AI，讓地圖重做一遍

文｜白 鴿

編｜王一粟

當“外賣大戰”遇上“AI大戰”，卻意外重燃了“地圖”市場。

“今年，達達（對地圖）的需求突然暴增。”騰訊地圖位置服務產品總經理李彬對光錐智能說道。陡增的外賣訂單需求，拉動了外賣騎手的騎行規劃、導航品質的地圖高頻需求，“我們需要去更嚴格地打磨這部分功能。”

1994年，美國學者Schilit首先提出了位置服務的三大目標：你在哪里（空間信息）、你和誰在一起（社會信息）、附近有什么資源（信息查詢）。此后的三十年里，LBS地理位置信息服務，在互聯網中逐漸萌芽，在移動互聯網中達到“標配”的高峰。

直到AI大模型到來之前，地圖一直是那個不可或缺，但卻極致隱形的存在。

9月中旬，2025騰訊全球數字生態大會展廳里，機器人互動展臺前圍得水泄不通，觀眾舉著手機記錄機械臂精準抓取物品的瞬間；大模型多模態演示區，人們排隊體驗“文字生成3D場景”的新奇...

這些“肉眼可見”的創新，理所當然成為全場焦點。

而另一側，騰訊地圖全新時空智能開放平臺“蓋亞”的發布，卻并未引發扎堆圍觀。

但在AI和物理世界的結合越來越緊密的今天，我們深度了解“時空智能”概念后發現，這里可能隱藏著一個被很多人忽視的關鍵：

地圖早已不僅僅是“導航工具”，正在成為連接虛擬與現實、賦能實體產業的“智能決策大腦”。

無疑，AI讓地圖行業來到了一個轉折點。

“從‘出行工具’到‘智能引擎’，這是地圖產品面向未來的一次根本性躍遷。”騰訊集團副總裁、騰訊智慧出行總裁鐘翔平稱。

蓋亞的出現也提醒我們，那些看似“古早”的產品，只要用AI重構底層邏輯，就能長出“新芽”。而這種“新芽”，恰恰能深入實體產業的肌理，成為推動行業智能化升級的關鍵力量。

這或許就是AI時代最動人的地方：讓成熟的行業，重新擁有生長的可能。

實體生意不好做？從“拍腦袋”到“算出來”

凌晨兩點，北京某互聯網公司的程序員小李還在對著屏幕皺眉。

他負責的社區團購小程序需要接入地圖選點功能，可翻了3份接口文檔、調試了5次代碼，還是沒搞懂怎么把用戶定位和周邊商鋪庫存數據關聯起來。

這不是他一個人的困境：零售品牌選址時拿著零散的客流報表無從下手，景區運營者對著靜態的游客數據難以調整業態，出行平臺的調度員總在為車輛空跑率發愁……

對實體產業而言，“位置”從來都是決定生死的關鍵變量。

零售行業一直流傳著“七分靠選址，三分靠運營”的鐵律。同一商圈，臨街商鋪與巷內商鋪的客流量可能相差10倍；景區運營中，游客在不同區域的停留時長，直接決定餐飲、文創店的布局邏輯；出行平臺的調度效率，更是依賴實時位置數據降低車輛的空跑率。

但直到今天，多數企業的“位置決策”仍深陷“低效、不準、用不起”的泥潭，與數字經濟的發展節奏嚴重脫節。

比如在零售行業，傳統選址模式的低效早已是公開的難題。

四五年前，當騰訊地圖首次向客戶推薦“大數據選址”時，不少客戶都帶著懷疑：“數據接不接地氣？會不會是空中建樓？”“用這個方案，ROI能滿足我們的內部考核嗎？”

某區域連鎖超市負責人曾直言，當時他們更愿意相信“人工蹲點”，即派員工在目標商圈統計3天客流，記錄周邊小區入住率，再結合經驗判斷。可這種方式不僅周期長（一次選址至少2周），還容易錯過商機，等調研結束，優質商鋪早已被競爭對手拿下。

