AI，让地图重做一遍

文｜白 鸽

编｜王一粟

当“外卖大战”遇上“AI大战”，却意外重燃了“地图”市场。

“今年，达达（对地图）的需求突然暴增。”腾讯地图位置服务产品总经理李彬对光锥智能说道。陡增的外卖订单需求，拉动了外卖骑手的骑行规划、导航品质的地图高频需求，“我们需要去更严格地打磨这部分功能。”

1994年，美国学者Schilit首先提出了位置服务的三大目标：你在哪里（空间信息）、你和谁在一起（社会信息）、附近有什么资源（信息查询）。此后的三十年里，LBS地理位置信息服务，在互联网中逐渐萌芽，在移动互联网中达到“标配”的高峰。

直到AI大模型到来之前，地图一直是那个不可或缺，但却极致隐形的存在。

9月中旬，2025腾讯全球数字生态大会展厅里，机器人互动展台前围得水泄不通，观众举着手机记录机械臂精准抓取物品的瞬间；大模型多模态演示区，人们排队体验“文字生成3D场景”的新奇...

这些“肉眼可见”的创新，理所当然成为全场焦点。

而另一侧，腾讯地图全新时空智能开放平台“盖亚”的发布，却并未引发扎堆围观。

但在AI和物理世界的结合越来越紧密的今天，我们深度了解“时空智能”概念后发现，这里可能隐藏着一个被很多人忽视的关键：

地图早已不仅仅是“导航工具”，正在成为连接虚拟与现实、赋能实体产业的“智能决策大脑”。

无疑，AI让地图行业来到了一个转折点。

“从‘出行工具’到‘智能引擎’，这是地图产品面向未来的一次根本性跃迁。”腾讯集团副总裁、腾讯智慧出行总裁钟翔平称。

盖亚的出现也提醒我们，那些看似“古早”的产品，只要用AI重构底层逻辑，就能长出“新芽”。而这种“新芽”，恰恰能深入实体产业的肌理，成为推动行业智能化升级的关键力量。

这或许就是AI时代最动人的地方：让成熟的行业，重新拥有生长的可能。

实体生意不好做？从“拍脑袋”到“算出来”

凌晨两点，北京某互联网公司的程序员小李还在对着屏幕皱眉。

他负责的社区团购小程序需要接入地图选点功能，可翻了3份接口文档、调试了5次代码，还是没搞懂怎么把用户定位和周边商铺库存数据关联起来。

这不是他一个人的困境：零售品牌选址时拿着零散的客流报表无从下手，景区运营者对着静态的游客数据难以调整业态，出行平台的调度员总在为车辆空跑率发愁……

对实体产业而言，“位置”从来都是决定生死的关键变量。

零售行业一直流传着“七分靠选址，三分靠运营”的铁律。同一商圈，临街商铺与巷内商铺的客流量可能相差10倍；景区运营中，游客在不同区域的停留时长，直接决定餐饮、文创店的布局逻辑；出行平台的调度效率，更是依赖实时位置数据降低车辆的空跑率。

但直到今天，多数企业的“位置决策”仍深陷“低效、不准、用不起”的泥潭，与数字经济的发展节奏严重脱节。

比如在零售行业，传统选址模式的低效早已是公开的难题。

四五年前，当腾讯地图首次向客户推荐“大数据选址”时，不少客户都带着怀疑：“数据接不接地气？会不会是空中建楼？”“用这个方案，ROI能满足我们的内部考核吗？”

某区域连锁超市负责人曾直言，当时他们更愿意相信“人工蹲点”，即派员工在目标商圈统计3天客流，记录周边小区入住率，再结合经验判断。可这种方式不仅周期长（一次选址至少2周），还容易错过商机，等调研结束，优质商铺早已被竞争对手拿下。

