疏通地理信息“数据堰塞湖”——访超图软件集团总架构师胡中南.pdf

5352主题策划Topic/本刊记者素晴图/受访者提供疏通地理信息“数据堰塞湖”“数据堰塞湖”形成原因主要是传统地理信息软件（Geographic Information Software，广义GIS）的处理能力不足，具体原因如下：（1）智能化水平不足：多源异构空间大数据具有体量大、变化快、种类多和价值密度低等特点，传统GIS主要采用统计方法对矢量栅格等经典空间数据进行分析，难以有效捕捉动态变化的复杂时空关系、挖掘隐含价值，无法进行有效的智能分析。（2）自动化程度不高：数据分析处理需要大量人工介入，处理的实时性不高。如遥感影像地物提取主要采用人工解译方式，严重依赖作业员解译效率和经验水平，无法实现大规模数据的自动化智能处理，导致鲜活的遥感数据成为“数据化石”，影响其数据价值释放。（3）非云原生的软件架构：对于尚处于云就绪阶段的单体GIS软件架构，不能充分发挥云计算的高可用性、高算力利用率和低成本等价值，无法对上述两大“数据堰塞湖”进行经济、高效和实时处理。云原生技术是原生为云而设计，意味着应用原生被设计为以最佳的方式在云上运行，从而充分发挥云的优势。2018年，CNCF云原生基金会对云原生给出了具体定义：云原生技术有利于各组织在公有云、私有云和混合云等新型动态环境中，构建和运行可弹性扩展的应用。云原生的代表技术包括容器、微服务、服务网格、动态编排、持续交付和Serverless等。区别于传统云应用，云原生具有敏捷、可靠、高弹性、易扩展、故障隔离保护、不中断业务、持续更新等优势。人工智能的核心是算法、算力和数据。在人工智能GIS开发过程中，开发者往往专注于海量异构数据、高门槛的地理智能模型和算法的研究，对于算力的关注则较少。随着地理空间智能模型训练规模的增加，模型的参数量、数据量剧增，算力需求大幅上升，对于计算资源的动态调度和潮汐利用提出更高要求，且人工智能GIS应用需要诸多前沿技术作为支撑，落地门槛较高。云原生作为一种新型的计算模式，具有强大的并行处理能力和近乎无限的计算资源，可以为海量地理空间数据的智能化分析提供有效的支撑，满足人工智能GIS对算力的需求。云原生与GIS技术相融合，形成的云原生GIS在多个方面提升了传统GIS软件的能力：传统的GIS应用从单体变成微服务，GIS在云平台中的部署方式从虚拟机变为容器，GIS应用的管理模式从手动管理变为自动化编排，GIS服务的内部通信可被实时监控和管理，GIS计算的伸缩粒度达到无服务器函数级别，并且无需关心服务器资源、运维调度管理，让GIS微服务的治理和运维更加智能、计算更快，GIS更加弹性，也更节省资源。相较云就绪GIS，云原生GIS对资源的利用率更高，GIS功能被分散到多个GIS微服务和GIS函数即服务共同支撑，伸缩粒度更细，实现多GIS节点部署运维的自动化调度与管理。云原生技术、人工智能和GIS相融合，形成了云原生智能GIS技术体系，该技术体系是既实现地理空间智能化，又面向云环境优化设计具有高智能、高弹性、高韧性等特征的GIS软件技术体系。基于该技术体系，可大幅提升GIS软件的智能化水平、自动化程度、资源利用率、稳定可靠性，并可在多种信创环境下部署，为面向“信创”的业务系统国产化替代和维护国家地理信息安全奠定坚实的技术基础。云原生智能GIS结合了机器学习、深度学习等人工智能技术，以及微服务、无服务器计算等云原生技术，构建了云原生智能GIS技术体系，形成了“1+3+1”的成果，即：1个地理空间智能算法库、GIS微服务/GIS无服务器计算/GIS智能运维管理3项关键技术、1套云原生智能GIS基础软件。