【荐读】李德仁院士. 时空智能学：理论与应用

李德仁, 郭昊南, 金文杰. 时空智能学：理论与应用[J]. 武汉大学学报 (信息科学版), 2026, 51(9)：1755-1764.

世界是物质的，物质是运动的，运动着的物质世界需要用时间和空间来描述。人类认识世界，首先要回答对象在什么时间、什么地点，以什么状态存在；进一步还要回答它发生了什么变化、为什么发生变化、应该采取什么行动。测绘解决精确位置与几何表达问题，遥感（remote sensing，RS）解决大范围、非接触和周期性观测问题，全球导航卫星系统（global navigation satellite system，GNSS）提供统一的位置与时间基准，地理信息系统（geographic information system，GIS）组织对象、关系与过程，通信网络传递数据和服务，人工智能则帮助人们从海量数据中提取信息、知识和规律。万物互联、数字孪生和人工智能的发展，使这些能力正在汇聚为无所不在的时空智能。

工业化时代，测绘遥感的主要任务是获取地球表面目标的位置、形状、影像和地图；信息化时代，RS、GNSS与GIS集成，数字地球、智慧地球和地球空间信息服务得到发展；智能化时代，时空数据的获取、处理、信息提取、知识挖掘和服务都要走向自动化、网络化、智能化与实时化。因此，测绘遥感地理信息工作不能停留在生产数据、影像和地图，还要对自然过程、社会经济活动和人体生命过程进行实时感知、认知与预测，并提供决策支持，把时空数据转化为可以直接使用的知识与行动。

时空智能学正是在这一转变中形成的。近年来，大语言模型、视觉大模型和多模态基础模型取得了很大进步。然而，当前人工智能的主要数据和应用仍集中在互联网。互联网中的文字和图像是对世界的记录，不等于运动的物质世界本身。物质世界中的目标可能发生移动、受到遮挡或产生变形，环境也会变化，观测结果还存在误差。因此，人工智能如果不能知道目标在哪里、什么时候发生了什么变化，不能在地形、物理、安全和制度约束下采取行动，就难以充分转化为现实的新质生产力。因此 ，人工智能今后的重点应当更多转向时空智能 ，把大数据 、大模型与统一时空基准 、通导遥算智能传感器 、地理知识 、物理规律和行业知识结合起来 ，使人工智能由数字空间进入物理世界 ，由感知和认知走向可验证的行动 。 本文围绕时空智能的理论基础 、与人工智能和基础模型的关系 、典型应用以及未来需要解决的问题展开讨论 ，重点说明如何让时空智能服务新质生产力 、可持续发展和人的全面发展。

1 时空智能的理论基础

01

1.1 从测绘遥感地理信息学到时空智能

测绘学的发展经历了模拟测绘 、解析测绘、数字测绘和信息化测绘等阶段。模拟测绘主要依靠光学机械设备和手工作业；解析测绘通过严密的数学模型和计算机完成摄影测量解算；数字测绘实现了数据采集、处理和成图的数字化；信息化测绘进一步依托卫星导航、遥感、数据库和网络提供连续的地理空间信息服务。RS、GNSS与GIS集成以后，测绘的工作对象从单一地形图扩展到多源、多尺度、动态的地球空间信息，工作方式也从周期性成图转向在线服务。

从内涵上看，时空智能学以自然过程和人类活动及其时空规律为研究对象：通导遥算一体化传感系统负责连续观测与信息联接，云计算和人工智能负责信息提取、知识发现与推理，最终把认知结果用于决策和行动。它是一套认识和服务运动物质世界的科学与技术体系，把数据获取、信息提取、知识挖掘、决策支持和行动反馈连成整体，延续了测绘遥感地理信息学的智能化进程，也构成人工智能的重要部分。

其核心任务可概括为6W+4R，即回答何时（When）、何地（Where）、何种目标（WhatObject）、何种变化（WhatChange）、变化机理（Why）和何种决策（WhatReaction）问题，并交付服务：时间要符合任务时限（RightTime），位置要对应需求发生地（RightPlace），内容必须是正确的数据、信息和知识（RightData/Information/Knowledge），接收者必须是实际需求者（RightPerson）。 6W体现信息科学由感知、认知走向机理分析和决策的要求，4R体现服务科学对时效、区位、内容和对象的约束。二者结合，才能把时空数据转化为面向大众、实时响应且可支持行动的智能服务。

