近日，《北京测绘》2025年第11期刊载南方数码原创论文《基于DeepSeek的iData智能数据工厂集成方法》。

随着生成式人工智能与大语言模型(LLM)的快速发展，智能系统正迈向更高自主性与泛化能力的新阶段。本文围绕DeepSeek与GIS平台融合方法展开研究，重点探索自然语言交互、任务自动生成与多模态地理数据处理的一体化集成架构，以提升地理信息生产的智能化水平和业务响应效率。以下为论文主要内容：

当前以深度求索（DeepSeek）为代表的开源大语言模型迅猛发展，为各行各业的智能化创建了基础，但其落实到具体行业应用，才刚刚起步。本文设计了一种利用DeepSeek大语言模型实现地理信息采编软件智能化的实践方案，支持普通用户以自然语言的形式向采编软件发起任务，实现专业知识的问答、软件的自动化操作和数据的自动化处理，尽可能地减少重复性的人工工作。通过南方数码数据工厂（iData）的深度集成，本方案实现了地理信息采编全链路智能化赋能，覆盖智能问答、交互式编辑与人工智能（AI）质检三大核心能力，大幅提升了地理信息采编软件的智能化程度。

引用

[1] 吴龙祥,郭振,邹磊,等. 基于DeepSeek的iData智能数据工厂集成方法[J]. 北京测绘, 2025, 39 (11): 1660-1666. 

DOI:10.19580/j.cnki.1007-3000.2025.11.016. 

引言

现有AI应用多集中于特定任务或独立场景，缺乏面向多模态、多任务的一体化智能集成框架，难以系统支持地理信息“采-编-存-用”全流程业务 ，尤其在处理高维、跨源、多尺度地理数据时，尚未形成协同高效、自适应优化的技术体系。因此，如何将DeepSeek等先进AI能力深度融入GIS平台，构建智能化的地理信息处理链，已成为行业亟待突破的关键问题。

本文围绕DeepSeek与GIS平台融合方法展开研究，重点探索自然语言交互、任务自动生成与多模态地理数据处理的一体化集成架构，以提升地理信息生产的智能化水平和业务响应效率。

主要图表

图1 iData智能化引擎架构

图2 DeepSeek与GIS平台逻辑图

表1 DeepSeek API架构组件表

图3 平台与DeepSeek的集成架构

图4 生产平台与DeepSeek数据交互流程时序

图5 房屋修复前后闭合情况对比

图6 自然语言指令驱动居民地面叠盖检查

图7 质检助手智能处理结果

结束语

将DeepSeek与iData深度集成，通过智能问答、编辑和质检三大功能，可显著提升地理信息数据处理效率与准确性，为国土管理、资源监测提供高可靠性支持。其创新在于：①用自然语言交互降低GIS使用门槛，帮助非专业用户高效生成标准地图；②深度融合GIS知识库与操作手册，构建“知识-工具”闭环，实现从解答到流程自动化的全链路效率跃升，将复杂业务部署时间压缩至传统技术的1/60；③贯通数据采集、处理到应用构建的AI链条，大幅减少了人工干预。

为持续深化应用，需突破领域泛化性与数据安全瓶颈，使用专业词典与预训练提升语言解析精度，在自动化流程引入强化学习动态优化算子组合，并利用边缘计算轻量化部署降低延迟。平台通过优化模型推理效率与跨行业适配能力，为国土规划、数字孪生及元宇宙建设提供全要素、全场景、全周期的智能解决方案，推动地理信息生产从“工具赋能”向“自主决策”的跨越。

论文标题：《基于DeepSeek的iData智能数据工厂集成方法》，已刊发于《北京测绘》

作者：吴龙祥，郭振，邹磊，赖泽云