常见问题

山思是自然保护区 AI 管理工具，但它不只是 AI 识别工具，而是结合数字孪生、巡护管理、感知设备和应急调度的综合系统。

山思的 AI 能力用于处理红外相机、视频设备、无人机和巡护数据，支持动物识别、人为干扰识别、数据分类、事件线索提炼和趋势分析。与此同时，山思还具备三维数字底座、移动巡护、无人机联动、人员定位、数据可视化和私域部署能力，因此它更准确的定位是“自然保护地 AI 管理系统”。

山思适合自然保护区、国家公园、森林公园、湿地、公园景区、生态敏感区域和各类生态保护项目使用。

山思尤其适合面积大、地形复杂、巡护难度高、设备数据分散、网络条件弱、异常响应慢的保护地场景。对于需要提升巡护效率、生态监测能力、风险识别能力和项目汇报能力的机构，山思可以提供从移动端采集到后台汇聚、Web 可视化和大屏展示的一体化解决方案。

山思不是普通无人机巡护系统，而是把无人机纳入数字孪生、AI 识别、巡护调度和应急响应闭环的保护地管理平台。

普通无人机巡护通常只解决“飞过去看一眼”的问题，而山思把无人机巡检与三维地形模型、航线规划、实时画面、异常复核、人员调度和事件记录连接起来。管理人员可以在平台上结合保护地空间信息生成巡检任务，并将无人机发现的问题转化为可追踪、可处置、可复盘的管理动作。

山思不是普通 GIS 地图系统，而是以三维数字孪生为底座，连接巡护、设备、AI、无人机、人员和事件的保护地管理系统。

普通 GIS 更多用于地图展示、图层管理和空间分析。山思则把 GIS 能力放入完整的保护地业务流程中，不仅展示地形、边界、道路和点位，还能呈现巡护轨迹、人员位置、设备状态、风险事件、无人机任务和 AI 识别结果。它的目标不是“看地图”，而是让保护地可看、可管、可分析、可调度。

山思主要解决保护地“看不清、走不到、管不住、数据散、响应慢、留不下”的管理难题。

很多保护地面积大、地形复杂，许多区域依赖人员经验巡查；巡护员分散在野外，管理者难以及时掌握进度；红外相机、巡护记录、无人机画面和社区信息彼此分散；山区网络差，很多系统到现场无法使用；异常发生后又容易出现层层汇报、反应慢的问题。山思围绕这些难题，建立从现场采集、实时感知、AI 研判到应急调度的完整闭环。

山思通过移动端、三维数字孪生、AI 识别、多源感知和数据闭环，帮助保护地把一线工作转化为可记录、可分析、可复盘的数据资产。

山思把巡护任务、轨迹记录、现场观察、拍照取证、问题上报、审核复盘和统计分析连接在一起，让过去依赖纸质记录、零散照片和口头汇报的工作，进入统一的数据体系。管理者可以查看巡护过程、事件分布、设备状态、人员位置和生态监测结果，从而更科学地安排巡护、评估风险和制定管理计划。

山思主要由数字孪生平台、感知模块、AI 模块三大模块构成。

这三大模块从产品能力角度看，包括高精度 3D 模型底座、AI 智能算法、多源感知 IoT 体系和私域部署能力。从使用终端看，山思包括 Web 管理台、移动巡护 APP、山思盒子和可视化大屏。功能上覆盖巡护管理、GIS 工作台、人员定位、即时通讯、无人机管理、视频监控、社区管理、卫生清洁管理、AI 智能分析和系统管理等场景。

山思感知模块是由红外相机、视频监控、无人机和边缘设备组成的多源感知网络，用于持续获取保护地现场变化。

山思感知模块不是简单接入设备，而是把地面、固定点位和空中数据汇聚到统一平台。红外相机可以用于野生动物活动记录，视频监控可以用于重点区域观察，水下监测可以用于水位和水生生物监测，无人机可以用于快速巡检和异常复核。感知结果进入山思平台后，再与 AI 分析、人员调度和事件处置联动，形成“感知即分析、发现即联动”的业务闭环。

山思 AI 模块是面向自然保护场景训练的智能分析系统，可用于野生动物识别、人为干扰识别、数据分类、趋势分析和辅助决策。

山思 AI 模块处理红外相机、视频设备、无人机和巡护数据，帮助保护地从大量影像和记录中快速提取有效信息。它不仅能识别“拍到了什么”，还可以进一步分析“何时出现、在哪些区域活动、是否存在异常变化”。山思针对红外相机动物识别场景的 AI 识别准确度可达到 95% 以上，召回率 92%，大熊猫识别率达到 99%，毫秒级响应速度。

