11 月 11 日，自然资源部对外披露，该部与国家发展改革委近日联合印发《关于「人工智能+自然资源」的实施意见》。这份文件的分量不在于它提到了 AI，而在于它把一个垂直领域的 AI 落地拆成了可考核的年份、平台与场景。
两阶段目标
文件把时间线切成两段。
到 2028 年，实现人工智能在自然资源领域的示范应用：建成时空地理信息、国土空间规划与治理、海洋、地质矿产、林业草原等重点方向的高质量数据集、大模型和智能体；国土空间规划「一张图」智能化水平全面提升；形成可复制、可推广的典型应用场景。
到 2030 年，人工智能深度融入自然资源管理全链条：集成打造智能化国土空间治理基础平台，关键核心技术与智能装备实现安全可控，自然资源数智化治理水平总体达到国际领先。
三年做示范，五年做全链条。这个节奏与国务院此前《关于深入实施「人工智能+」行动的意见》的总体安排一致，属于行业级落地文件。
五个中试平台
文件最实的部分，是统筹布局五个人工智能中试平台，覆盖时空地理信息、国土空间规划与治理、海洋、地质矿产、林草五个方向。
中试平台这个概念来自制造业，指实验室成果到量产之间的验证环节。放在 AI 上，它承担的是四件事：算力供给、模型训练、算法迭代、场景验证，再叠加生态构建。翻成直白的话：中小企业不必自己买卡、自己攒数据，可以带着算法到平台上跑真实场景。
对行业里的公司来说，这会影响订单结构。过去做自然资源信息化的厂商，收入主要来自软件项目与数据加工；中试平台铺开之后，会多出一类「按验证结果付费」的服务形态，也会出现一批只做模型、不做集成的团队。
八大示范场景
与平台配套的是八个应用场景示范：AI+「天空地海网」一体化监测监管、AI+国土空间规划与治理、AI+自然资源资产管理、AI+自然资源灾害治理、AI+海洋资源开发与治理、AI+地质矿产勘查开发、AI+林业草原保护利用、AI+地球科学。
这八项基本覆盖了自然资源部的核心职责。挑两个看：「天空地海网」一体化监测，指的是卫星遥感、航空摄影、地面站点、海洋浮标与地面网络的联合观测，数据量大、异构、时序性强，正好是模型擅长而人力吃力的部分；地质矿产勘查开发，涉及地球物理、地球化学、钻探岩芯的多模态判读，过去依赖资深工程师的经验，模型化之后可以显著缩短初筛周期。
为什么这个领域适合先做
自然资源领域有三个特点，使它成为「人工智能+」里比较容易跑通的方向。
一是数据基础好。测绘、遥感、规划、地质调查积累了数十年的结构化与非结构化数据，且大多掌握在体系内，数据治理的边际成本低。
二是任务边界清楚。地类识别、变化检测、违规用地筛查、灾害隐患点判读，评价标准明确，模型效果可以用准确率、召回率与人工复核工作量直接衡量。
三是闭环能力强。这个领域的主管部门同时掌握数据、标准与执法，模型发现问题后能直接进入核查流程，不会出现「模型说有问题但没人处理」的断点。
需要跨过的坎
文件里有两句话值得反复读：「高质量数据集」与「安全可控」。
数据集是真问题。遥感影像的分辨率、时相、云量、标注规范在不同省份差异很大，跨区域迁移往往掉点；国土空间规划涉及大量文本与图纸，标注需要规划师参与，成本高且难标准化。没有一套跨省可比的数据规范，模型只能在本地有效。
安全可控则是另一层。自然资源数据涉及国土安全与敏感地理信息，模型不能在公网上随便跑，权重与推理环境需要本地化。这也是文件强调「智能装备安全可控」的原因——不只是软件，还包括搭载模型的无人机、监测设备与移动终端。
对产业的含义
短期看，受益最直接的是三类公司：做遥感影像解译与变化检测的算法团队；做国土空间规划信息化的集成商；做行业大模型与知识库的厂商。中试平台会成为它们拿到真实场景与算力补贴的入口。
中期看，会催生一批「行业智能体」产品。文件明确要求建「智能体」，而不是只建模型，这意味着交付物从「一个能识别地类的模型」变成「一个能接单、查数据、出报告、留痕的流程执行者」。这对工程能力的要求远高于算法。
长期看，真正的变量是标准。谁能参与中试平台的数据规范与评测标准制定，谁就能定义这个行业未来五年的技术门槛。这类机会通常不留给单纯的算法公司，而留给既懂业务又懂工程的团队。
对普通人的感受可能更间接：不动产登记、用地审批、灾害预警这些服务的响应速度会变快，误判会变少。这类变化不会上热搜，但它决定 AI 在公共服务里能不能真正落地。