就連麥當勞這樣的頭部連鎖品牌，也曾受困于傳統模式的局限。麥當勞中國相關負責人在現場提到：“過去我們要么靠人工蹲點統計客流，成本高且覆蓋范圍窄，要么用單一維度的數據，比如周邊人口數量，但準確率很低。”

無疑，數據的割裂，讓商業決策淪為“盲人摸象”。

只看到人口密度，卻看不到消費能力；知道有競品，卻不知道競品的客單價和客流高峰......最終，導致部分門店開業后，營業額遠低于預期。

彼時，為了解決客戶信任問題，騰訊地圖的團隊選定了一座城市，用人工和騰訊地圖大數據兩種不同的方式，各自選取十個點位，通過最終評判，騰訊地圖大數據選出來的位置整體會更好。

“因為人工選址是與選址人員的能力和視野的廣度密切相關，如果信息比較片面，其選擇的點位肯定不是特別全。”李彬說道，“而我們的選址則采用了很多維度的數據，比如客戶畫像、周邊經濟業態、競爭分布，甚至包括人流遷徙的趨勢和規律等，通過大數據的疊加得出最終結果。”

騰訊地圖位置服務產品總經理李彬

數據，無疑是影響著實體產業選址大的關鍵因素之一。但在實體產業中，相比于數據的缺失，更棘手的則是“服務錯配”，即地圖廠商的能力與企業的分層需求。

一般來說，頭部連鎖品牌需要底層數據能力做定制開發，區域商戶想要輕量化工具，而個體店主可能只需要“一鍵選址”功能。

然而，傳統地圖服務要么是中小客戶用不起的標準化API，要么是周期長、成本高的定制方案，大量實體企業被擋在數字決策的門外。

某區域奶茶品牌創始人無奈表示：“我們曾想做客群分析，找了幾家廠商不是方案太復雜就是數據太粗糙，最后只能放棄。”

基于此，借助高覆蓋度、高鮮活度的位置數據，結合人口分布和智能算法，地圖可以幫助企業精準選址、預測客流、洞察競爭格局。

而這其中，最關鍵的一點就在于針對不同的行業客戶，能夠擁有標準化的產品服務，使得無論是小商戶還是大型連鎖，都能通過地圖實現科學決策、提升效率。

不難看出，當數字技術深入產業肌理時，地圖早已不是“找路工具”那么簡單，地理位置服務（LBS）已經升級為“智能輔助決策者”。

AI大模型的出現，恰好為這場升級提供了一個更智能的技術底座。

用AI重塑地圖，讓靜態的地址庫動起來

“一家商鋪，未來客流會如何變化？”、“如何調整路線，能降低物流成本？”

當這些更復雜的經營問題擺在地圖廠商面前，過去的產品已經不能滿足商家的需求。空間的需求，需要疊加上時間的變化，還需要智能動態的預測——如此大的數據計算量，只有AI大模型能解。

也因此，地圖正在被AI全面重塑，這是一場不能錯過的變革。

9月中旬的騰訊生態大會上，光錐智能發現，騰訊地圖悄然發布了一個新產品——時空智能平臺“蓋亞”。蓋亞，是古希臘神話中的大地女神，是萬神之母。騰訊地圖用這個名字命名，暗含著構建時空智能生態的野心。

“蓋亞，不僅是一個產品，更是騰訊地圖在AI時代的重要戰略起點。”李彬說道。

蓋亞時空智能平臺，從底層邏輯上重構了位置服務的模式，希望通過“數據底座+AI引擎+分層開放”的組合拳，解決行業的核心痛點。

相比語言大模型是由海量的文本所組成，時空大模型則是由海量的地理位置信息所構成，其主要學習一些時間和地點的規律。

舉個例子，某個地方開了一家日料店，結果經營不善倒閉，后又改成奶茶店，結果后續周邊開了多個奶茶店。那就說明，這個地方適合開奶茶店而不適合開日料店。

基于此，時空大模型就可以學習到，這個店鋪適合的餐飲類型，跟周邊的人群畫像、競爭分布等息息相關。

“我們把騰訊地圖過往數年積累的行業Know-how，包括地圖經驗、服務客戶經驗、開發者經驗等，都注入到時空大模型當中。”李彬說道，“用戶的動態大模型和時空的動態大模型，是我們建立多層開放平臺的核心技術基石。”