02

1.2 从 PNT 到 PNTRC 与通导遥算一体化

以北斗为中心的定位、导航与授时（positioning，navigation，timing，PNT）系统是时空智能的重要基础。PNT能够提供位置、方向、速度和时间信息，使人、车、船、飞机、机器人和各类设备在统一时空基准下协同工作。但是，只有PNT还不够。通信、导航、遥感若仍各成体系，就会出现观测、定位、传输和服务相互脱节的问题。需要从PNT走向定位、导航、授时、遥感与通信（positioning，navigation，timing，remote sensing，communication，PNTRC），再把计算资源嵌入星上、边缘和云端，形成通导遥算协同的全链路。

通信保障信息可以及时送达 ，导航与授时回答对象在哪里、何时发生、遥感识别目标及其变化，计算则完成数据压缩、智能解译、模型推演和任务规划。四者融合以后，遥感卫星可以按照用户任务主动观测和在轨处理，多平台数据可以在同一时空基准下对齐，分析结果则直接送达手机、车辆、机器人和指挥终端。这样才能实现全球范围遥感数据从获取到应用终端的分钟级“快、准、灵”服务，使天基信息由专业服务走向行业和大众服务。

“对地观测脑”和东方慧眼智能遥感星座的建设，就是要把卫星、航空器、无人机、地面设备、通信网络、计算平台和用户终端组织成一个可以感知、认知和响应的整体［ - ］。目标不仅是看得快、看得清、看得准、看得全、看得懂，还要送到位。面对灾害、生态、农业、交通等任务，系统要能够根据需求调度卫星和传感器，在轨完成云检测、场景分类、目标识别和变化分析，把天上的大数据变成用户能够直接使用的小数据、信息和知识。

03

1.3 任务牵引、知识引导与闭环服务

面对同一个地区，农业需要关注作物类型、长势、土壤水分和病虫害，交通需要关注道路、车辆、拥堵和事故，生态保护需要关注植被、水体、野生动物和人为扰动。任务不同，所需要的传感器、空间分辨率、时间分辨率、观测角度、通信优先级和处理方法也不同。不能为了“看见一切”而无差别获取海量数据，而应当围绕实际问题决定看什么、何时看、看多清楚、怎样计算、把什么结果送给谁。

此外，当前许多人工智能方法主要依靠数据训练，数据越多、模型越大，能力往往越强。但是地球表面具有明显的区域差异和尺度差异，同一种目标在不同季节、不同传感器观测条件和不同地理环境下呈现的特征可能不同。仅靠数据相关性，模型可能在一个地区有效，换到另一个地区就失效。通用模型必须与坐标基准、区位、拓扑、地形、地貌、光照、成像机理、物理过程、行业规则和历史经验相结合，在数据不足和环境变化时仍然能够作出可信判断。

从工作流程看，时空智能应形成“任务解析 —主动观测— 时空配准—多源融合—目标认知—变化预测—决策行动—反馈验证”的闭环。系统首先理解任务目标和时限，再组织卫星、无人机、机器人等空天地海智能传感器协同观测；对数据进行统一时空基准下的配准和融合，识别对象、关系、变化与风险；随后形成行动方案，由车辆、机械、机器人或管理人员执行；行动以后，空天地海一体化的通导遥算智能传感网络继续观测，检验结果并更新模型。只有形成这样的闭环，人工智能才能真正进入运动的物质世界。

04

1.4 从二维识别到四维认知

遥感智能首先要解决精确定位问题。只有确定航空和卫星影像中各像素对应的地面位置，才能将其与地图、地形、建筑物、道路及其他时相影像进行关联和比较。传统空中三角测量依靠控制点、连接点和严密几何模型完成影像定向；自动特征匹配、深度学习和高性能计算正在提高无控制点或少控制点条件下的自动定位能力。几何定位解决“在哪里”，辐射校正提高观测数据的可比性，多源配准建立同一目标在不同数据中的空间对应关系，这是后续目标识别和变化分析的基础。