主要创新包括以下四个方面：当前，在地理空间信息领域主要形成了两大“数据堰塞湖”：一是随着物联网、移动互联网和互联网产生的巨量“空间大数据堰塞湖”，二是因时空分辨率持续提升带来体量迅猛增长的“遥感数据堰塞湖”。据北京超图软件股份有限公司（以下简称“超图”）研究院副院长胡中南介绍，我国当前在轨工作卫星达200余颗，卫星遥感数据总量以超过10TB/天的速率不断增长；省级范围手机信令数据新增超过10亿条/天，但其中仅有不到10%的数据得到有效处理与分析，数据要素价值释放严重不足。针对这一情况，超图研究院GIS基础软件研发团队历经8年攻关推出了云原生智能GIS基础软件关键技术（以下简称“云原生智能GIS”），自然资源部信息中心、国家基础地理信息中心、中国测绘科学研究院等单位也共同参与了该项目。近期，云原生智能GIS获得了2023年“测绘科学技术奖”特等奖，该技术的应用价值进一步得到了认可。那么云原生智能GIS技术有哪些优势？又是如何疏通时空地理信息“数据堰塞湖”的？下面请胡中南为我们解答。访超图软件集团总架构师胡中南No?超图软件集团总架构师胡中南记者：对地理信息“数据堰塞湖”，传统GIS软件为何不从？胡中南：记者：如何理解云原技术？云原技术与智能、GIS等结合有怎样的优势？胡中南：记者：云原智能GIS有哪些核的创新点？胡中南：5352主题策划Topic/本刊记者素晴图/受访者提供疏通地理信息“数据堰塞湖”“数据堰塞湖”形成原因主要是传统地理信息软件（Geographic Information Software，广义GIS）的处理能力不足，具体原因如下：（1）智能化水平不足：多源异构空间大数据具有体量大、变化快、种类多和价值密度低等特点，传统GIS主要采用统计方法对矢量栅格等经典空间数据进行分析，难以有效捕捉动态变化的复杂时空关系、挖掘隐含价值，无法进行有效的智能分析。（2）自动化程度不高：数据分析处理需要大量人工介入，处理的实时性不高。如遥感影像地物提取主要采用人工解译方式，严重依赖作业员解译效率和经验水平，无法实现大规模数据的自动化智能处理，导致鲜活的遥感数据成为“数据化石”，影响其数据价值释放。（3）非云原生的软件架构：对于尚处于云就绪阶段的单体GIS软件架构，不能充分发挥云计算的高可用性、高算力利用率和低成本等价值，无法对上述两大“数据堰塞湖”进行经济、高效和实时处理。云原生技术是原生为云而设计，意味着应用原生被设计为以最佳的方式在云上运行，从而充分发挥云的优势。2018年，CNCF云原生基金会对云原生给出了具体定义：云原生技术有利于各组织在公有云、私有云和混合云等新型动态环境中，构建和运行可弹性扩展的应用。云原生的代表技术包括容器、微服务、服务网格、动态编排、持续交付和Serverless等。区别于传统云应用，云原生具有敏捷、可靠、高弹性、易扩展、故障隔离保护、不中断业务、持续更新等优势。人工智能的核心是算法、算力和数据。在人工智能GIS开发过程中，开发者往往专注于海量异构数据、高门槛的地理智能模型和算法的研究，对于算力的关注则较少。随着地理空间智能模型训练规模的增加，模型的参数量、数据量剧增，算力需求大幅上升，对于计算资源的动态调度和潮汐利用提出更高要求，且人工智能GIS应用需要诸多前沿技术作为支撑，落地门槛较高。云原生作为一种新型的计算模式，具有强大的并行处理能力和近乎无限的计算资源，可以为海量地理空间数据的智能化分析提供有效的支撑，满足人工智能GIS对算力的需求。云原生与GIS技术相融合，形成的云原生GIS在多个方面提升了传统GIS软件的能力：传统的GIS应用从单体变成微服务，GIS在云平台中的部署方式从虚拟机变为容器，GIS应用的管理模式从手动管理变为自动化编排，GIS服务的内部通信可被实时监控和管理，GIS计算的伸缩粒度达到无服务器函数级别，并且无需关心服务器资源、运维调度管理，让GIS微服务的治理和运维更加智能、计算更快，GIS更加弹性，也更节省资源。