2025国土空间规划领域生成式人工智能应用蓝皮书-

2025年6月国土空间规划领域生成式人工智能(2025年)指导单位：自然资源部国土空间规划局同济大学建筑与城市规划学院二、国土空间规划领域生成式人工智能应用全景分析6(一)受访群体特征6(二)生成式人工智能在国土空间规划领域的应用现状8(三)生成式人工智能在国土空间规划领域的主要挑战13(四)生成式人工智能在国土空间规划领域的未来应用需求15三、生成式人工智能加速国土空间规划路径变革18(一)开展培训与应用指导，形成行业共识18(二)跨领域共建共享，保障生成式人工智能应用的落地与规范19(三)推动产学研合作，共同培育生成式人工智能规划人才20(四)构建多维应用场景，推动生成式人工智能与国土空间规划双向赋能22附件：国土空间规划领域生成式人工智能应用调查问卷251(2025年)在推进国家治理体系和治理能力现代化的进程中，国土空间规划作为国家空间发展的指南与可持续发展的空间蓝图，承担着至关重要的使命。当前，我国空间规划已步入“多规合一”和空间治理阶段，国土空间规划及其数智化转型发展面临着多重严峻挑战。在数据治理层面，多源异构数据整合需求迫切，历史用地数据、实时传感器信息以及公众诉求文本等多源数据交织，传统规划工具在数据清洗与特征提取方面存在明显技术瓶颈；在利益协调方面，多元利益主体的博弈加剧，现有公众参与机制大多为单向信息传递，难以有效整合居民空间偏好与企业开发诉求等冲突性表达，导致多元治理困局难以破除；在技术背景方面，数智生成式人工智能作为新兴技术，凭借其多模态数据解析能力、跨领域知识整合能力和协同推理能力，为国土空间规划领域的诸多难题提供了创新性解决方案。多模态解析能力使其能够同步解析跨部门资料、卫星影像、社交媒体、规划文本与街景图像等多源信息，实现对城市空间特征的全方位、立体式认知；知识库存储与知识图谱构建技术有助于整合国土空间规划“一张图”、历史保护名录以及公众诉求，建立跨领域关联规则库，有效提升规划要素的完整性；多智能体机制则通过模拟不同利益主体的博弈过程，为国土空间规划编制提供多主体视角，助力构建涵盖“理论-分析-编制-评估”环节的国土空间规划闭环。为深入贯彻落实国家关于加快人工智能技术在各领域应用的战略部署，全面提升国土空间数字化治理水平，自然资源部国土空间规划局积极组织开展生成式人工智能在国土空间规划领域的建设和研究工作。为全面、系统地掌握生成式人2引言工智能在国土空间规划领域的研究现状、发展前景、应用需求和建设路径，自然资源部国土空间规划局就国土空间规划领域生成式人工智能应用情况，组织开展在自然资源部国土空间规划局的指导下，同济大学建筑与城市规划学院牵头建设的自然资源部国土空间智能规划技术重点实验室、武汉市自然资源和规划信息中心牵头建设的自然资源部城市仿真重点实验室联合发起，在2025年2月1日至2月28日期间，对全国31个省、自治区、直辖市和新疆生产建设兵团的自然资源主管部门进行了全面、深入的问卷调查，采用各级自然资源主管部门组织相关人员在线填写问卷的方式，且要求各省份组织受访人员不少于20人，以确保调查结果具有广泛的地域代表性和行业覆盖面。调查共收集到8366份问卷，在剔除回答时间少于1分钟以及大于24小时的无效问卷后，最终保留有效问卷8209份(有效率98.1%),问卷质量高、覆盖广、代表性好，为深入分析生成式人工智能在国0101受访群体具有广泛代表性与高度专业性本次调查对象覆盖了全国所有省级行政区(除港澳台),地域分布广泛且均衡，展现出较强的区域代表性。从区域数据来看，广东省回收问卷2330份，占总样本量的28.38%,位居各省(区、市)首位。从调查对象的职业构成来看，样本群体以政府部门及城市规划设计单位人员为主，覆盖国土空间总体规划、详细规划编制和城市设计等核心业务领域，具备扎实的专业背景与丰富的实践经验。