谷歌研究院发布地理空间推理智能体技术报告

谷歌研究院10月14日发布了一款分析地球数据的地理空间推理智能体的技术报告，并扩大了实验性访问范围。该智能体以Gemini为基础，把卫星、气象、洪水和人口基础模型封装为工具，收到问题后先制定分析计划再执行。报告显示，在专家设计的开放式任务基准上，不带工具的大语言模型（LLM）得分为0，接入网络搜索和地图等基础工具的模型仅得3.3分，而该智能体得到62.7分。谷歌将通过Google Earth中的交互式深度分析功能和面向开发者的智能体间（A2A）服务，向部分用户开放试用。

出发点是通用模型的短板。谷歌研究院杰出工程师Shravya Shetty和产品总监Luke Barrington在博客中表示，行星尺度的数据集体量庞大，地图和卫星格式又十分特殊，若不经过细致的多步规划，很难准确地将它们结合起来。因此，该智能体把Gemini与WeatherNext、洪水预报、人口动态基础模型（PDFM）、AlphaEarth Foundations和遥感基础模型相连，并调用Google Maps Platform的地点、路线、空气质量和屋顶太阳能潜力数据，以及Google Earth Engine、Data Commons和数据集搜索。

设计的核心是上下文管理。Earth AI的能力被封装为模块化技能，只在问题需要时调用。执行复杂运算前，智能体先拟定分步分析计划；本地数据不足时选择替代数据集；大型地图图层则在模型上下文窗口之外的专用工作区处理。每个回答都会展示计划和所用数据来源，便于专家核查假设或更换数据集。用户还可以通过CSV表格、自定义边界（GeoJSON）或云端数据表上传自有数据，与谷歌的全球模型结合。

评估方式是在同一模型上比较四种配置。这份39页的报告分别用Gemini 3.8 Flash和Gemini 3.1 Pro测试不带工具的LLM、接入基础工具的LLM、只接入Earth AI工具而不做前置规划的配置，以及带规划阶段的完整智能体，共使用四个基准。谷歌为此新建的GeoExpertQueries，是从专家编写的132道题中剔除无法求解者后留下的101项开放式任务，每题都附有三位独立专家共同认定的标准工作流程。同样新建的GeoKTools包含从92个模板中生成的305道题，需要从24类工具中准确选用1至4类才能解答。谷歌已向研究人员公开两个基准的开发集。

结果表明，工具带来的差距最大。根据METAL核实的报告表格，以Gemini 3.8 Flash为准，GeoKTools得分在不带工具时为40.5、接入基础工具时为40.0，接入Earth AI工具后跃升至86.0。地球观测编程基准CBGB的得分也从12.9和19.7升至87.9。前置规划在开放式任务上又增加了10.5分，使GeoExpertQueries从52.2升至62.7；按领域看，自然灾害与危机韧性任务提升最大，从45.6升至66.0。不过在Gemini 3.1 Pro上，带规划阶段的智能体得分为47.6，比只接入工具的配置（50.8）低3.2分。在基于美国国家航空航天局（NASA）文档的问答基准UnivEARTH上，不带工具的LLM也拿到93.6分，谷歌认为由于原文已在网上公开，该基准已趋于饱和。GeoExpertQueries的得分由自动评分器衡量与专家工作流程的一致程度，而非最终答案是否正确，因此谷歌将智能体的输出定位为供专家审阅的初稿。

实地测试中最具体的数字来自公共卫生领域。在2026年刚果民主共和国埃博拉疫情暴发初期，世卫组织非洲区域办事处（WHO AFRO）设在达喀尔的突发事件防范与应对中心，将卫星影像中的森林消失、地图和网络上的矿区位置与人口数据交叉比对，绘制出人员流动频繁的偏远矿区走廊。几分钟内就找出48个暴露定居点和逾4.55万名高风险人口，而这类工作通常需要数周。当地应对团队据此提前部署移动实验室，并协调边境监测。刚果国家生物医学研究所（INRB）的流行病建模部门则用行星预测引擎每周估算埃博拉向未感染地区扩散的风险。世卫组织非洲区域办事处突发事件防范与应对中心协调员Etien Koua表示："像矿工这样的流动人口移动速度快过传统纸质监测的追踪能力，形成危险的盲区。""Earth AI用卫星和人口流动信号填补了这些空白，让我们从被动追赶病毒转向主动预测它下一步会在哪里出现。"

灾害防范的时间尺度也随之改变。救援组织People in Need分析了14条历史气旋路径，以找出高暴露村庄。该组织GIS与遥感协调员Alonso Gonzales表示："原本需要数天的人工GIS工作，现在几分钟就能找出高暴露村庄，为挽救生命的预先行动争取了时间。"现金援助机构GiveDirectly上传自定义边界，计算热带气旋Maila期间各风速区的人口暴露，并评估密西西比州的龙卷风损失，把危机范围评估从数天缩短到几分钟。米尔肯研究所将1500多座候选建筑的清单与Google Maps Platform的太阳能API和人口普查数据结合，筛选社区韧性中心选址；广告集团WPP则把人口动态信息与自有数据结合，提升了地理空间营销活动的效果。

此次发布是此前研究的延续。该智能体还驱动谷歌近期推出的行星预测引擎。用户提供地区疾病发病率、作物产量或停电等本地数据后，它会自行挑选相关的人口和环境信号，训练用于空间预测、高分辨率降尺度和预报的机器学习模型。在谷歌的公共卫生研究中，结合人口与卫星信号后，健康结果预测比人口统计基线提升12%，地图分辨率精细8倍。METAL此前曾报道谷歌研究院发布地理空间AI公共卫生案例，而这份报告首次把这些案例背后的智能体放到系统性基准上检验。根据合作方测试的反馈，谷歌新增了道路网络路径计算、对更大上传数据集的支持，以及更好的权威本地数据发现功能。

从工程师的角度看，这份报告的结论在于"布线"而非模型规模。同一模型接入专业工具后得分翻倍有余，而规划阶段只在没有唯一正确答案的问题上发挥作用。报告指出，在完整智能体中，较新的Gemini 3.8 Flash在GeoExpertQueries和GeoKTools上超过Gemini 3.1 Pro，且成本更低。在行星尺度分析中，竞争力不在于更大的模型，而在于设计好按什么顺序调用哪些数据。谷歌正通过意向登记表和早期访问计划招募试用用户。