蓋亞時空大模型以“位置數據”為核心，融合了騰訊地圖多年積累的底層資源，覆蓋超8000萬POI（興趣點）、1300萬公里道路數據，日處理定位請求超過1800億次，還與京東、小紅書、美團、滴滴等合作伙伴共建了實時、廣覆蓋、高深度的數據生態。

當然，這些數據不是靜態的“地址庫”，而是動態的“時空流”，能實時反映人流、車流、消費行為的變化。

時空大模型與騰訊混元大模型深度融合，形成了蓋亞的“智能大腦”。這種融合賦予平臺兩大核心能力：

一是自然語言理解，開發者或企業用戶不用再看復雜的接口文檔，用日常語言就能提問，比如“北京朝陽區國貿附近適合開咖啡店嗎？”“接口返回120錯誤怎么解決？”；

二是高精度時空推演，能結合歷史數據預測未來趨勢，比如“某商圈國慶期間的客流峰值會達到多少？”“新開便利店的首月營業額大概在什么范圍？”。

這讓地圖徹底跳出“基礎工具”的定位，變成能幫企業“思考”的伙伴。

同時，基于Workflow與AI Agent技術，結合知識庫、MCP與UI組件庫，蓋亞形成了一整套覆蓋開發、測試到部署的工具鏈，顯著降低了AI在產業中的應用門檻。

如果說時空大模型是蓋亞的“大腦”，那上層的工具鏈和平臺就是“手腳”，它把復雜的技術邏輯封裝成簡單的功能，讓不同規模的企業都能輕松上手。

在大模型之上，蓋亞平臺延伸出來4層產品架構，從底層的LBS AI+開放平臺，到行業數據模型、行業智能體，再到頂層的行業地圖應用開放平臺，這四層結構相互協同，形成了從數據采集、分析到決策落地的全鏈路支撐。

如蓋亞的LBS AI+開放平臺，構建了覆蓋“開發前-開發中-開發后”全周期的工具鏈，尤其針對微信小程序這個高頻場景做了深度優化：

開發前：用AI Chat替代傳統文檔查詢，支持多文檔關聯、復雜問題應答。

開發中：針對小程序地圖的開發者推出微信小程序地圖開發智能體；

開發后：AI智能月報主動提供風險預警和優化建議；

李彬用“炒菜”打了個比方：“一開始我們把‘做好的菜’（標準化工具）給到客戶，但很多客戶有特定需求，比如喜歡辣口、需要少鹽。所以蓋亞不僅提供成品，還把‘原材料’（底層數據、模型）開放出來，讓客戶能自己‘調味’。”

這就是蓋亞行業數據模型開放平臺和行業智能體平臺的核心價值，滿足不同企業定制化需求。

“我們會把自己的數據、標簽，甚至模型和智能體給到客戶，也就是給其一個可耕耘的土壤，客戶可以基于這個土壤種自己的種子。”李彬說道，“甚至我們還可以給他們一些施肥（工具）的方式，基于我們的原材料和肥料，客戶種出自己的模型、智能體或應用。”

這種架構設計直接回應了，當前企業數字化轉型的普遍焦慮。

李彬指出：“很多企業面臨技術門檻高、場景適配難、落地效率低的困境，他們不是不需要智能決策，而是缺乏將先進技術與自身業務結合的能力。”

截至目前，已有零售、出行、景區等多個行業企業通過蓋亞實現效率提升與增長突破。零售行業中，基于動態時空數據和完整生態，蓋亞平臺幫助多品牌進行門店選址、渠道分銷與客群洞察。

如某頭部咖啡品牌80%新店選址由系統推薦，門店存活率高達95%，單店銷售額提升20%；另一全國性零售客戶借助渠道智能化分銷方案，業務員成本節約近20%，年收入增加超10億元。