其中，政府部门3693份、城市规划设计院所2648份、企业及咨询机构660份、高校及研究机构360份、其他539份、非政府组织与自雇18份，另有291份涉及多重单位身份。在从业经验方面，样本展现出多层次的分布特征，充分体现行业人才梯队结构的多样性与合理性。其中，尚未工作的人员占1.99%,从业1-5年3国土空间规划领域生成式人工智能应用蓝皮书(2025年)的青年人员占26.96%,从业6-10年的人员占22.39%,从业11-15年的人员占21.79%,从业15年以上的资深专业人员占26.87%。整体来看，本次调查样本结构合理，涉及多种工作年限的人群，兼具代表性和专业性，为后续分析与政策建0202行业对生成式人工智能接受度较高，但是存在技术认知差异调查结果显示，调查对象普遍对生成式人工智能技术持开放、积极的态度。92.90%的调查对象表示愿意在工作中引入并使用该技术，体现出从业群体对其在规划工作中潜在价值的高度认可与期待。从技术认知发展进程来看，49.21%的调查对象是在一年前开始接触生成式人工智能，39.21%的调查对象为今年首次接触，11.57%的调查对象为两年前开始使用，表明该技术在行业中的普及尚处于应用探索的起步阶段。在熟悉程度方面，80.13%的调查对象对生成式人工智能有所了解，但深入掌握者仍较少，仅有2.07%的调查对象自评为“高度熟悉”,反映出当前行业内精通该技术的专业人才仍较为稀缺。在实际应用层面，有78.00%的调查对象已在工作中尝试使用生成式人工智能技术，显示其在行业中的初步应用基础已具备，然而，其中仅有13.18%的调查对象自评为高频使用者。总体来看，生成式人工智能在行业内展现出良好的发展潜力，并受到广泛关注，但生成式人工智能在国土空间规划领域已形成多元化应用格局，并在核心业务环节展现显著效能。从具体应用场景看，文本撰写与编辑为当前最主要的应用类型，59.69%的调查对象表示已在材料初稿生成、报告润色和文案整理等工作中使用该技术。50.49%的调查对象将生成式人工智能用于工作思路的启发，反映出其在认知辅助方面的广泛应用价值。在数据处理类任务中，27.40%的调查对象表示4曾使用该技术进行数据分析与可视化，如图表生成、趋势识别等。除此之外，调查对象还将其应用于图像处理、跨单位沟通协作和其他更多场景中，体现出应用场景正逐步向多元复杂任务拓展。就技术带来的实际成效而言，84.30%的调查对象认为生成式人工智能明显提升了工作效率，62.8%的调查对象表示该技术有效启发创新思路，58.63%的调查对象认可该技术在简化复杂任务上的成效，44.40%的调查对象认为能够优化设计方案。部分调查对象还指出，生成式人工智能有助于提升规划成果的表达质量与可视化水平，增强公众理解与沟通效果。生成式人工智能在行业内的应用仍以内容生成和认知支持为核心，但其功能已逐步0404数据、技术与人才是当前生成式人工智能应用面临的三大核心挑战尽管生成式人工智能技术前景广阔，但其在国土空间规划中的应用仍受到多方面因素制约，其中以数据可用性与质量、技术能力成熟度以及人才支撑体系最题”被73.08%的调查对象选为行业应用面临的首要挑战，反映出数据可获取性差、质量不统一等问题已成为普遍共识，严重制约了模型训练与实际应用效果。“技术成熟度不足”同样为关键障碍，65.40%的调查对象认为现阶段生成式人工智能尚不具备支持规划业务复杂逻辑建构与高精度表达的能力，难以满足正式业务流程中的精细化需求。在人才方面，51.60%的调查对象指出“缺乏专业人才”是主要问题。除此之外，拥有专业知识也格外重要。有35.38%的调查对象认为当前的生成式人工智能的知识体系中缺乏专业的规划知识，难以满足规划编制需求。另一方面，有29.42%的调查对象提到“缺乏好用的工具”,间接反映出当前技术工具专业性有限，需要规划专业与人工智能技术复合型人才。