在二维影像层面，目标检测、语义分割、场景分类和变化检测已经成为遥感智能的基本能力。过去，一个模型通常只能处理一个传感器、一个地区和一个任务；遥感基础模型通过多区域、多时相、多传感器预训练，能够迁移到土地覆盖分类、建筑物提取、道路识别、灾害评估和开放词汇目标检索等任务。大语言模型还可以理解用户的自然语言任务，调用检索、制图、统计、仿真和报告生成工具，使不熟悉遥感软件的用户也能使用遥感信息。

但是，真实世界具有高度、体积、结构和动态过程，遥感智能需要从基于单幅影像的二维识别走向多视影像、点云、实景三维、数字孪生和四维动态表达。摄影测量、激光雷达、结构光、神经辐射场和三维高斯泼溅等技术正在提高三维重建的自动化与实时性。在此基础上，还要进一步引入时间维度，将不同时刻的三维场景关联起来，认识建筑物建设与变化、滑坡变形、森林演替、冰川变化、交通运行等动态过程，实现从 “三维场景重建 ”向“ 四维过程认知 ”发展，从“重建一个场景 ”走向“理解一个过程 ”。

2 时空智能与人工智能的关系

01

2.1 人工智能要从互联网走向物理世界

人工智能是人类创造的工具。 计算机的计算速度和飞机的移动速度超越人类，并不意味着机器能够取代人的主体地位。人的智能是在学习、实践、劳动和社会交往中形成的，能够提出问题、判断价值并承担责任。人们不需要惧怕人工智能，但必须不断学习、不断思考、不断创新，比工具更聪明，把人工智能用好，使人与机器人共同创造更大的生产力。

大语言模型善于处理文字、代码和知识问答，视觉大模型善于识别和生成图像，多模态模型能够连接文字、图像、声音和视频。这些模型扩大了机器的知识面和交互能力，但互联网中的训练数据往往缺少精确坐标、统一时间基准、尺度信息、不确定性描述和物理约束。模型可以描述桥梁受损，却不一定知道是哪一座桥、什么时间受损、位移多少、能否通行；可以生成一条看似合理的路线，却不一定考虑实时交通、道路施工、车辆性能和安全边界。时空智能不是与人工智能相对立，而是人工智能面向运动物质世界的重要组成部分。将大模型与物联网、通导遥算传感系统、四维时空基准、地理与物理知识和执行设备结合起来，才能把 “看见 ”“看懂 ”和“做到 ”连成可反馈的闭环。

02

2.2 人工智能与时空智能的比较与融合

表1 比较了以互联网数据为主的人工智能与时空智能的特点和侧重 。 大语言模型 、遥感基础模型 、具身智能 、机器人和世界模型正逐步拓展面向物理世界的应用 ；时空智能也离不开人工智能提供的通用表征 、推理 、生成和工具调用能力 。

二者需要相互促进：一方面，要把时空数据、地图、轨迹、点云、遥感影像和地球科学过程纳入大模型；另一方面，要用统一时空基准和知识规则约束大模型，使其输出可定位、可核验、可执行。时空智能不排斥数据引导，但不能把统计相关性作为唯一依据。数据反映已经观测到的样本和模式，区位、地形、拓扑、成像机理、物理过程和行业规则则规定对象之间的关系、结果的可行性和行动的边界。因此，时空基础模型应当由通用模型与专业知识共同引导，同时学习像素、点、对象、关系、事件和过程，既能理解遥感影像、地图和语言，又能调用传感器、数据库、仿真器和机器人，把知识转化为可执行的任务。

03

2.3 时空智能助推新质生产力

新质生产力的显著特点是创新，关键在质优，本质是先进生产力。它不仅表现为模型参数更多、算力规模更大，更要表现为技术进入生产过程以后带来的高科技、高效能和高质量。以互联网数据为主的人工智能可以提高搜索、写作、设计、编程和管理效率，但如果只停留在虚拟空间，就不能充分解决农田怎样灌溉、矿山怎样安全开采、港口怎样调度、电网怎样巡检、灾害怎样快速响应等现实问题。时空智能把人工智能与真实位置、实时状态和机器行动结合起来，将数字化、智能化、低碳化和实时化落到产业现场，为人工智能转化为新质生产力提供了直接路径，有望创造多个万亿级产业。