就连麦当劳这样的头部连锁品牌，也曾受困于传统模式的局限。麦当劳中国相关负责人在现场提到：“过去我们要么靠人工蹲点统计客流，成本高且覆盖范围窄，要么用单一维度的数据，比如周边人口数量，但准确率很低。”

无疑，数据的割裂，让商业决策沦为“盲人摸象”。

只看到人口密度，却看不到消费能力；知道有竞品，却不知道竞品的客单价和客流高峰......最终，导致部分门店开业后，营业额远低于预期。

彼时，为了解决客户信任问题，腾讯地图的团队选定了一座城市，用人工和腾讯地图大数据两种不同的方式，各自选取十个点位，通过最终评判，腾讯地图大数据选出来的位置整体会更好。

“因为人工选址是与选址人员的能力和视野的广度密切相关，如果信息比较片面，其选择的点位肯定不是特别全。”李彬说道，“而我们的选址则采用了很多维度的数据，比如客户画像、周边经济业态、竞争分布，甚至包括人流迁徙的趋势和规律等，通过大数据的叠加得出最终结果。”

腾讯地图位置服务产品总经理李彬

数据，无疑是影响着实体产业选址大的关键因素之一。但在实体产业中，相比于数据的缺失，更棘手的则是“服务错配”，即地图厂商的能力与企业的分层需求。

一般来说，头部连锁品牌需要底层数据能力做定制开发，区域商户想要轻量化工具，而个体店主可能只需要“一键选址”功能。

然而，传统地图服务要么是中小客户用不起的标准化API，要么是周期长、成本高的定制方案，大量实体企业被挡在数字决策的门外。

某区域奶茶品牌创始人无奈表示：“我们曾想做客群分析，找了几家厂商不是方案太复杂就是数据太粗糙，最后只能放弃。”

基于此，借助高覆盖度、高鲜活度的位置数据，结合人口分布和智能算法，地图可以帮助企业精准选址、预测客流、洞察竞争格局。

而这其中，最关键的一点就在于针对不同的行业客户，能够拥有标准化的产品服务，使得无论是小商户还是大型连锁，都能通过地图实现科学决策、提升效率。

不难看出，当数字技术深入产业肌理时，地图早已不是“找路工具”那么简单，地理位置服务（LBS）已经升级为“智能辅助决策者”。

AI大模型的出现，恰好为这场升级提供了一个更智能的技术底座。

用AI重塑地图，让静态的地址库动起来

“一家商铺，未来客流会如何变化？”、“如何调整路线，能降低物流成本？”

当这些更复杂的经营问题摆在地图厂商面前，过去的产品已经不能满足商家的需求。空间的需求，需要叠加上时间的变化，还需要智能动态的预测——如此大的数据计算量，只有AI大模型能解。

也因此，地图正在被AI全面重塑，这是一场不能错过的变革。

9月中旬的腾讯生态大会上，光锥智能发现，腾讯地图悄然发布了一个新产品——时空智能平台“盖亚”。盖亚，是古希腊神话中的大地女神，是万神之母。腾讯地图用这个名字命名，暗含着构建时空智能生态的野心。

“盖亚，不仅是一个产品，更是腾讯地图在AI时代的重要战略起点。”李彬说道。

盖亚时空智能平台，从底层逻辑上重构了位置服务的模式，希望通过“数据底座+AI引擎+分层开放”的组合拳，解决行业的核心痛点。

相比语言大模型是由海量的文本所组成，时空大模型则是由海量的地理位置信息所构成，其主要学习一些时间和地点的规律。

举个例子，某个地方开了一家日料店，结果经营不善倒闭，后又改成奶茶店，结果后续周边开了多个奶茶店。那就说明，这个地方适合开奶茶店而不适合开日料店。

基于此，时空大模型就可以学习到，这个店铺适合的餐饮类型，跟周边的人群画像、竞争分布等息息相关。

“我们把腾讯地图过往数年积累的行业Know-how，包括地图经验、服务客户经验、开发者经验等，都注入到时空大模型当中。”李彬说道，“用户的动态大模型和时空的动态大模型，是我们建立多层开放平台的核心技术基石。”

