SAM 大模 型 AI 大模型 大数据 GIS 空间大数据存储与处理 ( 含：流数据处理 / 实时 GIS) 地理统计分析、有限元 分析、元胞自动机模拟 数据科学 云原生 GIS 云使能 GIS 、云 GIS 云原生 GIS( 微服务、容器化、 自动化编排 ) 边缘计 算、 ServiceMesh Serverless 、 AIOps 新一代三维 GIS 二三维一体化 倾斜摄影模型、激光点云、

城市综合管理和服务类 案例一：武汉市东湖高新区低空共享无人机应用示范区项目 该项目实现低空作业无人机值守，打通数据汇聚堵点，现场无需专业飞手即 可完成低空作业，数据实时回传至中心，解决传统无人机作业数据离线原生性问 题。 打造了“共建、共用、共享”低空共享应用体系，全区 32 个应用单位飞行 需求实行统筹建设，实现低空服务及数据“一航线多任务，一机多数据、一数据 多流向，多点数据分类分流”的多维度共用共享。

2025 年 陕西省低空应用场景试点项目。该项目实施后，100MW 光伏厂区人工巡检需要 3.5 个 月，无人机自动巡检 4-5 天即可完成所有巡检并自动生成成果报告。新疆阿勒泰将无 人机用于草原生态监测，管护效率大幅提升。 西南地区的云南积极发展林业有害生物防治监测，利用 GIS 数字高程模型进行仿 地飞行，使监测效率提高 50 倍。 典型企业自建园区案例： 陕西中天禹辰高端无人机制造项目：位于商洛丹凤，总投资

地面探寻历史 遗迹， 了解丝路文化内涵。 . 生态保护研学：聚焦新疆生态保护成果，开发“ 空中观生态 ・ ” 环保研学之旅 ， 组织学生观察喀纳斯湖生态系统 、塔克拉 玛干沙漠植被恢复 、草原生态保护等情况， 开展生态保护 科普讲座 、实践活动。 . “ ” 典型产品： 喀纳斯生态研学之旅 （观察高山湖泊生态系统）、 “ 喀什文化研学之旅 ”（探寻丝绸之路历史） “ 、 塔克拉玛干沙漠

构建数字孪生驱动的低空智联网自智管 控架构, 旨在实现低空域资源的一体化智能协同管理. 2 数字孪生驱动的低空智联网自智管控架构 低空智联网的智能化内涵与自智网络的核心理念深度契合, 其本质是通过 AI 原生架构与数字孪 生技术的深度融合, 构建具备全域感知、自主决策、动态优化能力的空天地一体化网络体系. 这种智 能化演进不仅继承了自智网络 “三零三自” (零等待、零接触、零故障, 自配置、自修复、自优化)

为图像定位、多模态问答等多种视觉-语言任务提供了强大方案。Qwen2-VL[66]模型提供了一 套创新的解决方案，旨在突破传统视觉-语言模型在处理任意分辨率图像时所面临的效率与 信息损失瓶颈。其核心贡献在于两大技术革新：一是原生动态分辨率，该机制使模型能够直 接处理不同尺寸的图像，并生成可变数量的视觉 Token，从而避免了强制缩放带来的数据失 真；二是多模态旋转位置编码嵌入，该方法通过将位置编码分解为时间、高度和宽度三个维 能是目标”的感兴趣区域，后者通过图文对齐计算样本—候选之间的语义相似度，从双重维 度过滤“看起来像但其实不是”的干扰物，显著提升了密集场景与相似类干扰下的计数稳定性。 与此并行，Transformer 架构提供了另一种更“原生”的匹配视角。Wang 等人[66]将视觉 Transformer 引入任务并解耦自注意力中查询图像与支持样本 token 的交互，把注意力权重 直接解释为跨域匹配热力图，由此省去繁琐的相关运算与重型解码结构。由于注意力天然具 类不可知少样本目标计数已经从早期的“相关匹配并汇聚”演进为一条多元并进的技术 谱系：有以双线性与相似性感知为代表的相似度精炼路线，有以 SAM 与 CLIP 为代表的 强先验与多模态融合路线，也有以 ViT 为代表的注意力原生匹配路线，并辅以面向真实部 署的数据合成、域随机化与端侧友好优化。它们共同指向同一个目标：在几乎不增加标注成 本的情况下，让系统在未知类别、复杂背景、强透视与密集遮挡等低空典型难点中，仍能给 出可信、稳定且可落地的计数结果。