在2026空间智能软件技术大会上，中国工程院院士郭仁忠抛出核心思考：当人工智能逐步替代人类劳动与判断，人类应当如何定位自身价值。围绕人工智能发展引发的社会变革、时空智能的内涵与实践路径、人机协同的未来方向，他展开系统性、前瞻性论述，为行业发展厘清思路。

敲响“无用阶级”警钟

郭仁忠院士指出，随着人工智能技术全面落地，生产效率实现跨越式提升，新的社会隐患也随之显现。历史学家尤瓦尔•诺亚•赫拉利提出“无用阶级”概念，区别于工业革命时期存在劳动价值的无产阶级，该群体因人工智能全面替代基础劳动，丧失被社会雇佣与使用的价值。换言之，工业革命产生了“无产阶级”——他们被剥削，但至少有被剥削的价值。而“无用阶级”是连被剥削的价值都没有了，人工智能不需要他们劳动，资本家懒得剥削，其生存与发展将成为严峻的社会问题。

这一预判并非空穴来风。2025年，Meta公司营收首次突破2000亿美元，形势一片大好，却宣布全球裁员10%。裁员通知是在凌晨4点发出的，被媒体称为“凌晨大屠杀”。从2020年至今，全球科技行业效率升级带来大规模人员精简，裁员累计超90万人，受冲击主体以高学历科研、技术从业者为主，效率革命首先对科技行业内部造成影响。与此同时，各类智能化装备大幅改写生产模式：单名操作人员借助无人机可管理200亩农田，无人纺织设备产能提升两倍，无人配送车辆作业效率提升40%且不受人力作业规则限制。

他进一步指出，我国拥有庞大的传统劳动群体，7000万产业工人、1000万外卖从业者、2700万货车司机，均将逐步受到自动化、智能化浪潮的影响。技术进步在释放生产力的同时，也倒逼社会与行业正视就业结构、人员价值重构等现实问题。

人工智能与时空智能

回顾技术演进历史，技术革新始终伴随着阵痛。1589年英国发明家威廉•李发明了织袜机，兴冲冲地去找伊丽莎白女王一世申请专利。女王拒绝了。她说：你想过没有，这个机器一旦推广，大量的织袜工人会失业。但女王的担忧，在历史上真实地发生了。1765年，纺纱机发明，揭开了第一次工业革命的序幕。随后，愤怒的工人冲击发明家、砸毁机器。这不是个例，而是英国工业革命前期的普遍现象。技术创新，从来不是一路掌声。

郭仁忠院士引用这些历史事件，不是为了唱衰人工智能。恰恰相反，他承认人工智能是“新一轮科技革命与产业变革的核心引擎”，他想强调的是4个字——健康发展。

人工智能是新一轮科技革命与产业变革的核心驱动力、把握时代机遇的前提，需要坚持健康发展的准则。结合发展实践，人工智能健康发展包含两大核心要义：以人为本与社会正义。技术创新的最终目标是惠及全体社会成员，若技术脱离伦理约束、损害公共利益，便失去了存在的意义。技术研发与应用必须守住底线，兼顾产业效益与社会公平，让科技真正服务于人。

郭仁忠院士对时空智能作出明确界定：它是以时间为基准，对物理空间开展智能认知与动态响应的技术体系。时间与空间不可分割，所有空间现象的演变都具备时间属性，这也是时空智能区别于普通空间技术、通用人工智能的关键。整套体系分为四大核心环节，形成完整闭环——时空感知：实现信息采集模式升级，由传统人工采集转向全域自动化感知；时空分析：从静态目标识别，进阶为动态态势研判，结合时间、位置、环境等综合要素判断风险与趋势；时空决策：摆脱单一经验判断，依托数据与算法自动生成科学、最优的解决方案；时空行动：由被动应对问题，转为基于态势预判的主动适配与动态调整。

他以典型场景为例：识别车道内滑行的儿童属于基础感知，结合时段、车流、车速判定安全风险，便是时空分析；大型活动突发状况下智能规划疏散路线，是时空决策；网约车结合行驶速度、道路状态、乘客行程实现运力精准匹配，则体现了时空行动的主动适配能力。

行业落地的痛点、难点与兴奋点

结合地理信息、自然资源、城市治理等领域现状，郭仁忠院士强调，应从痛点、难点、兴奋点3个维度梳理时空智能的落地方向。痛点是那些让人头疼的、长期解决不了的问题；难点是目前还做不到、但通过人工智能可能做到的事情；兴奋点是以前想都没想过的新场景、新应用。

行业痛点：以实景三维建模为例，现行模型划分多个精细等级，分级管理模式造成多套系统并行、资源冗余。全行业期待依托人工智能，用统一的高精度模型适配各类应用场景，简化运行架构，这也是当前亟待破解的现实问题。

技术难点：全国自然资源与土地调查工作周期长、人力投入大，数据真实性与实时性难以保障。耕地撂荒、作物长势、粮食产能等数据，直接关乎国家粮食安全。行业目标是依托时空智能，实现自然资源调查自动化、动态化、实时化，目前该方向仍存在技术落地壁垒。

应用兴奋点：当下主流导航软件易出现车流扎堆、加剧拥堵的问题。融入时空智能后，可结合全路网实时态势动态规划路线、调节交通信号灯、调度出行运力，实现城市交通系统整体优化，打造全新的智慧交通应用生态。

当前人工智能赛道热度高涨，各类娱乐化、展示类智能应用层出不穷。郭仁忠院士提醒，测绘地理信息行业应当摒弃盲目跟风的心态，做到谋定而后动。不同领域的智能应用存在本质区别，通用机器人技术、消费级大模型无法直接照搬至地理信息、测绘等专业场景，行业发展必须立足自身业务属性与实际需求。