“在AI的助力下，讓位置服務不再只是“幫人找到路”，而是直接成為“讓生意更好做”的新動能。”鐘翔平一語中的。

從位置服務到時空智能，地圖行業的新競爭

地圖應用早已超越單純的導航工具范疇，成為數字經濟的重要基礎設施。

當前，地圖行業呈現高德地圖、百度地圖、騰訊地圖“三足鼎立”的格局，從業務布局上看，三家在C端（手機地圖服務）和B端（位置服務、車機導航）的重合度較高。

不過，當前市場競爭的焦點，正在從C端流量爭奪轉向B端產業價值深耕。

C端市場早已進入成熟期，用戶對地圖的核心需求（導航、找POI）基本滿足，各家的功能差異越來越小，很難通過單一創新吸引大量用戶遷移。

而B端市場則不同，隨著實體產業數字化轉型加速，位置服務成為零售、物流、出行、景區等行業的“剛需”，且不同行業的需求差異大，存在巨大的創新空間。

更重要的是，B端業務的變現渠道更直接，能為地圖廠商提供穩定的收入來源，這也是近年來各家紛紛深耕B端的核心原因之一。

在B端業務中，騰訊地圖的優勢在于連接能力。

李彬認為，位置服務的終極價值不在于工具本身，而在于其作為數字孿生底座的連接能力，“時空智能正在成為新的生產力，它將重構產業決策的底層邏輯。”

蓋亞平臺每日處理超千億級位置數據，服務10億用戶，形成了“越用越活化”的數據閉環，即用戶的定位請求、POI查詢、導航軌跡，都會成為優化模型的“燃料”。數據越多，模型的預測精度越高，而更精準的模型又能吸引更多企業使用，進一步豐富數據生態。

這種數據的規模效應，也為騰訊地圖的B端服務提供了堅實基礎。同時，技術、數據、生態是這場AI地圖戰爭的核心，騰訊地圖顯然已經就此構建起了足夠的護城河。

曾經，騰訊地圖更多的“任務”是服務內部，給微信、QQ這些產品提供位置服務，而今，AI時代的到來，在重塑地圖產品形態的同時，也使其看到了對外服務，扎根產業場景的可能。

而這種對外的服務能力，更多是以客戶具體的需求為基礎。

比如在零售行業中，盡管頭部KA客戶非常龐大，但中腰部客戶、長尾客戶整體規模大大是超過頭部客戶，“后續我們考慮夠把服務KA的經驗做一些抽象或簡化，去滿足中腰部和長尾客戶的訴求，同時面對不同的客戶也會有不同產品的細分。”李彬說道。

同時，隨著咖啡、茶飲等企業戰略重心由一二線城市向三四線城市轉移，騰訊地圖也將會跟客戶共同探索三四線的機會，“未來我們一個重點方向，可能會偏三四線城市下沉市場的突破。”

李彬對行業未來有著清晰判斷："地圖能力的全棧開放，將推動AI驅動的經營增長成為新常態。" 這種新常態下，企業競爭將不再單純依靠資源投入，而是取決于數據智能的應用深度。

在此判斷之下，李彬希望：“未來想將蓋亞做成一個‘超市’，無論是LBS能力還是大數據能力，都做成標準化‘貨物’放在貨架上，不同行業的開發者按需挑選。”

這種模式的價值，不僅在于降低企業的使用門檻，更在于釋放產業創新活力。

當所有企業都能輕松獲取時空智能能力，就會催生出更多新的商業模式，如景區根據實時客流調整門票價格，物流企業根據時空數據優化配送路線，零售品牌根據區域消費特征定制產品。

這些創新，最終會推動整個實體產業的智能化升級。

2025騰訊全球數字生態大會上，蓋亞或許不是最“吸睛”的產品，但它卻是最“接地氣”的創新。

這也提醒我們，AI時代的變革，不僅來自全新的產品，更來自對傳統行業的重構，看似古早的工具，只要找到技術與產業結合點，就能長出新的“利器”，成為推動實體產業發展的關鍵力量。

面向未來，當時空智能成為實體產業的基礎設施，當每一個企業都能靠數據做出精準決策，我們或許會發現，AI改變的不僅是地圖，更是整個商業世界的運行邏輯。

而騰訊地圖，正站在這場變革的起點。