相较云就绪GIS，云原生GIS对资源的利用率更高，GIS功能被分散到多个GIS微服务和GIS函数即服务共同支撑，伸缩粒度更细，实现多GIS节点部署运维的自动化调度与管理。云原生技术、人工智能和GIS相融合，形成了云原生智能GIS技术体系，该技术体系是既实现地理空间智能化，又面向云环境优化设计具有高智能、高弹性、高韧性等特征的GIS软件技术体系。基于该技术体系，可大幅提升GIS软件的智能化水平、自动化程度、资源利用率、稳定可靠性，并可在多种信创环境下部署，为面向“信创”的业务系统国产化替代和维护国家地理信息安全奠定坚实的技术基础。云原生智能GIS结合了机器学习、深度学习等人工智能技术，以及微服务、无服务器计算等云原生技术，构建了云原生智能GIS技术体系，形成了“1+3+1”的成果，即：1个地理空间智能算法库、GIS微服务/GIS无服务器计算/GIS智能运维管理3项关键技术、1套云原生智能GIS基础软件。主要创新包括以下四个方面：当前，在地理空间信息领域主要形成了两大“数据堰塞湖”：一是随着物联网、移动互联网和互联网产生的巨量“空间大数据堰塞湖”，二是因时空分辨率持续提升带来体量迅猛增长的“遥感数据堰塞湖”。据北京超图软件股份有限公司（以下简称“超图”）研究院副院长胡中南介绍，我国当前在轨工作卫星达200余颗，卫星遥感数据总量以超过10TB/天的速率不断增长；省级范围手机信令数据新增超过10亿条/天，但其中仅有不到10%的数据得到有效处理与分析，数据要素价值释放严重不足。针对这一情况，超图研究院GIS基础软件研发团队历经8年攻关推出了云原生智能GIS基础软件关键技术（以下简称“云原生智能GIS”），自然资源部信息中心、国家基础地理信息中心、中国测绘科学研究院等单位也共同参与了该项目。近期，云原生智能GIS获得了2023年“测绘科学技术奖”特等奖，该技术的应用价值进一步得到了认可。那么云原生智能GIS技术有哪些优势？又是如何疏通时空地理信息“数据堰塞湖”的？下面请胡中南为我们解答。访超图软件集团总架构师胡中南No?超图软件集团总架构师胡中南记者：对地理信息“数据堰塞湖”，传统GIS软件为何不从？胡中南：记者：如何理解云原技术？云原技术与智能、GIS等结合有怎样的优势？胡中南：记者：云原智能GIS有哪些核的创新点？胡中南：5554No?主题策划Topic2.推进“信创”业务系统国产化替代，维护国家地理信息安全：支持了自然资源部、水利部、农业农村部等10余个部委及30多省市的信创国产替代项目建设。其中，自然资源部不动产统一登记信息系统、水利部“水利一张图”为中办特批的部委级信创试点。3.应用于十余个国家和地区，显著提升国际影响力：项目成果已在东南亚、南亚、欧洲、非洲等10余个国家和地区进行应用，服务于日本国土交通省、韩国林业局、古巴农业部等多个国家级用户，有力提升了中国GIS软件的国际影响力。项目成果应用于包括3000余家二次开发商和数十万开发者的GIS生态，支撑了上合组织峰会、国庆七十周年阅兵、北京冬奥会等国家重大活动与事件，有效保障国家信息安全，带动了地理信息产业发展，为进一步建设数字中国奠定了技术和生态基础。在未来，这项技术在智能化、云化、自主化方面也将继续演进，全方位服务各行业信息化建设。今年6月，在2023地理信息软件技术大会上，超图软件正式发布了遥感软件产品跨平台遥感影像处理桌面软件，这是本项目技术的一次具体应用。