句式一：“附近的粤菜餐厅 。”；“开车十分钟能到的公园 。”
句式二：“请推荐三家餐厅 ， 不要太多辣菜，要老人能吃的，能提供10个人的圆桌 。附近有一个公园，可以饭后散步 。最好附近也有博物馆之类的室内场所，如果明天下雨了可以去里面待一阵 。”；“请推荐三家CBD附近的健身房，早上八点前营业，有划船机 。最好附近有吃沙拉的餐厅 。健身房离我上班地点的步行时间不要超过10分钟 。”
对比一下两个句式，哪个更符合我们的日常思维方式，得到的结果更符合我们的需求？
句式一是智能手机时代的经典查询语句，这也是互联网地图的常见搜索和推荐逻辑，本质还是基于位置提供服务（LBS：Location Basic Service） 。通过手机GPS获取用户的地址，再使用缓冲区、路径规划等地理计算方式，分析用户所在位置附近有哪些兴趣点符合要求，再给用户提供一串选项 ， 供用户筛选 。这种搜索方式要求地图有精确的分类标签，也需要用户花费更多时间进行检索 。例如，当前这种搜索逻辑很难支持复杂的空间关系，句式二的这种附带各类条件的自然语言，在当前手机app上很难实现 。
句式二是典型的自然语言句式 。在这个GPT浪潮下，这种对话推荐的形式 ， 将逐渐走进我们的生活，取代传统的交互形式 。
互联网地图的入口 ， 也即将颠覆 。
与chatGPT对话的餐厅推荐
AI辅助优化地图 ， 「exping」打造「AIGM」与「Copilot for Map」
36氪曾报道过「exping」 ， exping是一款为创作者而生的地图标记工具，通过标记地点、路线、Curation有效传达地图信息，exping希望用地图标记品味生活，摆脱算法的控制 ， 打造极致的地图创作工具 。近期在上海的一场Hack Engine活动中，exping在AI领域探索的2个功能方向，分别是「AIGM」与「Copilot for Map」 。两个功能分别面向地理兴趣点（POI）的搜索和地图的筛选完善功能 。目前两个探索功能均已达到MVP（最小化可实行产品，Minimum Viable Product）状态 ， 还在逐步完善中 。
AIGM，用自然语言描述想要的地图
过往的地图搜索逻辑，往往需要准确的地名或位置信息描述，或是有详细的标签分类 ， 如快餐店、咖啡馆等 。这种搜索逻辑非常考验信息的了解和熟悉程度，对想要尝鲜的群体，或是初到一个新城市的陌生群体并不友好 。例如，如果想找一家手冲咖啡店，在现在地图搜索逻辑中很难找到 。因为传统的咖啡店很难有详细的标签分类，需要结合用户评价等语义信息，才能真正找到感兴趣的店面 。这就是AIGM（AI Generated Map）的核心逻辑，通过自然语言描述兴趣点的方式，理解人的情绪和感受，再根据这些特征生成地图 。
再举个例子，现有的地图搜索逻辑很难根据实际的天气情况、季节变化等因素来推荐 。例如大家很少在冬天吃雪糕 ， 很少在雨天去户外活动，但过往的地图搜索逻辑并不理解这点 。
exping创始人Clu表示，为什么用户就不能根据现在此时此刻的天气 ， 或者是一个比较相对抽象的需求来生成兴趣点，例如有花花草草适合散步的地方 ， 或者是风和热丽的早晨适合写代码的地方 。这些描述词里有口语化表达的内容，这些内容在传统的搜索逻辑中很难理解，但现在有了大语言模型 ， 可以更好捕捉到用户的想法，贴近大家日常的思考方式 。
exping的核心优势在于，过往的优质社区生态 ， 生成了大量的优质地图语言标记数据 。例如咖啡店有详细的推荐，从咖啡的制作方式，到使用的咖啡豆，积极消极的评价都有，这都是用户的真情实感 。并且这种标记数据当前大多数是由用户真心推荐，很少有水军灌注 。
AIGM，图片来源：exping
Copilot for Map，辅助生成想要的地图
只有一张基于AI生成的地图是远远不够的 。因为当前AI的理解能力依然有限 ， AIGM没法最精确理解用户的想法 。因此，还需要有更优质的工具 ， 帮助用户通过自然语言修改地图完善地图 。为了满足用户的最终调整需求，exping团队开发了Copilot for Map 。Copilot for Map作为一个自然语言修改地图和交互的过程，其核心能力主要是体现在通过自然语言对地图做增删差改 ， 而不是复杂的鼠标操作 。
Clu介绍了一个应用案例 。假设上海本地的大学生想和舍友在周末出去玩，找一个风和日丽的地方 。又想在玩累了后找附近的咖啡店喝咖啡 。如果只生成一次 ， 可能只能描述前一种游玩场景 。但有了Copilot for Map后，就可以在原有的兴趣点基础上再补充几家咖啡店 ， 丰富这个地图，也更便于分享给舍友 。
Copilot for Map，图片来源：exping