盖亚时空大模型以“位置数据”为核心，融合了腾讯地图多年积累的底层资源，覆盖超8000万POI（兴趣点）、1300万公里道路数据，日处理定位请求超过1800亿次，还与京东、小红书、美团、滴滴等合作伙伴共建了实时、广覆盖、高深度的数据生态。

当然，这些数据不是静态的“地址库”，而是动态的“时空流”，能实时反映人流、车流、消费行为的变化。

时空大模型与腾讯混元大模型深度融合，形成了盖亚的“智能大脑”。这种融合赋予平台两大核心能力：

一是自然语言理解，开发者或企业用户不用再看复杂的接口文档，用日常语言就能提问，比如“北京朝阳区国贸附近适合开咖啡店吗？”“接口返回120错误怎么解决？”；

二是高精度时空推演，能结合历史数据预测未来趋势，比如“某商圈国庆期间的客流峰值会达到多少？”“新开便利店的首月营业额大概在什么范围？”。

这让地图彻底跳出“基础工具”的定位，变成能帮企业“思考”的伙伴。

同时，基于Workflow与AI Agent技术，结合知识库、MCP与UI组件库，盖亚形成了一整套覆盖开发、测试到部署的工具链，显著降低了AI在产业中的应用门槛。

如果说时空大模型是盖亚的“大脑”，那上层的工具链和平台就是“手脚”，它把复杂的技术逻辑封装成简单的功能，让不同规模的企业都能轻松上手。

在大模型之上，盖亚平台延伸出来4层产品架构，从底层的LBS AI+开放平台，到行业数据模型、行业智能体，再到顶层的行业地图应用开放平台，这四层结构相互协同，形成了从数据采集、分析到决策落地的全链路支撑。

如盖亚的LBS AI+开放平台，构建了覆盖“开发前-开发中-开发后”全周期的工具链，尤其针对微信小程序这个高频场景做了深度优化：

开发前：用AI Chat替代传统文档查询，支持多文档关联、复杂问题应答。

开发中：针对小程序地图的开发者推出微信小程序地图开发智能体；

开发后：AI智能月报主动提供风险预警和优化建议；

李彬用“炒菜”打了个比方：“一开始我们把‘做好的菜’（标准化工具）给到客户，但很多客户有特定需求，比如喜欢辣口、需要少盐。所以盖亚不仅提供成品，还把‘原材料’（底层数据、模型）开放出来，让客户能自己‘调味’。”

这就是盖亚行业数据模型开放平台和行业智能体平台的核心价值，满足不同企业定制化需求。

“我们会把自己的数据、标签，甚至模型和智能体给到客户，也就是给其一个可耕耘的土壤，客户可以基于这个土壤种自己的种子。”李彬说道，“甚至我们还可以给他们一些施肥（工具）的方式，基于我们的原材料和肥料，客户种出自己的模型、智能体或应用。”

这种架构设计直接回应了，当前企业数字化转型的普遍焦虑。

李彬指出：“很多企业面临技术门槛高、场景适配难、落地效率低的困境，他们不是不需要智能决策，而是缺乏将先进技术与自身业务结合的能力。”

截至目前，已有零售、出行、景区等多个行业企业通过盖亚实现效率提升与增长突破。零售行业中，基于动态时空数据和完整生态，盖亚平台帮助多品牌进行门店选址、渠道分销与客群洞察。

如某头部咖啡品牌80%新店选址由系统推荐，门店存活率高达95%，单店销售额提升20%；另一全国性零售客户借助渠道智能化分销方案，业务员成本节约近20%，年收入增加超10亿元。