当前生成式人在数据资源整合、专业工具研发、复合型人才培养以及政策机制完善等方面进一国土空间规划领域生成式人工智能应用蓝皮书(2025年)50505未来发展需求集中于行业场景示范、模型构建、数据共享与公众参与面对上述挑战，调查结果显示行业内对未来发展方向已形成较为清晰的共识。77.10%的调查对象提出需针对性开发适配规划业务需求的专用模型，47.06%的调查对象进一步主张通过产学研合作机制，整合行业需求、技术能力与依赖全国各地积极参与建设。52.20%的调查对象愿意参与建设，19.09%的调查对象持观望态度。同时，45.85%的受访者愿意开放相关数据和案例进行行业大模型训练。表明大多数规划从业者对生成式人工智能的应用提出新的期待。但是，26.64%的受访者担忧数据泄露问题而不愿意公开数据，说明未来数据共享是模型综上所述，生成式人工智能在国土空间规划领域的应用正处于快速发展与探索阶段，机遇与挑战并存。本蓝皮书旨在通过深入分析调查结果，为行业主管部60101受访群体特征从调查对象所在省份来看，本次调查覆盖了全国范围内的全部省级行政区(港澳台地区除外),样本在地理维度上分布广泛，问卷数量在各省间分布不均，介于20至2330份之间，中位数为178份。其中，广东省回收数量最多，江西、贵州、内蒙古等省(区)次之，西部和边缘地区样本数量相对较少，这在一定程度上反映了不同地区在国土空间规划工作中的发展差异与人力资源分布不均本次调查覆盖的群体兼具多元化与专业性，普遍具备相关专业背景，并具有较强的行业代表性。从单位性质来看，政府机构与城市规划设计单位为主要来源，合计占比接近八成。其余调查对象来自企业、咨询机构、高校与研究机构、非政府组织及自雇。调查对象所从事的业务主要为国土空间规划和详细规划与城市设计，交通市政设施、产业布局、社区发展及智慧城市建设等多个方向也有所覆盖。在从业年限分布上，样本结构较为均衡，涵盖了从初入职场的青年人才到经验丰富的资深从业者。除尚未正式入行者比例较低外，各工作阶段的调查对象数量分布相对均衡，具有1-5年和15年以上工作经验的人群占比较高。721.8%■学术机构(高校/研究院)■城市规划设计院所自雇8国土空间规划领域生成式人工智能应用全景分析004000图3调查对象工作涉及领域分布图02生成式人工智能在国土空间规划领域的应用现状9大众认知路径尚在形成之中。结合不同地区调查对象的接触时间来看，普遍在近一年内接触生成式人工智能，反映生成式人工智能技术在全国范围内的扩散呈现出相对同步的趋势。从不同工作年限群体的接触时间来看，青年从业者(1-5年)和尚未工作者接触时间相对更早，而15年以上从业者中，2025年首次使用人工智能的比例相对较高，这一时间点与DeepSeek等本土模型的发布时点较为吻合，说明国产大模型可能在年长用户群体中起到了一定的推动作用。总体而言，调查对象在认知和行为上已展现出对生成式人工智能工具的初步接受与探索趋势，但使用频率与熟练程度尚有限，技术应用尚处于早期阶段。本次调查恰逢新一代国产大模型发布，为从业者了解与应用生成式人工智能提供了现实契机，也促使调查对象在问卷中提出更具针对性和实践价值的反馈，为未来生成式人工智能在行业的深化应用奠定了良好基础。图4调查对象生成式人工智能使用意愿分布图国土空间规划领域生成式人工智能应用全景分析11国土空间规划领域生成式人工智能应用蓝皮书(2025年)■两年前■一年前■今年(2)调查对象对生成式人工智能的使用场景分析调查对象对生成式人工智能的预期作用与实其在效率提升与文本内容生成方面。当前，文本撰写与编辑是生成式人工智能在实际工作中的核心应用场景，近六成调查对象在工作中使用该技术。同时，近五成调查对象认为该技术能够有效启发工作思路、简化复杂任务，这一预期也在实国土空间规划领域生成式人工智能应用全景分析际使用中得到了印证。除了文本处理，部分调查对象在数据分析与可视化、图像处理与优化等方面也开展了初步探索，说明生成式人工智能在多类型任务中的适用潜力。