人工智能应当去做人类不能做 、不愿做或者做起来危险、繁重、重复的工作。月球采样、深海探测、灾区侦察和井下作业往往涉及人类难以长期驻留或安全作业的环境；码头搬运、农业种植、工厂生产和大范围巡检需要大量重复劳动。通过卫星、无人机、无人车、机器人和智能装备协同，可以降低人的劳动强度和安全风险，提高劳动效率与资源利用率。人的工作将更多转向提出目标、处理异常、判断价值和创造新知识。时空智能的目的是让机器更好地服务人，创造更高的生产效率，让人更聪明、更安全、更快乐，让生活更加美好，让社会更加富裕，推动人与自然协同可持续发展。

3 时空智能的应用

01

3.1 全域时空智能

地球系统由大气圈、水圈、岩石圈和生物圈相互作用构成。太阳辐射和大气环流影响温度、降水和极端天气；降水进入江河湖海和地下水系统，影响土壤、植被和人类用水；岩石风化、地形起伏和地质运动改变水土过程与生态格局；生物活动又通过碳、水和能量循环反馈气候环境。人类的农业、城市、交通、工业、采矿和渔业活动贯穿四大圈层，并不断改变物质和能量的流动。任何一个圈层的变化都可能通过时间和空间传递到其他圈层［ - ］。因此 ，时空智能不能把地表、地下、水下和空中分开处理，也不能只研究自然过程而忽略人类活动。要建设空天地海和地下协同的感知网络，在统一时空基准下连接气象、水文、遥感、地质、生态、交通、能源和社会经济数据，认识对象关系和变化传播路径。从完整应用范围看，还要向空天、空地、空海、深空、医学和社会经济等方向延伸，把自然系统、人类社会与人体生命过程纳入可观测、可分析、可验证的时空框架。

02

3.2 地球表面：农业、交通运输、港口与电网

精准农业是时空智能服务实体经济的重要场景。卫星、无人机和地面传感器能够识别作物类型、面积、长势、土壤水分、养分和病虫害；模型结合地形、气象、农时和农艺知识，形成播种、灌溉、施肥、施药和收获方案；北斗引导农机在正确时间到正确田块执行作业。这样，遥感结果不再停留在一张分类图，而是变成农民能够使用的生产知识和机械能够执行的控制指令。评价系统不能只看分类精度，还要看是否增产、节水、减肥、减药，是否提高农民收入和粮食生产的稳定性。

交通运输需要连续 、准确、可靠的时空服务。城市道路中存在建筑遮挡、隧道、地下车库和复杂交叉口，仅靠单一GNSS 难以保证连续导航。应当推动人、车、路、网、云一体化建设，利用北斗、惯性导航、视觉、激光雷达、路侧感知和高精地图协同，实时认识车辆、行人、道路和事件状态。系统不仅要规划路线，还要在拥堵、施工、事故和恶劣天气条件下动态调整，并通过车路协同保证安全。对于铁路、公路和物流运输，还要把车辆位置、货物状态、能源消耗和到达时间统一起来，提高运输效率。

港口和码头是多主体 、高强度协同作业的典型场景。船舶、岸桥、集装箱卡车、堆场设备和人员必须在有限空间内按照严格时间窗口运行。利用高精度定位、视频与雷达感知、数字孪生和智能调度，可以实时掌握船、箱、车、机的位置和状态，自动规划装卸、转运和堆存任务，使机器人承担重复搬运和危险区域作业。时空智能要把“看见设备”进一步变成“理解作业关系”和“协调设备行动”，降低等待时间、空驶率和人员劳动强度。

智慧电网要解决输电线路跨度大、环境复杂、巡检危险和故障定位困难等问题。卫星、无人机、移动测量车和巡检机器人可共同获取可见光、红外、激光点云和电气状态数据，自动识别绝缘子缺陷、导线过热、树障侵限和杆塔变形，并把风险精确定位到具体设备。机器人可以完成自动巡逻、智能读表、红外测温和视频回传，无人机可以替代人工进入高山、峡谷和高压走廊。通过通导遥算一体化，把发现问题、核实问题、派发工单和复查结果连成闭环，提高电网安全水平。