作为我国最新自主研发的跨平台遥感GIS一体化软件产品，将卫星遥感获取的数据与地理信息系统软件分析融合，打破了以往遥感与地理信息系统的“割裂”，打通了海量遥感影像快速处理分析、高效存储、管理和分发共享的各个环节，提升空间数据向空间智能转化的效率效果，实现遥感GIS全链条应用落地，为包括国土、测绘、农业、林业、应急等在内的多个行业带来更为强大的空间智能系统。融合了地理空间智能和AI大模型技术的新一代空间智能系统将在多个行业应用中发挥重要作用。目前值得关注的应用场景主要包括以下几个方面：自然灾害监测和预测：AI大模型可以分析卫星遥感数据，实时监测火灾、洪水、飓风等自然灾害，提前预测可能的灾害发生，从而改善紧急响应和减少损失。地理信息智能推荐：结合用户位置和偏好数据，地理空间智能可以提供个性化的地理位置推荐，包括餐厅、旅游景点、购物中心等，为用户提供更好的生活体验。城市规划和交通管理：AI大模型可以分析城市中的交通流量、人口密度和基础设施使用情况，帮助城市规划者更有效地管理和规划城市基础设施。地理学科研究：地理空间智能可以协助地学研究人员处理大规模地理数据，挖掘地球表面的规律和趋势，有助于科学研究和环境保护。未来，地理空间智能和智能GIS软件将为我们带来更准确的决策和规划，可以提供更精确的数据分析和预测，帮助政府和企业更好地决策和规划；地理空间智能也能给我们带来更智能的生活体验，智能地图、导航和推荐系统将改善人们的日常生活，提供更便捷的服务；地理空间智能能够更高效地利用资源，优化城市规划和交通管理，减少拥堵和资源浪费，促进可持续发展；地理空间智能将使地理学研究更加深入，有助于理解地球和环境变化。此外，ChatGPT正在引领人工智能的发展，尤其在地理信息领域也可能带来新的机会。尽管ChatGPT在语言理解和生成方面表现出色，但在处理地理信息方面可能需要更多领域特定的支持和知识。大模型在地学领域的应用有潜力，尤其在遥感影像解译等领域。但同时这项技术也面临挑战，需要整理和提供地理信息领域的知识，并解决地理信息领域的特殊问题。继续深化地理信息和人工智能的融合可能是未来的方向。总的来说，地理空间智能和AI大模型技术将为GIS应用带来更多创新和便利，推动地理信息科学领域的发展。在信创和云原生多云时代下，用户对数据安全和不同云平台及架构有强烈需求，本项目技术及产品与华为云、阿里云等十余个国产云平台进行了联合适配测试，证明云原生智能GIS平台解决方案可在其中实现快速部署、稳定运行。未来，超图将继续携手更多生态合作伙伴在云计算基础架构领域不断创新，深度融合主流信创云平台、操作系统、CPU/GPU等国产化软硬件产品，持续推动地理信息领域的自主可信生态链产业化应用。随着地理信息产业融入到我国数字经济发展的大潮之中，GIS技术的需求方向、服务对象、服务模式在不断变化。未来，本项目将进一步加大与云原生、分布式存储、AI大模型等技术规模化融合，在建设数字孪生城市、促进企业数字化转型等方面加大应用。同时，本项目将进一步推进国际化市场的不断开拓，推动GIS软件全面走向国际化，促进地理信息产业高质量发展。提出了时空图回归预测、三维模型部件语义智能识别、AI视觉与IMU融合测图等方法，突破了空间大数据AI分析、基于语义的三维模型智能美化渲染、AI室内测图/配图/交互等技术，构建了地理空间智能算法库，大幅提升了数据挖掘深度与自动化水平。针对传统GIS基础软件存在的智能化水平不足难题，本项目提出了时空图回归预测方法，解决了传统空间大数据分析局限于规则空间单元的问题，提高了预测精度和模型解释性；提出了三维模型部件语义智能识别方法，使建筑物美化渲染更加生动、直观；提出了AI视觉与IMU融合测图方法，可实现低成本、较高精度的室内测量与简图绘制；构建了包含50多个算子的地理空间智能算法库，相比传统GIS分析模型几百到几千的参数规模，容量提升1万倍，可使用百万级到千万级参数模型分析更复杂深入的问题，大幅提升分析挖掘深度，并通过全流程支持能力全面升级了GIS软件AI模型算法能力，扩展了地理空间智能算法边界，提升了数据处理效率。