等宏大命题，远超团队承载能力，最终只剩空泛论述，无落地路径。数据上依赖通用公开数据，缺乏实景校验，数据可信度不足，结论空洞无说服力。执行上重技术炫技，堆砌智能体、大模型、知识图谱等热门概念，做成“技术大杂烩”，却没有明确的问题解决闭环。展示上重算法轻表达，堆砌专业术语，缺乏可视化呈现，无法让评委快速感知方案价值。

如果想让作品跳出参赛原型、真正落地赋能社会，青年团队最需要补齐的不是算法能力，而是全链路落地能力：能够将宏大的SDG全球目标，拆解为微小、具体、可执行的基层场景，对接多元主体需求，完成低成本、可复用的解决方案闭环。这是青年科研创新最核心的短板，也是作品出圈的关键。

04

参加这个比赛，参赛者能获得什么样的机会？

记者：获奖作品可在联合国官方平台展示、推介，这一经历对青年参赛者有怎样的长远价值？最后您对参赛青年有什么寄语？

岳建伟教授：联合国平台的官方背书，价值远不止一张获奖证书。首先，它让青年的校园创新升级为全球认可的公共成果，获得国际学术与行业圈层的曝光与认可，是个人履历极具辨识度的核心亮点。其次，能够对接全球跨界资源，拓宽学术研究与职业发展的边界。更重要的是，帮助青年建立“技术服务福祉”的核心思维，跳出技术内卷，学会用科技回应真实世界的问题，这是比奖项更珍贵的成长。

我想对犹豫观望的年轻人说：别等了，带着你的创意，拉上你的伙伴，以数据为基，以AI为翼，以SDG为炬，站上联合国国际舞台，让世界看见你的思考。

关于今年赛事，你还需要知道这些

来源：浙江调查总队

点个在看分享一下