此外，不同工作年限的调查对象在生成式人工智能的使用上表现出偏好差异。资深从业者更关注其提升效率的工具属性，而年轻用户则更倾向于将其作为激发灵感的辅助工具，体现出不同职业阶段在技术应用上的偏好差异。总体来看，调查对象已在多个典型工作环节中应用生成式人工智能，使用重点集中于效率提升与思路启发，技术表现与使用预期基本吻合，表明生成式人工智能在国土空间规划行业具备广泛的实用价值与发展前景。00图9调查对象对生成式人工智能最大优势看法分布图0040003500图10调查对象生成式人工智能使用场景分布图03生成式人工智能在国土空间规划领域应用的主要挑战当前，尽管生成式人工智能在国土空间规划领域受到广泛关注，并获得了多数从业者的使用意愿支持，但其在实际应用过程中仍面临多重挑战。调查结果显示，近九成调查对象表达了在工作中使用生成式人工智能的积极意愿，但同时，近六成调查对象认为其功能尚有限，仅能在部分任务中发挥辅助作用，难以替代人工在复杂决策中的综合判断能力。数据可用性与质量、技术成熟度以及人才体系建设是调查对象较为认可的三大核心挑战。数据问题最受到调查对象的关注，包括对数据量不足、质量参差以及对数据隐私与安全的广泛担忧。有七成调查对象认为，数据量不足、质量参差以及数据共享受限，严重影响了生成式人工智能的模型训练与应用效果。特别是在国土空间规划这一高度依赖高质量、敏感数据的领域，信息封闭性加剧了模型的适应难度，成为限制其广泛推广的首要因素。在技术层面，生成式人工智能仍国土空间规划领域生成式人工智能应用全景分析存在诸多缺陷。六成调查对象指出，当前生成式人工智能在地理信息处理与分析方面的能力尚显不足，难以处理复杂空间数据和生成科学规划方案。此外，人才短缺现象受到广泛关注。调查显示，约半数调查对象认为缺乏既懂生成式人工智能应用又熟悉规划业务的专业人才，反映出对专业人才培养与专业模型的迫切需求。00■数据不足或数据质量问题■技术成熟度不足■缺乏专业人才■法规和政策限制■其他图11调查对象对生成式人工智能在规划行业中面临的最大挑战看法分布图00图12调查对象认为阻碍生成式人工智能在国土空间规划中采用的因素看法分布图国土空间规划领域生成式人工智能应用蓝皮书(2025年)04生成式人工智能在国土空间规划领域的未来应用需求结合问卷分析，当前调查对象普遍期望能够通过产学研合作，构建专业的行业大模型，在保障数据安全的前提下，满足国土空间规划实践需求。调查结果显示，调查对象整体对生成式人工智能持开放态度，近半数愿意参与行业模型建设，另有约三成倾向于以使用者身份支持模型发展，为行业融合与模型落地提供在技术建设路径上，多数调查对象倾向于通过产学研合作方式，开发具备规划业务理解能力的行业模型，而非直接套用通用大模型。近八成调查对象提出需针对性开发适配规划业务需求的专用模型，其中半数调查对象主张通过产学研合作机制，整合行业需求、技术能力与数据资源，提升模型的专业性和实用性。该倾向在一定程度上反映了从业者对模型专业适配性与实际可用性的现实关注。但是，仍有近两成调查对象认为可以直接套用通用大模型，说明行业内部在应用路在建设重点方面，数据共享与安全保障被广泛关注。多数调查对象认为应通过互联网或行业专网训练大模型，以最大化数据共享效能。但近三成的调查对象表示担忧数据泄露问题而不愿意公开数据。在未来构建专业大模型时，数据安全问题应该成为关注重点。此外，调查对象普遍期待未来生成式人工智能能够更多的应用于提升工作效率、简化工作流程、整合多源数据和支持公众参与等方面，国土空间规划领域生成式人工智能应用全景分析非常愿意，贡献技术力量与数据资源较为愿意，以使用为主其他伍不愿意，会泄露单位数据优化方案随着生成式人工智能的不断发展，大模型正处于从学习、推理到应用落地的关键时期。这一技术的发展，将重塑规划行业的“生产力-生产关系”范式。