提出了GIS内核细粒度解耦、服务无状态化等方法，攻克了GIS服务自动编排等技术，实现了GIS软件的微服务化重构，将GIS单体服务器软件拆分为34个可独立容器化部署的微服务，提升系统性能68%、资源利用率51%，并大幅降低系统故障率。针对传统GIS基础软件存在的云资源利用效率低的难题，本项目将所有GIS功能的单体部署包按照GIS业务功能（比如地图、数据、分析等）解耦成多个细粒度的GIS微内核，并将GIS微服务状态与主要的GIS业务逻辑分离，通过攻克GIS服务自动编排技术，实现了GIS微服务的跨节点调度、统一管理和协同工作，可快速大规模多节点部署GIS环境，在面对高并发业务访问或流量低谷时，可进行快速伸缩，应对流量峰谷。提出了空间分析Serverless化、空间范围鉴权等方法，攻克了GIS函数即服务(GeoFaaS)和后端即服务(GeoBaaS)等GIS无服务器计算关键技术，提升系统弹性54%、韧性33%，CPU和内存占用分别节约27%和85%。针对算力利用率低等难题，本项目将GIS空间分析和数据处理能力拆分为可独立运行于云上函数计算平台中的若干个GIS函数，可在0N自动按需动态伸缩；将空间数据存储、身份认证鉴权等后端能力进行服务化封装，开发人员可直接使用平台上服务，无需关心服务端的实现以及服务器资源调度；最终实现了目标检测、地物分类、对象提取、视频目标检测、图时空回归等全功能和样本准备、模型构建、模型应用全流程的Serverless化覆盖。攻克了GIS运维中的异常检测、智能告警、服务追踪等技术难题，形成了包括GIS AIOps、服务治理的GIS智能运维管理关键技术，可节约系统运维人力成本23%、降低系统运维复杂度1/3。本项目针对GIS运维中的异常检测和智能告警等难题，采用AIOps技术对已有运维数据（日志、监控信息、应用信息等）通过机器学习的方式不断迭代优化内置模型，从而更加准确地检测系统异常，让告警更合理、更智能，有效节约人工成本；同时通过无嵌入式技术监测GIS站点内部服务的请求与调用，可视化服务通信链路，在请求异常时能够准确、快速定位通信问题，攻克了因服务众多、内部服务调用复杂带来的服务追踪难题，可有效降低系统运维复杂度。2020年2022年，项目成果在部委、政府部门、企业等单位以及海外的多领域信息化转型实现应用，市场份额连续多年位列国内市场第一位、国际市场第二位，直接和间接产生了巨大的经济效益和社会效益。1.支撑了国内20多个政府行业和50余个企业行业信息化应用：项目成果直接服务于国家信息化建设，为自然资源、智慧城市、生态环境、国防建设的大型信息化系统构建提供底层技术和基础软件，充分释放了数据要素价值，让服务更加智慧、精准和高效。记者：前，云原智能GIS项取得了哪些成果？胡中南：记者：展望未来，这项技术有哪些应场景值得关注？将给产活带来怎样的变化？胡中南：创新创新三创新创新四5554No?主题策划Topic2.推进“信创”业务系统国产化替代，维护国家地理信息安全：支持了自然资源部、水利部、农业农村部等10余个部委及30多省市的信创国产替代项目建设。其中，自然资源部不动产统一登记信息系统、水利部“水利一张图”为中办特批的部委级信创试点。3.应用于十余个国家和地区，显著提升国际影响力：项目成果已在东南亚、南亚、欧洲、非洲等10余个国家和地区进行应用，服务于日本国土交通省、韩国林业局、古巴农业部等多个国家级用户，有力提升了中国GIS软件的国际影响力。