03

3.3 地下空间：智能采矿与基础设施安全

地下矿山没有稳定的卫星导航信号 ，环境封闭 、粉尘和水汽较多，照明条件差，巷道结构还会随开采不断变化。时空智能需要融合惯性导航、激光雷达、视觉、无线定位、地质模型和生产数据，建立井上井下一体化的时空基准，使人员、车辆、采掘设备、运输系统和风险点能够准确定位。无人采掘设备根据矿体模型和作业计划自主运行，系统实时监测顶板、边坡、瓦斯、涌水和设备状态，发现异常后主动调整路线、停止作业或组织撤离。

地下时空智能还可服务隧道 、管廊、地铁和城市地下空间。通过施工前地质探测、施工中形变监测和运行期巡检，把地表沉降、地下结构、管线位置、设备状态和周边建筑联系起来，可以及早发现渗漏、裂缝、变形和侵入风险。其关键是建立动态、可追溯的四维数字孪生，使每一次开挖、维修和设备更新都能够及时反映到模型中。

04

3.4 水下生态、渔业与海洋环境

水下环境中电磁信号衰减快 ，卫星导航不能直接使用 ，光学观测容易受到浑浊和弱光影响 。需要综合声学定位 、惯性导航 、声呐 、水下光学 、卫星遥感、无人船和自主水下机器人，建立水面-水下统一的定位 、通信和观测体系。 海底地形测绘 、珊瑚礁与海草床监测 、污染扩散分析和水下设施巡检 ，都要求把不同时间 、不同深度和不同传感器的数据准确配准。

在渔业生产中，可以利用卫星遥感监测海表温度、叶绿素、海流和天气，结合历史渔场、鱼类洄游规律和船舶轨迹，预测适宜渔区并优化航线；利用船载传感器、声呐和水下机器人监测鱼群、养殖密度、水质和病害，支持精准投饵、增氧和捕捞。发展智慧渔业不能只追求捕捞量，还要监测幼鱼比例、禁渔区、栖息地和生态承载力，防止过度捕捞和海洋生态退化，推动蓝色经济可持续发展。

05

3.5 国家公园与生态保护

国家公园地域广、无人区多、气象复杂，传统人工调查成本高、周期长，也可能干扰野生动物。武汉大学建设了 “一网、一图、一平台”：形成天空地一体化监测网，构建国家公园时空信息全息图，建设数字孪生时空大数据平台［ ］。卫星负责大范围周期性监测，无人机和移动机器人负责重点区域精细调查，红外相机、声学设备和地面传感器连续记录物种与环境变化，巡护终端把人员路线、现场事件和处置结果及时送回平台。

在三江源 、羌塘等高海拔和无人区 ，系统还要考虑断电 、断网 、断路等极端条件。 通过太阳能供电 、卫星通信 、边缘计算和自主机器人 ，即使常规基础设施中断 ，也能够维持基本监测和应急响应。 时空智能应当帮助管理人员发现冰川退缩 、湿地变化 、草地退化 、森林火险 、野生动物活动和人为扰动 ，并根据生态重要性和风险程度安排巡护。

06

3.6 公共安全、应急管理与国防

突发灾害发生以后，最宝贵的是时间。传统遥感往往需要等待卫星过境、数据下传、地面处理和报告生成，难以及时满足应急需要。通过任务驱动的星座调度、在轨智能处理和北斗短报文通信，可以在卫星上直接完成火点、洪水、滑坡、船舶和受损建筑识别，把结果以分钟级甚至秒级送到应急人员。系统还应根据云量、覆盖范围和置信度主动决定是否需要无人机补充观测，并在救援行动后继续监测，形成灾前预警、灾中响应和灾后评估闭环。

公共安全系统必须坚持依法合规和最小必要原则 。 交通 、城市运行和大型活动保障可以利用时空位置大数据提高资源调度效率 ，但要严格保护个人隐私 ，防止数据滥用和算法偏见 。 对于国防领域 ，时空智能可以在复杂对抗和通信受限条件下提高侦察 、识别 、定位 、打击效果评估和任务重规划的自动化水平 ，减少人员进入高风险环境 ，系统必须坚持国家安全 、授权使用和人在回路，关键决策不能脱离明确责任主体。