建议以本次蓝皮书发布为契机，加快顶层设计与基础建设双向发力，推动规划行业从“经验驱动”向“数智共生”的可持续发展，赋能新时代国土空间高质量发展与高效能治理。本次调查问卷通过系统性分析行业数据，其结论在一定程度上揭示了国土空间规划行业对生成式人工智能的认知状况。但需要指出，问卷设计可能存在方法论缺陷：核心观念题目的预设性导向风险、答案结构的穷尽性与包容性不足、观念采集的主观性制约。为此，在考虑潜在方法缺陷基础上，采用交叉分析法进行多维度数据比对，基于问卷数据的实际分布形成调查结果，旨在降低主观设计对调查结论的潜在影响，以增强调查结论对生成式人工智能在行业中应用的启示作用。01开展培训与应用指导，形成行业共识第二章调查结果显示，调查对象对生成式人工智能在规划行业建设路径仅限四种选项，暴露出问卷答案在穷尽性与包容性的不足。通过与问卷其他题目(问卷主观题目)进行交叉验证，发现设定的四种选项与调查对象诉求具有较高的相关性，表明数据可信度较高。调查结果表明，生成式人工智能在国土空间规划领域已形成多元化的应用格局，并在多项核心业务环节展现出显著效能，逐渐被广大从业者视为值得以开放和积极态度拥抱的技术。随着生成式人工智能在国土空间规划中的不断深入，其发展路径正逐步从通用大模型向行业专属模型演进。然而，行业中存在的“直接使用通用大模型”的主张，也反映出认知上存在双重差异：一方面是对技术本身的理解程度不一，另一方面则是对其在具体行业应用场景的认识存在分化。总体来看，生成式人工智能在国土空间规划中的应用仍处于探索阶段。因此，形成行业共识是推动生成式人工智能应用赋能的基石，将对技为加速生成式人工智能在国土空间规划领域的应用与赋能，有必要建立行业国土空间规划领域生成式人工智能应用蓝皮书(2025年)培训体系、开展场景示范、研究综合性指引，确保技术发展与规划业务深度融合。未来，需建立国土空间规划行业生成式人工智能培训体系，着力提升规划从业者的技术素养。围绕生成式人工智能的基本原理、提示词设计、微调训练、检索增强和智能体等内容，面向国土空间规划编制、审批、监测等不同应用场景开展生成式人工智能技术的应用培训；开展典型应用场景示范，引导行业逐步形成应用共识。选取具有代表性的省市开展多场景、多阶段的生成式人工智能应用示范，覆盖规划方案生成、规划实施监测和公众参与等场景，总结形成可推广的案例经验。通过示范引领、经验复用、技术共享等路径，推动行业内形成统一认基于场景示范等工作，研究综合性工作指引，推动生成式人工智能的广泛应用。在行业共建方面，围绕共建共用的需求，细化生成式人工智能的使用边界、数据接入要求、结果审校机制、数据安全、审核机制及技术伦理等相关研究，为国土空间规划领域的场景构建和生成式人工智能技术应用提供基础参考；在技术标准研制方面，以完善数据融合与治理、知识提炼与转译、高质量数据集建设、规划案例训练、成果表达形式等标准体系为重点，确保生成式人工智能应用的合02跨领域共建共享，保障生成式人工智能应用的落地与规范当前，国土空间规划领域正处于拥抱生成式人工智能的关键窗口期。调查结果清晰地显示，行业共识已从“是否应用”转向“如何建设与应用”。调查对象普遍认为，直接套用通用大模型难以满足规划业务的专业性、精准性和复杂性要求，进而出现对规划、人工智能、信息科学等多专业协同和共建共享的跨领域协同生态的强烈呼唤，以及共同开发具备深度“规划业务理解能力”的生成式人工智能模型的需求。此外，如何平衡数据共享与安全之间的矛盾也是调查对象普遍认为的关键问题，相关数据治理和安全保障机制亟待建立。唯有时刻把握“共建共享”与“安全可控”的相互关系，系统性构建支撑数据高效有序流动的平台设施、激发持续创新动力的协作机制与保障模型可信规范应用的法律法规与标准体系，方能使生成式人工智能技术得以安全、可靠、精准地服务于构建全域全要素展望未来，共建共享的跨领域协同生态是一项需要前瞻布局、持续投入和多方精诚合作的系统工程，有待主管部门、规划行业人员、相关科研机构、高校、企业等的共同参与和深度协作。