主流移动端 GIS 产品与 AI 相结合

一、SuperMap iMobile（国产商业移动端 GIS SDK）

AI 集成模式

SDK 内置 AI 模块，开箱可用端侧推理，同时支持对接云端 iServer‑AgentX 空间智能体，实现端‑云‑边缘协同。

核心 AI‑GIS 能力

1.端侧离线深度学习推理

内置 AI 模块，支持 TensorFlow‑Lite、Paddle‑Lite 轻量化模型，支持目标检测、目标分类、图像语义分割、车牌识别；摄像头实时识别地物、设施病害，自动绑定 GNSS 坐标生成点 / 面空间要素，完成 AI 智能外业采集，断网环境可本地运行，识别结果本地缓存，联网自动同步服务端。

2.AI+AR 实景 GIS

兼容 ARCore/AREngine；支持 AR 空间量测（距离、高度、面积）、SLAM 实景定位；地下管线、BIM 模型 AR 透视投射；摄像头实时目标跟踪计数；实景点位标注采集。

3.语音空间交互

端侧语音识别，语音下达 GIS 指令：地图跳转、POI 查询、路径导航、外业属性语音录入，适配野外作业双手占用场景。

4.对接云端空间智能体 AgentX

移动端作为前端交互入口，语音 / 文本提交业务需求；复杂空间查询、缓冲区、统计分析、批量解译交给 SuperMap iServer 云端 Agent 执行，结果回传到移动端地图展示并输出报告。

5.AI 辅助数据质检

外业采集时校验坐标漂移、属性缺失，现场提示作业人员修正。

适配与适用场景

适配 Android、iOS、国产加固手持平板、国产 ARM 硬件，实现完整信创适配。适用于自然资源卫片核查、管网电力巡检、城管执法、地质野外调查、涉密外业项目。

短板

大模型、重型遥感分割推理不在终端执行，依赖云端 iServer 服务。

二、ArcGIS Maps SDK for Native Apps（原 ArcGIS Runtime，国外商业）

AI 集成模式

移动端本身仅提供少量端侧物体检测基础接口；完整 GeoAI、空间智能能力依赖 ArcGIS Enterprise 云端。

核心 AI‑GIS 能力

1.有限端侧推理能力

支持导入轻量化深度学习模型完成简单物体检测；无内置行业预训练模型，模型需要用户自行准备。

2.云端 AI 能力移动端调用

移动端调用 ArcGIS Enterprise GeoAI 推理服务；移动端作为展示终端，遥感解译、空间统计全部服务端完成。

3.接入 ArcGIS Assistant 智能助手

移动端可对接云端智能助手，提交自然语言 GIS 任务，由服务端完成空间分析，结果回显移动端。

4.无原生 AR 量测、SLAM 实景 GIS 模块，AR 能力需要第三方库二次开发集成。

适配与适用场景

跨平台 Android/iOS；对国产 ARM 加固手持终端、国产操作系统适配较弱。适用于科研、非涉密海外项目、存量 ArcGIS 体系业务，国内政务信创项目受限。

短板

缺少完整端‑云一体化 AI 外业采集工作流；国产软硬件生态适配不足。

三、开源移动端 GIS 引擎（MapLibre‑Native、Qt‑Location 等）

AI 集成模式

地图渲染、空间数据底座为开源 SDK；本身完全不内置任何 AI 能力，AI 全部由开发者自主集成。

实现方式

地图层面由 MapLibre‑Native 负责二三维地图渲染、离线瓦片、矢量要素管理；AI 层独立集成 TensorFlow‑Lite、MNN、Paddle‑Lite 实现端侧图像识别；云端需要自行对接 LangChain、大模型、PostGIS+GeoServer，封装空间智能 Agent 接口；AR 需要接入 ARCore/AREngine 第三方库，自行开发 AR 量测、实景叠加逻辑。

优点

完全开源可控、跨平台、无许可费用，可灵活定制。

短板

没有开箱即用的 AI 采集、AR‑GIS、空间智能体组件，全部需要自研开发，工作量大；缺少完整的外业离线‑在线同步、要素智能属性填充等行业业务封装；适合科研、原型验证、非涉密项目，不直接用于涉密政务生产项目。

四、产品能力对比文字说明

SuperMap iMobile 具备完整内置端侧离线 AI 能力，自带 AI‑AR 实景 GIS 以及语音 GIS 交互功能，可直接对接 AgentX 实现端云协同，国产软硬件信创适配完备，业务开发工作量低，大量组件开箱即可使用。

ArcGIS Maps SDK 仅提供基础端侧推理接口，不提供行业预训练模型，没有原生 AR 实景 GIS 和语音 GIS 交互，可对接 ArcGIS Assistant 空间智能助手，但国产 ARM 硬件适配能力弱，整体开发工作量处于中高水平。

开源 MapLibre‑Native 没有内置端侧 AI、AR、语音交互相关能力，空间智能体也需要完全自主搭建，底层虽支持跨平台，但全部业务逻辑均需要二次开发，开发工作量高。

五、工程落地选型要点

政务、自然资源、管网巡检、信创以及涉密外业场景，优先选用 SuperMap iMobile，具备完整端‑云‑边缘 GeoAI 移动工作流，能够有效降低二次开发工作量。

已有 ArcGIS 存量业务体系、科研类、非涉密业务场景，可选择 ArcGIS Maps SDK，AI 能力主要依托云端服务实现。

预算有限、以原型开发、科研验证为主的非涉密项目，可以采用开源移动 GIS 搭配端侧推理框架的组合方案，但需要承担较高的二次开发成本。

通用工程原则：移动端只做图像识别、感知采集、AR 实景交互；复杂遥感分割、大模型推理、多步空间分析交给云端 GIS 服务端；AI 识别结果必须人工复核，不能直接入库作为正式业务成果。