07

3.7 服务于人类健康

人从出生到健康成长，直到终老逝去，时空智能持续提供全方位服务，包括疾病预防、诊断、治疗和康养。在人类迈向健康社会的进程中，医学正从以治疗为中心的传统模式转向预防为主、精准干预的现代体系。医学时空智能融合多源健康数据、多尺度时空信息与智能分析方法，致力于实现对人体、环境、疾病演变与医疗过程的动态理解与精确建模，研究范围从体内微观尺度的感知与重构，拓展至个体行为、医疗服务、群体健康及环境风险的感知、认知和智能决策。医学时空智能可实现医疗图像的智能解译、体内胶囊机器人靶向诊断与靶向治疗。生态环境卫星数据支持流行病、传染病的快速处置和防治，室内导航和疗养机器人将为老人健康长寿服务，成为健康中国和智慧医疗的重要技术手段。

08

3.8 服务于社会经济发展

随着大数据和人工智能技术在社会经济领域的深入应用，时空智能成为理解人类活动、优化资源配置和提升决策效率的重要手段。社会经济学时空智能融合了遥感技术、导航定位技术和地理信息技术、大数据分析与人工智能等多学科前沿技术。通过分析社会经济活动的时空分布与演变，揭示其内在规律、相互关系和变化特征，不仅能为经济发展、消灭贫困、灾害应急、联合国难民处置、大城市规划与发展、区域协调发展、资源科学管理提供科学依据，还能助力应对全球变化、推进环境污染治理，推进全球经济的可持续发展。

近年来，全球夜光遥感数据广泛应用于全球国内生产总值定量计算、自然灾害和人为灾害快速评估、全球贫困指数推算、中国东中西部经济发展时空演变，缅甸北部电诈活动侦查，并为联合国连续十多年提供服务。数字文化遗产将虚拟现实、增强现实和红外技术应用于文化遗产三维重建、色彩复原、年代推断、动漫游戏与电影制作，有助于挖掘文化遗产价值，促进不同文明之间的交流与传承。商业时空智能通过人-货-场协同优化推出了数字化门店，推行全过程品牌营销，推动金融服务数智化。通过智能调度与优化，提升供应链的智能化水平，支持进出口贸易发展。

09

3.9 服务可持续发展与人类命运共同体

气候变化、自然灾害、海洋污染、跨境流域、粮食安全和公共卫生都超越了单一城市和国家边界。时空智能要服务联合国可持续发展目标，把地球观测、统计调查和社会经济信息结合起来，为贫困、粮食、水资源、城市、气候、海洋和陆地生态等指标提供连续、可比较的证据。尤其要帮助观测能力和算力条件不足的发展中地区获得可负担的遥感数据、模型和服务，缩小时空信息鸿沟。

东方慧眼 、开放地球引擎和天地图等基础设施可以共同支持全国乃至全球时空信息“一张图”。时空数据通常需要专用设备和持续投入才能获得，因而具有资产属性、专用性和不同程度的保密要求。与可持续发展目标相关的公共数据和基础模型，应在安全合规前提下扩大开放共享；涉及国家安全、关键基础设施、商业权益和个人隐私的数据，则要按权限进行分级分类管理。只有在开放利用与权益保护之间建立可持续的秩序，才能让不同国家、地区和群体共享技术进步的成果，更好地管理地球家园，促进人与自然和谐发展，为构建人类命运共同体作出贡献。

4 需要重点解决的问题

1）建立统一、动态、可追溯的四维时空基准

时空智能首先要解决统一时空基准问题。卫星、航空、地面、地下、水下和深空平台使用不同坐标、时间、姿态、尺度和误差模型，同一目标在影像、点云、矢量、网格、轨迹、知识图谱和语言中也有不同表达。需要建立可转换、可追溯的四维时空基准，把地球表面、近地空间、地下、水下和行星空间联系起来；同时记录数据来源、采集时间、处理过程和不确定性，使每一个判断都能够回到原始证据。

2）发展知识引导的时空智能基础模型

时空基础模型不能只是把自然图像大模型直接用于遥感，而要建立相适应的专用感知系统、大样本系统和时空知识准则。模型应能处理光学、合成孔径雷达、高光谱、热红外、激光点云、地图、轨迹、气象水文和物联网等多源数据，理解坐标、方向、距离、邻接、包含、连通和变化等时空关系；还要把地形、成像机理、物理方程、生态过程、工程规范和行业规则引入推理过程。通过通用表征与专业知识结合，使一个模型能够服务多个地区、多种传感器和多类任务，并在环境变化时保持可靠。