在行业数据集共建方面，要建立政府主导、企业参与、科研支撑的多主体协同机制，通过政策引导与技术赋能，推动自然资源、地理信息、社会经济等多源数据的规范化整合，明确行业数据集建设技术范式，共建覆盖多尺度、多类型的高质量行业数据集，为模型训练、评估与优化提供核心支撑。在共建共享机制方面，可依托主管部门、行业组织和科研机构，明确数据、工具、模型、算力等资源的共享边界与参与方式，制定激励机制，推动各类03推动产学研合作，共同培育生成式人工智能规划人才建设行业生成式人工智能关键的路径是通过产学研结合，共同培育复合型人才。基于问卷分析可以发现，当前业内已经普遍认识到需要构建专业的行业大模型以更好地满足规划需求，而建设行业大模型最受认可的路径在于以产学研合作方面，具备技术实力和研究基础的企业可以自主研发行业生成式人工智能，而对于科研能力较弱的企业，推荐加强与高校和科研机构的合作，借力其技术创新和科研支持，形成互补效应，确保技术的可行性与专业性。另一方面，企业可以利用其数据资源和实际应用场景，推动从传统国土空间规划向数字化、智能化的转型。例如，通过在规划编制、体检评估、实施管理等业务的实际项目中应用生成国土空间规划领域生成式人工智能应用蓝皮书(2025年)式人工智能技术，识别关键问题并开发定制化解决方案。高校在产学研合作中发挥着不可替代的作用，尤其在人才培养和理论研究方面。首先，鼓励高校根据行业需求，调整课程设置，更加关注数字技术基础、人工智能理论和智慧城市技术前沿，以培养具备跨学科背景的复合型人才，促使专业人才不仅精通人工智能技术，还具备扎实的国土空间规划理论基础和实践经验。同时，为了更好地满足行业需求，高校还可以推动教学改革，采用云课堂、在线课程等创新方式，提高教育的灵活性和覆盖面。此外，建议高校与企业紧密合作，开发定制化的课程和实践项目，让学生在实际场景中锻炼和提升解决问题科研机构在产学研合作中主要承担技术创新和理论支撑的角色，推动基础研究成果向实际应用转化。科研机构宜聚焦生成式人工智能技术的前沿问题，包括模型优化、算法创新和数据处理等领域，为行业提供领先的技术解决方案和理论支持。同时，鼓励科研机构与企业和高校的合作，参与实验研究和试点项目的开发，促进生成式人工智能技术在实际场景中的应用落地。此外，建议科研机构积极组织学术讲座、技术沙龙和行业研讨会等活动，促进技术交流和思想碰撞，为生成式人工智能技术的产业化应用和政策实施提供智力支持。行业主管部门在推动产学研合作中也扮演着关键角色。首先，建议出台相关政策，推动生成式人工智能在国土空间规划领域的应用，尤其是在数据共享、技术安全和伦理规范方面。其次，推荐通过发布相关课题、建立政策扶持机制、提供资金支持等方式，推动产学研三方合作。同时，行业主管部门还可以积极促进标准的制定与推广，推动行业和技术规范的统一，有助于确保技术应用的合规性通过产学研的深度合作，企业、高校、科研机构和行业主管部门破生成式人工智能在国土空间规划中应用的技术瓶颈，加速行业生成式人工智能技术落地，同时为行业提供高素质、复合型的人工智能规划人才。这一合作模式不仅有助于推动技术创新，还将促进国土空间规划领域的智能化转型，为未来的04构建多维应用场景，推动生成式人工智能与国土空间规划双向赋能问卷分析结果显示，规划从业者对生成式人工智能的需求正从思路启发、文本生成等基础应用，向空间模拟、方案推演、动态感知等核心业务场景延伸。这种需求转变折射出行业对技术突破与场景落地的双重期待，也揭示了规划工作数国土空间规划涉及自然、经济、文化、地理、生态等多领域，场景应用涵盖战略制定、空间规划设计、实施管理、评估预警等全周期，其复杂性决定了技术应用的多维挑战。当前通用人工智能在文本生成、图片处理等方面已具备较好的基础应用能力，但在应对复杂规划任务时仍显能力不足。