“在AI的助力下，让位置服务不再只是“帮人找到路”，而是直接成为“让生意更好做”的新动能。”钟翔平一语中的。

从位置服务到时空智能，地图行业的新竞争

地图应用早已超越单纯的导航工具范畴，成为数字经济的重要基础设施。

当前，地图行业呈现高德地图、百度地图、腾讯地图“三足鼎立”的格局，从业务布局上看，三家在C端（手机地图服务）和B端（位置服务、车机导航）的重合度较高。

不过，当前市场竞争的焦点，正在从C端流量争夺转向B端产业价值深耕。

C端市场早已进入成熟期，用户对地图的核心需求（导航、找POI）基本满足，各家的功能差异越来越小，很难通过单一创新吸引大量用户迁移。

而B端市场则不同，随着实体产业数字化转型加速，位置服务成为零售、物流、出行、景区等行业的“刚需”，且不同行业的需求差异大，存在巨大的创新空间。

更重要的是，B端业务的变现渠道更直接，能为地图厂商提供稳定的收入来源，这也是近年来各家纷纷深耕B端的核心原因之一。

在B端业务中，腾讯地图的优势在于连接能力。

李彬认为，位置服务的终极价值不在于工具本身，而在于其作为数字孪生底座的连接能力，“时空智能正在成为新的生产力，它将重构产业决策的底层逻辑。”

盖亚平台每日处理超千亿级位置数据，服务10亿用户，形成了“越用越活化”的数据闭环，即用户的定位请求、POI查询、导航轨迹，都会成为优化模型的“燃料”。数据越多，模型的预测精度越高，而更精准的模型又能吸引更多企业使用，进一步丰富数据生态。

这种数据的规模效应，也为腾讯地图的B端服务提供了坚实基础。同时，技术、数据、生态是这场AI地图战争的核心，腾讯地图显然已经就此构建起了足够的护城河。

曾经，腾讯地图更多的“任务”是服务内部，给微信、QQ这些产品提供位置服务，而今，AI时代的到来，在重塑地图产品形态的同时，也使其看到了对外服务，扎根产业场景的可能。

而这种对外的服务能力，更多是以客户具体的需求为基础。

比如在零售行业中，尽管头部KA客户非常庞大，但中腰部客户、长尾客户整体规模大大是超过头部客户，“后续我们考虑够把服务KA的经验做一些抽象或简化，去满足中腰部和长尾客户的诉求，同时面对不同的客户也会有不同产品的细分。”李彬说道。

同时，随着咖啡、茶饮等企业战略重心由一二线城市向三四线城市转移，腾讯地图也将会跟客户共同探索三四线的机会，“未来我们一个重点方向，可能会偏三四线城市下沉市场的突破。”

李彬对行业未来有着清晰判断："地图能力的全栈开放，将推动AI驱动的经营增长成为新常态。" 这种新常态下，企业竞争将不再单纯依靠资源投入，而是取决于数据智能的应用深度。

在此判断之下，李彬希望：“未来想将盖亚做成一个‘超市’，无论是LBS能力还是大数据能力，都做成标准化‘货物’放在货架上，不同行业的开发者按需挑选。”

这种模式的价值，不仅在于降低企业的使用门槛，更在于释放产业创新活力。

当所有企业都能轻松获取时空智能能力，就会催生出更多新的商业模式，如景区根据实时客流调整门票价格，物流企业根据时空数据优化配送路线，零售品牌根据区域消费特征定制产品。

这些创新，最终会推动整个实体产业的智能化升级。

2025腾讯全球数字生态大会上，盖亚或许不是最“吸睛”的产品，但它却是最“接地气”的创新。

这也提醒我们，AI时代的变革，不仅来自全新的产品，更来自对传统行业的重构，看似古早的工具，只要找到技术与产业结合点，就能长出新的“利器”，成为推动实体产业发展的关键力量。

面向未来，当时空智能成为实体产业的基础设施，当每一个企业都能靠数据做出精准决策，我们或许会发现，AI改变的不仅是地图，更是整个商业世界的运行逻辑。

而腾讯地图，正站在这场变革的起点。