项目成果应用于包括3000余家二次开发商和数十万开发者的GIS生态，支撑了上合组织峰会、国庆七十周年阅兵、北京冬奥会等国家重大活动与事件，有效保障国家信息安全，带动了地理信息产业发展，为进一步建设数字中国奠定了技术和生态基础。在未来，这项技术在智能化、云化、自主化方面也将继续演进，全方位服务各行业信息化建设。今年6月，在2023地理信息软件技术大会上，超图软件正式发布了遥感软件产品跨平台遥感影像处理桌面软件，这是本项目技术的一次具体应用。作为我国最新自主研发的跨平台遥感GIS一体化软件产品，将卫星遥感获取的数据与地理信息系统软件分析融合，打破了以往遥感与地理信息系统的“割裂”，打通了海量遥感影像快速处理分析、高效存储、管理和分发共享的各个环节，提升空间数据向空间智能转化的效率效果，实现遥感GIS全链条应用落地，为包括国土、测绘、农业、林业、应急等在内的多个行业带来更为强大的空间智能系统。融合了地理空间智能和AI大模型技术的新一代空间智能系统将在多个行业应用中发挥重要作用。目前值得关注的应用场景主要包括以下几个方面：自然灾害监测和预测：AI大模型可以分析卫星遥感数据，实时监测火灾、洪水、飓风等自然灾害，提前预测可能的灾害发生，从而改善紧急响应和减少损失。地理信息智能推荐：结合用户位置和偏好数据，地理空间智能可以提供个性化的地理位置推荐，包括餐厅、旅游景点、购物中心等，为用户提供更好的生活体验。城市规划和交通管理：AI大模型可以分析城市中的交通流量、人口密度和基础设施使用情况，帮助城市规划者更有效地管理和规划城市基础设施。地理学科研究：地理空间智能可以协助地学研究人员处理大规模地理数据，挖掘地球表面的规律和趋势，有助于科学研究和环境保护。未来，地理空间智能和智能GIS软件将为我们带来更准确的决策和规划，可以提供更精确的数据分析和预测，帮助政府和企业更好地决策和规划；地理空间智能也能给我们带来更智能的生活体验，智能地图、导航和推荐系统将改善人们的日常生活，提供更便捷的服务；地理空间智能能够更高效地利用资源，优化城市规划和交通管理，减少拥堵和资源浪费，促进可持续发展；地理空间智能将使地理学研究更加深入，有助于理解地球和环境变化。此外，ChatGPT正在引领人工智能的发展，尤其在地理信息领域也可能带来新的机会。尽管ChatGPT在语言理解和生成方面表现出色，但在处理地理信息方面可能需要更多领域特定的支持和知识。大模型在地学领域的应用有潜力，尤其在遥感影像解译等领域。但同时这项技术也面临挑战，需要整理和提供地理信息领域的知识，并解决地理信息领域的特殊问题。继续深化地理信息和人工智能的融合可能是未来的方向。总的来说，地理空间智能和AI大模型技术将为GIS应用带来更多创新和便利，推动地理信息科学领域的发展。在信创和云原生多云时代下，用户对数据安全和不同云平台及架构有强烈需求，本项目技术及产品与华为云、阿里云等十余个国产云平台进行了联合适配测试，证明云原生智能GIS平台解决方案可在其中实现快速部署、稳定运行。未来，超图将继续携手更多生态合作伙伴在云计算基础架构领域不断创新，深度融合主流信创云平台、操作系统、CPU/GPU等国产化软硬件产品，持续推动地理信息领域的自主可信生态链产业化应用。随着地理信息产业融入到我国数字经济发展的大潮之中，GIS技术的需求方向、服务对象、服务模式在不断变化。未来，本项目将进一步加大与云原生、分布式存储、AI大模型等技术规模化融合，在建设数字孪生城市、促进企业数字化转型等方面加大应用。同时，本项目将进一步推进国际化市场的不断开拓，推动GIS软件全面走向国际化，促进地理信息产业高质量发展。提出了时空图回归预测、三维模型部件语义智能识别、AI视觉与IMU融合测图等方法，突破了空间大数据AI分析、基于语义的三维模型智能美化渲染、AI室内测图/配图/交互等技术，构建了地理空间智能算法库，大幅提升了数据挖掘深度与自动化水平。