经过我们一到两年的数据发展，以及我们图片数据的积累，我们觉得我们现在有这种能力，把国内所有街道和重点国家的城市，用我们现在有的数据，把 3D 模型重新建立起来。

　　结合人工智能的交互

　　除此以外，我们百度地图和百度大脑的明星产品——「度秘机器人」，做了一个紧密的结合，我们现在在地图上不仅可以用语音预定酒店、餐馆，而且地图会知道你的喜好，你经常去哪些地方，来做一些智能的推荐。

　　地图知道你所在的区域可能比较难停车，就可能不给你规划一些开车的路线，反而给你规划一些地铁、公交和打车的路线。

　　我理解的人工智能，百度大脑，其实在跟百度地图结合的时候，分成左脑和右脑。对于右脑而言，我们是不停地全网络的内容输入，包括道路的信息、商店的信息、你的喜好信息等，都可以作为一种信息录入到人工智能的大脑里面。

　　左脑去连接你的需求，预测你的出行习惯，还有你和目的地的行为特征。这两个部分结合起来，就能够更好的让地图去理解你的需求，把输入的内容和需求结合起来。这就是我们「度秘」的智能交互在整个百度地图的应用。

　　借助人工智能及时更新现实世界

　　大家知道地图是一款活的产品，并不是我们把北京市或者是全国各地数据采集完，这个地图就可以不更新了，地图每天、每时、每刻都在发生不停地更新，相比于原来的更新手段，我们借助人工智能的方法能够得到更快速、更少人工参与和更智能化的更新方式。

　　这其中，有个很重要的事物，给大家介绍一下： Foundation Object，简单翻译过来，可以理解为基础地物。

　　真实世界中，大家都知道，商店和写字楼中有非常多的 POI，POI 的变化是每天都在发生的。但是反过来，这些 POI 所在的基础地物是比较稳固的，有可能几年、几十年不发生变化，甚至上百年，这些基础地物都会矗立在这个位置，成为我们可以挂接 POI 的载体。

　　这些基础地物，我们认为有 3 个特征：

最小单位的建筑集合。我们所在的大罐儿可以作为一个基础地物，整个 798 街区也可以作为一个基础地物。而且，基础地物和基础地物之间是有关系的。

基础地物是地图比较稳定的表达，因为它的变化概率比较小。

基础地物的制作成本是比较高的。刚才我们说过了，依赖于我们现在已经有的 3D 重建技术，我们可以快速、方便、低成本的生产这些基础地物。

　　有的同学可能会问，基础地物对于地图建立基础地物而言有什么作用？举个例子，一些人开了一些店铺，真实世界中会发生一个行为叫做店铺搬迁。很有可能，店铺经营了一段时间之后，规模发生了扩大，用来招揽更多的顾客。而在地图里，是从 A 点搬到了 B 点，店铺往北偏移了 300 米。这是人类非常容易理解的语言，如何把它表述在地图上？

　　往北偏移了 300 米，到底是北偏西还是北偏东？北偏东 15 度还是 16 度？在地图上标注搬迁这个行为的时候，我们不得不通过一些人工的方式进行介入。比如我们通过打电话，告诉百度地图店铺进行了搬迁，那么我们的人工客服人员会电话跟你核实搬到了什么位置，atv，这个位置周围有什么东西。但经常会发现，工作人员对你所在的地方并不了解，他们能看到的是地图上已经存在的这些点，比如你是不是临近肯德基，你旁边有什么样的标志性建筑，其实用语言表述起来是非常麻烦的，而且我们不一定能够非常准确地把店铺的点更新到。

　　有了基础地物这个事物之后，可以很清楚地知道，店铺是从 A 建筑的 B 座搬到了 C 建筑的 X 座，这是一个特别清楚的搬迁行为。因为，基础地物的相对位置，我们可以确定它的唯一性。

　　怎么去确定一个基础地物的唯一性呢？可能大家容易想到的第一点就是坐标，一个基础地物可能在一个区域里坐标是一定的。但这里有几个问题：

　　1、任何一个建筑都不只是一个点的坐标，而是一个面积。在这个面积中，实际包含的区域是非常大的，在这个面积里可以开非常多的店，每个店可以理解为一个一个的小格子，在这些格子里面的挪动，包括相对位置是不是准确，需要在我们的基础地物上进行数据的表达。