保姆级教程：商汤大装置如何让城市治理更聪明？全国首个上海规划资源AI大模型深度拆解（非常详细）。
近日，上海量子城市空间智能建设年度成果之一——全国规划资源领域首个基础大模型“云宇星空大模型（专业版）”正式发布！
该模型由上海市规划资源局联合商汤大装置共同研发，不仅填补了行业空白，更以“问不倒、能调图、会统计、能识图、会报告”的硬核能力，成为城市规划和自然资源领域专业人员的“AI伙伴”，推动城市治理向科学化、精细化、智能化迈出关键一步。
作为全国规划资源领域的首个基础大模型，“云宇星空”构建了“1+6”模型体系——以1个行业基座大模型为核心，搭配6个垂类模型，既具备通用智能能力，又深耕行业场景需求，同时围绕不同业务目标搭建多领域智能体体系。
目前模型已覆盖规划资源、政府治理、社会共创三大领域的十大核心场景，实现技术创新与治理效能的深度转化。
一个懂规划、会分析****的“专业助手”
与普通对话机器人不同，“云宇星空大模型（专业版）”是深度融入规划资源业务全流程的行业“专家”。它基于全国首个规划资源领域全贯通专项语料库“坤舆经略·语料库”训练而成，参数量高达6000亿，对国土空间规划的行业规律和自然资源谱系的基因演变有着深刻理解。
依托商汤大装置与日日新多模态大模型的一体化支持，该模型不仅能读懂卫星遥感影像、城市规划图、三维实景、文本报告等跨模态数据，还拥有自主决策的调度引擎，可协同时空智能底板、垂类模型与多智能体完成复杂任务编排，实现从单点智能到体系化智能的跨越。
五大核心专业能力，让“云宇星空”成为专业人员的得力助手。
“问不倒”
基于900多份高质量规划文档，系统沉淀了超10万组基础问答及1000+条行业专家问答对，建成涵盖上海总体规划、十五分钟社区生活圈、产业用地、生态复合等十大领域的专业知识库，且能随业务动态迭代更新。预计明年6月，将完成规划资源系统60+全专业领域知识图谱构建，提供精准可信的决策咨询服务。
“能调图”
打破了传统GIS操作的高门槛，用户通过自然语言描述就能快速定位地块，调用对应的实拍照片、规划图纸、二三维地图、历史风貌、公共服务设施等业务图层及属性信息，大幅提升数据查询效率。
“会统计”
“会统计”能力则实现了数据价值的深度挖掘：模型接入规划资源局大机系统，可对土地出让、建筑情况等业务数据进行智能查询与统计分析，还能通过“图数联动”将结果在空间上关联展示，为管理决策提供即时、准确、直观的数据支撑。
“能识图”
让专业图纸“开口说话”，融合商汤日日新多模态大模型技术，不仅能识别图中元素，还能提取关键空间要素信息，高效辅助图纸合规性审查、现状要素比对等视觉密集型工作。
“会报告”
**“会报告”**功能更是提升工作效率的利器，依托专业知识库、思维链和业务数据分析能力，模型能理解业务逻辑，辅助生成符合技术规范的业务报告，兼顾效率与质量。
赋能十大场景
打通技术到效能的转化通道
在实际应用中，“云宇星空大模型（专业版）”已在三大领域十大场景展现出强大赋能效果。规划资源领域，它让城市总体规划编制更智能、土地供给更精准、产业用地利用更高效，助力国土空间治理现代化；政府治理领域，在生态复合利用、营商环境优化、品质市政建设等场景中，提升决策科学化与治理精细化水平；社会共创领域，为沪派江南特色塑造、15分钟社区生活圈建设、历史风貌保护等工作提供支持，促进公众参与和社会协同，构建共建共治共享新格局。
此前“云宇星空”公众版已在互联网上线，面向公众提供基于规划资源公开语料和搜索引擎的知识整合服务。
迈向空间智能
从“理解图纸”到“认知城市”跃迁
作为模型核心研发支撑的商汤大装置，为“云宇星空”提供了全链路技术保障：基于商汤日日新多模态大模型实现跨模态理解与推理，通过智能调度引擎完成复杂任务编排，依托持续优化的行业语料库筑牢专业认知基础。
面向未来，模型还将尝试在商汤空间智能模型日日新SenseNova-SI的支持下，实现从二维数据处理到三维空间认知的升级，通过空间测量、重构、推理等能力，应用于消极空间优化、步行道路监测、城市安全预警等场景，为“量子城市”提供持续进化的空间智能引擎。
“云宇星空大模型（专业版）”的上线，是上海量子城市建设的重要里程碑。从图纸理解到城市认知，从单点赋能到体系化支撑，这款AI大模型正在重新定义规划资源领域的工作模式，为城市高质量发展注入源源不断的智能动力。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。