灵鹊瞰舆首次亮相：AI 深度参与遥感任务执行 零重空间灵鹊瞰舆系统首次亮相

2026年9月，零重空间自主研发的「灵鹊瞰舆系统」首次对外亮相。输入一句自然语言，系统便可以围绕任务需求，自动组织数据、调用模型和分析工具，完成相应处理，并形成结构化成果。

过去，一项遥感分析任务往往需要分析人员自己检索影像、选择算法、配置处理流程，再对不同环节的结果进行汇总。灵鹊瞰舆将这些环节纳入统一的任务流程，让AI进一步承担任务中的数据调度、工具调用和结果整理工作，用户负责最终复核与判断。

目前，灵鹊瞰舆一期已完成核心功能开发，进入产品验证阶段，并已在部分业务体系开展测试验证。

任务入口：不再选工具，直接说任务

灵鹊瞰舆首先改变的是遥感任务的入口。过去面对一项分析需求，用户往往需要先判断：应该调用什么数据、使用哪种算法、按照什么顺序处理。

对于熟悉遥感工具链的专业人员来说，这套方式已经形成工作习惯，但对于业务人员而言，复杂的工具和流程本身就是一道门槛。

灵鹊瞰舆将自然语言作为任务入口。用户可以直接描述需要完成的事情，例如分析某一区域不同时间影像中的船舶变化。

系统会从任务描述中识别分析目标和所需条件，并进一步匹配数据和处理能力。用户不需要先把一个业务需求拆解成一系列技术操作，任务拆解和流程组织交由系统完成。这让遥感分析的入口，从“选择工具”变成了“描述任务”。

执行编排：Agent自动串联工具链，无需人工拼流程

自然语言只是入口，真正决定系统能不能完成任务的，是后面的执行过程。一项完整的遥感分析任务，很少由一个模型独立完成。

影像检索、预处理、目标检测、分类识别、变化分析等能力，需要根据具体任务进行组合，有些任务还需要多轮调用和结果判断。

灵鹊瞰舆通过智能体对这些能力进行统一编排。系统接收到任务后，会根据任务目标组织执行流程，在需要的时候调用相应的数据、模型和工具，并将前一步产生的结果继续用于后续分析。用户不需要手动打开多个工具，再把一个环节的结果复制到下一个环节。

因此，灵鹊瞰舆的核心并不是增加一个能够“聊天”的入口，而是把已有的数据、模型和应用能力组织到同一条任务链路中。

对于复杂任务来说，这种编排能力比单纯的问答或单模型识别更重要：AI开始承担的不只是“分析一个结果”，还包括“决定接下来做什么”。

成果输出：从“识别结果”到“分析报告”

完成分析之后，还有一项经常被忽略的工作——把结果整理成业务真正需要的成果。遥感分析过程中会产生大量中间数据和分析结果，包括影像、目标识别结果、变化信息以及相关统计内容。如果最终仍然需要人工重新整理、筛选和编写报告，那么前面的自动化就只完成了一部分。

灵鹊瞰舆将成果输出也纳入任务流程。系统可以根据任务执行过程中产生的数据和分析结果进行整理，将关键结果结构化呈现，并自动生成相应的业务报告。这样，从数据进入系统，到完成分析，再到形成最终成果，不再需要在多个工具之间反复切换。

报告自动生成，并不是简单把识别结果复制到文档里，而是让任务最终能够形成一个完整的业务成果。

部署形态：支持本地部署，离线完成全流程

灵鹊瞰舆V1.0支持本地一体化设备部署。在本地部署模式下，AI能力、数据管理和遥感分析工具均运行在本地，影像数据支持离线导入，模型和相关知识内容也可以进行本地更新。这种部署方式主要面向对数据安全、网络环境和数据流转有较高要求的业务场景。对于部分无法直接接入公网的业务体系，系统可以在本地环境中完成从数据进入到分析成果输出的完整流程。

目前，灵鹊瞰舆已经进入部分业务体系开展测试验证。V1.0阶段重点围绕任务驱动、数据调度、能力调用和成果输出持续打磨，并在实际业务中进一步验证和完善。后续，灵鹊瞰舆将持续迭代升级，拓展更多应用场景，进一步贴近实际业务需求，为客户提供更加高效的遥感分析能力。

（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）