大语言模型可以成为人和时空信息系统之间的 接口，但不能把语言生成结果直接当作事实。系统需要调用卫星数据、地图数据库、传感器、科学模型和计算工具，用外部证据核验答案；对低置信结果要明确表达不确定性，并主动触发补充观测或人工复核。未来要形成“模型理解任务—工具获得证据—知识约束推理—行动反馈验证”的工作方式。

3）推进通导遥算一体化与空天地海协同

时空智能不是单个算法或单颗卫星能够完成的 ，需要通信、导航、遥感、计算和控制一体化。要统筹卫星星座、无人机、移动测量机器人、地面物联网、边缘节点和云计算中心，在任务到来时动态分配观测、通信和算力资源。对灾害和安全任务，要优先保证时效与可靠性；对长期生态监测，要保证数据连续性和跨年度可比性；对大众服务，要降低使用门槛和成本。系统建设要避免低水平重复和信息孤岛，以应用任务检验基础设施是否真正有用。

4）坚持独立自主、安全可用和负责任发展

时空信息关系国家安全 、经济运行 、生态环境和个人生活 ，关键技术必须坚持独立、自主、安全、可用。卫星、传感器、时空基准、基础软件、模型、算力平台和数据链路都要具有自主保障能力。与此同时，时空智能进入物理世界以后，错误结果可能造成设备损坏、生产事故和生命风险，必须开展从数据、模型、系统到行动结果的全链路验证，建立权限控制、日志审计、网络安全、隐私保护和应急接管机制。

人始终是目标、价值和责任的主体。对高风险任务，应保留人的授权和干预；对普通劳动者，应通过培训帮助他们掌握新工具，而不是把技术进步变成新的数字鸿沟；对自动化带来的职业变化，应创造新的学习和发展机会。评价时空智能，既要看精度、速度和产业规模，也要看是否降低劳动强度和事故率，是否节约能源和资源，是否改善生态环境和公共服务，是否让技术成果更加公平地惠及社会。

5 结 语

时空智能学是万物互联 、数字孪生和人工智能时代测绘遥感地理信息学发展的新阶段。它以精确时空基准为根基，整合遥感的广域观测能力、导航的连续位置服务能力、GIS的空间关系组织能力和通信的实时连接能力，再以计算、人工智能和领域知识将这些能力组成自动感知、认知、预测、决策与行动的闭环。6W明确了对象感知、变化分析、机理认知和决策响应等核心任务，4R 则保证正确的数据、信息和知识在合适时间、合适地点送达需要的人。

时空智能与人工智能不是替代关系。 大语言模型和遥感基础模型为时空智能提供通用表征 、自然语言交互和工具调用能力 ；统一时空基准 、通导遥算一体化 、地理与物理知识以及行动反馈 ，则使人工智能能够从互联网走向物联网和运动的物质世界 。 人工智能不能只停留在下棋 、写文章 、写代码和生成内容 ，还要进入农业 、交通、矿山、海洋、电网、港口、国家公园和应急管理等现实场景。 人工智能未来的重点在于发展能够认识并服务物理世界的时空智能 ，产生可验证的效果，形成新质生产力。

面向未来 ，需要推进空天地海 、地下乃至深空的泛在时空智能 ，建设大众化 、实时化 、智能化的PNTRC 服务体系 ，发展通用模型与知识引导相结合的时空基础模型 ，完善可信评测 、安全治理和人才培养 。 要让机器更多承担人类不能做 、不愿做和危险繁重的劳动 ，让人从重复劳动中解放出来 ，把更多精力用于学习 、判断和创造。 人们要推动测绘遥感地理信息学主动迈入时空智能新阶段 ，让人更聪明 、劳动更高效 、生活更美好 ，服务联合国可持续发展目标和人类命运共同体建设 。 时空智能将人工智能引入物理世界 ，必将为推动人类社会进步 、促进人与自然协同可持续发展作出应有的贡献。

来源：武汉大学信息版