何正国：规划和自然资源行业应对DeepSeek浪潮的思考

导读

在当今数字化浪潮中，DeepSeek 等大模型技术正以前所未有的速度改变着各个行业。对于规划和自然资源行业来说，如何应对这场技术变革成为关键议题。本文将深入解读城市规划新技术应用专委会秘书长何正国在2025城市规划新技术专题会上带来的报告《规划和自然资源行业应对DeepSeek浪潮的思考》，探讨行业如何在 DeepSeek浪潮中把握机遇、迎接挑战。

1 DeepSeek影响千行百业

（1）科技巨头与基础电信运营商的接入

2025 年伊始，英伟达、亚马逊和微软三大科技巨头纷纷宣布接入 DeepSeek 大模型。英伟达将其应用于 GPU 加速卡和数据中心，提升计算能力；亚马逊借助云计算平台推广该模型；微软则集成到现有软件产品和服务中，增强用户体验。紧接着，中国电信、华为昇腾云服务、中国联通和中国移动等基础电信运营商也相继接入DeepSeek，推动了政务服务的智能化转型。

（2）千行百业深度拥抱 DeepSeek

截至2025年3月，超过百家国内外企业宣布接入DeepSeek，覆盖政务、互联网、制造业、汽车、医疗、能源、金融、手机、教育、科技等多个领域，形成从底层算力到终端应用的完整生态闭环。

（3）技术普惠与行业重构

DeepSeek以“低成本、高性能、开源化”的创新路径，打破技术垄断壁垒，推动AI从巨头专属走向全民共享。同时，通过“技术穿透、数据觉醒、模式重构”的三重跃迁路径，重塑行业决策底层逻辑。

2 大语言模型技术原理

（1）语言模型概述

语言模型的目标是建模自然语言的概率分布，通过学习词、句内在的语言模式和语义关系，使 AI 能够理解和生成人类语言。例如，通过大量文本学习，模型能识别主语、动词、宾语的基本句子结构，统计词语搭配频率，理解词语含义和句子语义，分析上下文关系等。

（2）Transformer 结构

Transformer 结构由谷歌在 2017 年提出，基于注意力机制对源语言和目标语言序列的全局依赖进行建模。其编码器和解码器结构由多个 Transformer 块组成，通过多头注意力机制、位置感知前馈层、残差连接和层归一化等组件，实现对输入文本的有效处理。

（3）语言模型构建流程

语言模型的构建包括预训练、有监督微调、奖励建模和强化学习阶段。预训练阶段利用海量数据构建基础模型；有监督微调阶段使用高质量数据提升模型性能；奖励建模阶段构建文本质量对比模型；强化学习阶段根据用户提示词调整模型参数，提高生成文本质量。

3 四横三纵应对策略路径

（1）智才筑基 ——AI 素养提升工程

在规划和自然资源行业普及 AI 知识，提升人员 AI 素养至关重要。通过思维转变、能力构建、习惯养成和文化重塑，让行业人员主动拥抱 AI 技术，形成良好的 AI 使用习惯，营造良好组织文化。

（2）算力赋能 —— 基础设施升级

部署 DeepSeek 大模型时，需根据模型规模、应用场景、并发需求及性能目标综合规划算力配置。不同模型规模对显存需求和推荐 GPU 数量有所不同，同时要关注核心硬件配置方案和成本效益对比。

（3）基座选型 —— 核心模型构建

在选择基座模型时，应综合考虑业务场景和安全合规要求，评估模型的多模态处理能力、长文本分析性能以及安全合规性。DeepSeek、Qwen 和 ChatGLM 等模型各有优势，适用于不同政务和业务场景。

（4）安全筑盾 —— 防护体系建设

大量部署 DeepSeek 的服务器存在安全隐患，行业需加强防护体系建设。通过关闭高危端口、数据分级分类、严格权限控制等措施，降低安全风险。

（5）场景深耕 —— 业务痛点突破

DeepSeek 被集成至规划和自然资源政务系统，用于智能问答、政策解读、公文起草等场景。在不动产登记、规划编制、重大项目地块判断、耕地保护等方面发挥重要作用，提升业务效率和质量。

究竟哪些业务场景适宜采用DeepSeek呢？在具备“数据密集度高、规则清晰明确、对强大推理分析能力有需求”特征的业务场景中，DeepSeek均能够发挥至关重要的作用。

（6）知识聚库 —— 本地知识库建设

构建本地知识库是提升 DeepSeek 应用效能的关键。通过优化入库源头数据，进行文本清洗、去重、脱敏和统一操作，提高数据质量。同时，要解决文档识别难题，采用多种技术和工具提升多模态数据整合效果。

1）构建本地知识库的好处及流程

2）数据治理

3）文本信息识别提取常见问题及对策

4）分块常见文件问题及对策

（7）智能铸魂 ——AI Agent 构建

AI Agent 能突破大模型的能力限制，实现更复杂的任务。通过构建控制端、感知端和行动端，实现信息处理、知识存储和环境交互。同时，需解决 API 和数据源差异问题，提升 AI Agent 效能。

4 未来展望与思考

（1）技术升级方向

未来，模型架构将不断提升处理能力和效率，以应对复杂任务和大规模数据。同时，推理效率将得到提升，降低能耗并提高响应速度。多模态融合将成为发展趋势，使 DeepSeek 能够处理文本、图像、音频和视频等多种数据，拓展应用场景。

（2）行业与技术融合

行业应主动与计算机领域深度合作，引入先进算法和数据处理技术，提升智能化水平。同时，推动数据共享与标准化，打破数据孤岛，为 AI 提供高质量训练数据，促进技术与行业的深度融合与创新发展。