Google 发布地球 AI 地理空间推理技术报告并开源 GeoExpertQueries 等基准

Google Research 发布了关于 Geospatial Reasoning agent 的技术报告，该实验系统通过连接 Earth AI 基础模型（如 WeatherNext、Flood Forecasting）与 Google Maps Platform 数据，实现了跨模态的多步地理空间推理与自主预测。评估显示，在四个基准测试中，配备专用技能与前置规划阶段的完整智能体显著优于仅使用基础搜索或无规划的通用 LLM，特别是在处理开放式的专家级查询时。

关键证据来自两个新发布的基准：GeoExpertQueries 包含由专家编写的黄金工作流以评估复杂分析能力，GeoKTools 则通过模板化查询验证工具选择的准确性。结果显示，仅靠基础工具的 LLM 在定量空间任务上表现挣扎，而引入 Earth AI 技能后分数大幅提升；但在 UnivEARTH 基准上，由于答案公开可查，独立 LLM 得分高达 93.6%。此外，Partner 实测案例表明，该智能体能将埃博拉疫情暴露人群定位从数周缩短至分钟级，并将健康结果预测精度提升 12%，同时支持用户上传 CSV 和 GeoJSON 私有数据与全球模型融合。

事实层面，Google 已开放 Ask Google Earth 的深度分析预览及 Agent-to-Agent API 供开发者集成，并开源了两个基准的开发集。推断层面，这一架构标志着地理空间分析从“人工 GIS 操作”向“自主智能体规划”的迁移，其核心价值在于解决了大规模空间数据的上下文限制与多源异构数据对齐难题。猜测层面，随着 Planetary Prediction Engine 能力的下放，未来商业应用可能从单纯的数据可视化转向基于卫星信号与人口动态的自动化风险预测服务，但当前输出仍被定义为需专家复核的初稿而非最终决策依据。