现阶段提升对复杂专业问题的决策支撑能力是生成式人工智能在国土空间规划领域有效应用的关键，是推动规划从静态蓝图规划向动态过程规划和智慧运营转变的重要动力。具体包括对于多模态数据的处理分析、多学科多专业知识的精准掌握和规律挖掘以及对于复杂空间关系、多元价值目标的模拟预测、推演和方案生成能力等。当然，这种构建规划领域的生成式人工智能模型，需要着力知识体系构建、技术路径拓展及专业模型协同创新。在专业知识体系构建方面，要加强生成式人工智能对规划领域专业知识的学习，重点是聚焦数据治理，通过系统性构建的国土空间规划领域知识体系，实现跨源数据关联，例如对接国土调查、用地审批、社会经济等多源数据，形成可复用的规划数据资产，支撑生成式人工智能学习，提高模型对专业内容的精准获取和理解分析。在生成式人工智能技术路径拓展方面，要通过多元技术路径，推动生成式人工智能专业能力跃升，比如运用提示工程，通过结国土空间规划领域生成式人工智能应用蓝皮书(2025年)构化提示词设计、提示词微调、思维链等技术，优化人机交互模式，使大模型准确获取用户意图与需求；利用检索增强生成技术，通过构建规划案例库与政策法规库等，实现知识精准调用，增强模型处理知识密集型任务的能力；使用微调训练机制，通过注入行业语料、任务指令或结构化数据，针对性提升模型对行业领域知识、表达逻辑和交互方式的适应能力，使模型快速适配特定场景，提升专业性；此外，智能体技术也是生成式人工智能在国土空间规划领域深度应用的重要技术之一，可通过调用多重工具或数据系统，实现多任务协同，提升大模型模拟复杂国土空间发展动态的能力。在专业模型与生成式人工智能协同创新方面，要建立多层次融合机制。借助生成式人工智能的自然语言生成与可视化解析能力，将专业模型(如空间分析、环境模拟、社会经济预测模型等)的复杂输出转化为直观的决策选项，支撑决策信息的可理解性与可操作性。比如发挥生成式人工智能的知识图谱构建与关联推理能力，将规划法规、历史经验、公众诉求等隐性知识显性化并动态注入专业模型的参数体系与规则库，增强模型对复杂现实约束的理解；通过生成式人工智能的多智能体模拟与协同优化机制，驱动专业模型进行多主体交互推演与多方案自动生成与迭代，提升模型在多元目标冲突下的寻优效未来，随着生成式人工智能在国土空间规划实践中持续深化应用，其技术能力将与规划行业场景需求形成更紧密的互动迭代，通过不断积累专业经验、优化知识融合机制，逐步构建起支撑复杂规划决策的智能化技术体系，推动规划工作四、展望尽管生成式人工智能在语言理解与文本生成方面已取得长足进展，但是其技术体系仍处于探索发展阶段，与国土空间智能规划的要求仍存在较大的差距。在调查问卷设计方面，尚存在问卷设计倾向性风险、问卷答案穷举性不足等问题，还需加强问卷调查的客观性；在生成式人工智能应用方面，如规划业务逻辑解析、多源异构数据融合、空间数据理解和辅助决策等场景，其尚不具备处理复杂规划任务的能力。应加快生成式人工智能，尤其是大模型与国土空间规划知识体系的深度融合，以典型应用场景建设为引领，推动建立行业知识库，构建行业高质量数据集，搭建具备专业性与普适性的技术框架，推动生成式人工智能与国土空间规划双向赋能。智能规划虽仍是长远目标，但现阶段的生成式人工智能已具备“可用之处”,正通过实践持续拓展其边界，逐步推动国土空间规划数智化转型。本次蓝皮书作为一次前沿探索，在自然资源部国土空间规划局指导与支持下，线上收集全国各地调查问卷共8360余份，并据此形成初步成果。在此，向所有参与单位与指导专家致以诚挚感谢。生成式人工智能技术，如ChatGPT、文心一言、Midjourney的生成式人工智能(GenAl)工具的快速发展影响了社会乃至国土空间规划行业。本问卷调查国土空间规划领域对生成式人工智能(GenAl)当前和未来潜在用途的看法，以及对其应用的担忧。结果将为学术界和业界提供参考，为未来提升生成式人工智能辅助国土空间规划行业应