Clu表示，今天使用chatGPT其实仍有很多内容 ， 在做关键字搜索时会出现一堆不想要的东西，这主要和原有的地图POI库数据质量不佳有关 。如果单纯把GPT给出的答案呈现在地图上，其实还有很多问题 。因此需要在原有基础上进行调整，因此需要这样一款工具，对POI做二次判断和过滤 。
当前虽然已经可以用AI语言分析去判断水军，但这样还不充分 ， 主要是现在评价的形式已经非常丰富多样了，不再是文字的评价 。例如 ， 用户会录制评测视频，会拍摄照片发到社交媒体上，配合一个emoji表情包等 。只有通过多模态的分析，结合视频、图片等，才能更好理解用户的情感 。这些在后期会随着大语言模型的生成而逐步进化 。
除了涉及POI的功能外，exping还在地图样式上进行了很多尝试，目前已支持根据用户的语义自动生成地图风格 。Copilot for Map还可以利用AI能力处理、分析得出需要使用热力信息的场景，进而实现更深层次的数据筛选和地点展现 。
除此之外，Copilot for Map还支持协同创作 。比如 ， 同一个车友会的人可以共享一张地图，通过自然语言的方式增加和删除兴趣点，进行协同创作 。
基于「AIGM」与「Copilot for Map」，可以帮助用户创作更多有意义的地图 。例如，一个民宿老板想生成民宿地图 ， exping提供的工具可以理解老板的需求，用更加匹配民宿的模板 ， 理解老板的含义，帮助老板更快生成地图 。
Copilot for Map生成样式，图片来源：exping
发展多模态，走向国际市场
Clu认为，AIGM的核心还是人 。如果完全由AI生成地图，失去了人的品味与感知，那么只会像信息茧房那样，开始推荐大量无聊且重复的信息 。只有帮助更多有趣的人分享自己的品味 ， 才能打造出真正有趣的地图 。目前，AIGM与Copilot for Map都处于内部优化状态 ， 还没有公开出来，预计今年第三到第四季度会在上线测试，看用户反馈进行调整 。Clu透露 ， 多模态也是exping的下一个发展方向 。
市场方面，目前尚未确定方向 。有可能会考虑先在海外市场推出该功能，也不排除单独独立出来，以更好的形态呈现 。
exping当前也期待和更多GIS相关的企业学习合作，了解如何更好使用地图技术提供服务 。
目前，exping团队有8位成员，以技术研发为主 。
将exping嵌入Notion，图片来源：exping
To B 还是 To C ， 地图厂商的再思考
这几年，关于地图厂商应该把重心放在To B还是To C业务 ， 引起了行业内的思考 。BAT等大厂都已经做了自己的选择 。【自然语言生成地图，「exping」想打造「AIGM」与「Copilot for Map」】阿里选择了To C，将口碑并入高德地图，所有的本地生活到店业务将统一整合在高德地图的入口中 ， 地图成为了流量的新入口 。
腾讯和百度，则选择在智慧汽车、交通与导航等应用领域发力 。百度宣布将百度地图业务已与汽车业务合并 。而腾讯虽然仍保留地图产品部 ， 面向C端用户提供腾讯地图和出行等业务，但基于PC端的地图也在2022年底停止服务 。
To B和To C的核心焦点，还是在于各大厂的营业状态 。
To B ， 准确来说其实是面向智能(自动)驾驶的高精地图 。过去几年新颖的高精地图现在成为一个人人喊打的累赘，持续燃烧现金流 。在收入较好的年头更容易被接收 ， 但在现金流紧张的情况下，持续烧钱却没法在短期看到成果的业务很难被接受 。在2023年中国电动车百人会期间，立得空间董事长郭晟表示，如果要把全国的高清地图测完，起码需要近70亿元的投入，此外每年还有30%需要进行更新 。
根据高盛对全球高精地图市场的预判 ， 到2025年，市场规模会扩大到94亿美元 。按照3亿辆汽车保有量和每辆车百元年服务费测算，未来国内高精地图市场潜在规模约为300亿元 。但实际上，如果想要实现厘米级的定位精度，每公里的数据采集成本可以达到上千元 。即使将标准放宽到厘米级 ， 每公里依然在10元左右 。这种高昂的成本让当前许多企业都吃不消 。
而To C的业务如何更好获取流量，也是各大厂的争夺焦点 。C端业务的成本主要来自数据的采集处理和更新 。如何保障POI点的更新时效性 ， 也是各大互联网地图厂商比拼和核心 。
chatGPT的横空出世，也让许多从业者开始重新思考该问题 。过往的C端地图经常有不下20个按钮，设置页面极为复杂 ， 很少用户能使用到全部功能 。未来，如何基于大语言模型 ， 重塑用户的地图交互逻辑，将在很大程度上改变产品的形态 。基于用户体验的角度，而不是基于流量或广告的角度，将成为一个全新的出发点 。