针对传统GIS基础软件存在的智能化水平不足难题，本项目提出了时空图回归预测方法，解决了传统空间大数据分析局限于规则空间单元的问题，提高了预测精度和模型解释性；提出了三维模型部件语义智能识别方法，使建筑物美化渲染更加生动、直观；提出了AI视觉与IMU融合测图方法，可实现低成本、较高精度的室内测量与简图绘制；构建了包含50多个算子的地理空间智能算法库，相比传统GIS分析模型几百到几千的参数规模，容量提升1万倍，可使用百万级到千万级参数模型分析更复杂深入的问题，大幅提升分析挖掘深度，并通过全流程支持能力全面升级了GIS软件AI模型算法能力，扩展了地理空间智能算法边界，提升了数据处理效率。提出了GIS内核细粒度解耦、服务无状态化等方法，攻克了GIS服务自动编排等技术，实现了GIS软件的微服务化重构，将GIS单体服务器软件拆分为34个可独立容器化部署的微服务，提升系统性能68%、资源利用率51%，并大幅降低系统故障率。针对传统GIS基础软件存在的云资源利用效率低的难题，本项目将所有GIS功能的单体部署包按照GIS业务功能（比如地图、数据、分析等）解耦成多个细粒度的GIS微内核，并将GIS微服务状态与主要的GIS业务逻辑分离，通过攻克GIS服务自动编排技术，实现了GIS微服务的跨节点调度、统一管理和协同工作，可快速大规模多节点部署GIS环境，在面对高并发业务访问或流量低谷时，可进行快速伸缩，应对流量峰谷。提出了空间分析Serverless化、空间范围鉴权等方法，攻克了GIS函数即服务(GeoFaaS)和后端即服务(GeoBaaS)等GIS无服务器计算关键技术，提升系统弹性54%、韧性33%，CPU和内存占用分别节约27%和85%。针对算力利用率低等难题，本项目将GIS空间分析和数据处理能力拆分为可独立运行于云上函数计算平台中的若干个GIS函数，可在0N自动按需动态伸缩；将空间数据存储、身份认证鉴权等后端能力进行服务化封装，开发人员可直接使用平台上服务，无需关心服务端的实现以及服务器资源调度；最终实现了目标检测、地物分类、对象提取、视频目标检测、图时空回归等全功能和样本准备、模型构建、模型应用全流程的Serverless化覆盖。攻克了GIS运维中的异常检测、智能告警、服务追踪等技术难题，形成了包括GIS AIOps、服务治理的GIS智能运维管理关键技术，可节约系统运维人力成本23%、降低系统运维复杂度1/3。本项目针对GIS运维中的异常检测和智能告警等难题，采用AIOps技术对已有运维数据（日志、监控信息、应用信息等）通过机器学习的方式不断迭代优化内置模型，从而更加准确地检测系统异常，让告警更合理、更智能，有效节约人工成本；同时通过无嵌入式技术监测GIS站点内部服务的请求与调用，可视化服务通信链路，在请求异常时能够准确、快速定位通信问题，攻克了因服务众多、内部服务调用复杂带来的服务追踪难题，可有效降低系统运维复杂度。2020年2022年，项目成果在部委、政府部门、企业等单位以及海外的多领域信息化转型实现应用，市场份额连续多年位列国内市场第一位、国际市场第二位，直接和间接产生了巨大的经济效益和社会效益。1.支撑了国内20多个政府行业和50余个企业行业信息化应用：项目成果直接服务于国家信息化建设，为自然资源、智慧城市、生态环境、国防建设的大型信息化系统构建提供底层技术和基础软件，充分释放了数据要素价值，让服务更加智慧、精准和高效。记者：前，云原智能GIS项取得了哪些成果？胡中南：记者：展望未来，这项技术有哪些应场景值得关注？将给产活带来怎样的变化？胡中南：创新创新三创新创新四