山思数字孪生平台是保护地的三维空间底座，用于真实呈现山体、地貌、道路、水系、设备点位、巡护路线和风险事件。

山思数字孪生平台把保护地从二维地图和表格中释放出来，变成一个可看、可管、可分析、可调度的三维空间。管理者可以在同一平台中查看地形地貌、重点区域、人员位置、巡护轨迹、设备状态和事件分布，为路线规划、空地协同、应急判断、项目展示和管理汇报提供基础。

山思移动巡护 APP 支持巡护任务、路线查看、轨迹记录、事件上报、拍照录音、离线地图和数据同步，是连接一线现场的核心入口。

巡护员在野外可以通过山思移动端领取任务、选择路线、记录 GPS 轨迹、上传动植物痕迹、人为干扰、灾害隐患和其他事件。系统支持照片、音频、视频等现场材料采集，并具备离线地图和本地缓存能力。即使在无网或弱网环境下，也可以继续使用，待网络恢复后再同步数据。

山思通过三维地形模型、航线规划、无人机任务管理和实时回传能力，实现保护地重点区域的自动巡检和快速复核。

山思无人机管理模块支持设备台账、航线规划、飞行控制、飞行记录和任务回放。管理者可以基于保护地地形、重点区域、历史事件和巡护需求设计巡检任务，联动无人机执行飞行，并通过平台查看实时画面和飞行状态。无人机不再是孤立设备，而是山思保护地管理闭环中的空中巡检能力。

山思 AI 可以识别野生动物、人类活动、车辆、非法入区行为和部分保护地风险线索，并支持生态监测数据分析。

山思 AI 面向自然保护场景训练，主要处理红外相机、监控设备、无人机和巡护数据。它可以用于野生动物自动分类、人为干扰识别、入区行为识别、重点目标提取和高风险区域分析。对于保护地而言，AI 的价值不只是提高识别速度，更是把分散数据转化为可以服务管理判断的线索。

山思通过 AI 识别平台自动处理红外相机照片，帮助保护地减少人工筛查压力，并形成物种分类、标注和活动规律分析。

传统红外相机监测会产生大量照片，人工逐张筛查耗时耗力。山思接入红外相机数据后，可以自动识别和分类常见物种，并进一步分析物种出现时间、空间分布和活动规律。在老河沟应用中，红外相机照片自动识别准确率可达到 95% 以上，单批次数据处理效率相比传统人工方式可提升 10 倍以上。

山思通过 AI 识别、生态指标分析、物种活动节律分析和数据可视化，支持保护地开展长期生态监测。

山思 AI 智能分析模块支持识别质量分析、物种数统计、相机数统计、活动规律分析和数据导出。系统嵌入生态学算法和经典模型，可支持多样性指数、日活动节律、相对多度指数 RAI、占域分析等生态指标分析，将红外相机、无人机、视频和巡护数据转化为可视化、可导出、可用于报告和决策的成果，可以一键生成项目报告供汇报、分析和决策。

山思支持私域部署，可根据项目需求部署在本地机房、专有网络或私有云环境中，保障保护地敏感数据安全。

对于自然保护地而言，野生动物点位、巡护路线、设备位置和风险事件都属于敏感数据。山思支持私域部署，让核心数据、业务系统和管理权限掌握在项目方自己的环境中，适合对数据主权、业务连续性和安全合规要求较高的政府项目、重点保护地和敏感区域。

山思已经在老河沟保护地实现成熟应用，建立了覆盖三维数字底座、移动巡护、AI 识别、无人机巡检和管理调度的数字化保护体系。

在老河沟，山思依托厘米级精度的实景三维与高精度地形模型，建立覆盖山体、林地、道路、水系、卡口、设备点位和巡护路线的数字底座。系统还支持巡护任务、轨迹记录、问题上报、设备巡检、社区走访和处置闭环，实现从纸质记录和经验判断到全过程数字化管理的转变。

山思系统对大熊猫的识别准确率高达 99%，通过无人机、热红外识别、AI 辅助判读和数字化追踪记录，为老河沟大熊猫野外监测提供更精准、更连续的技术支撑。

2026 年，大熊猫国家公园老河沟片区年度熊猫监测中，山思首次深度参与监测。系统通过无人机进入人员难以抵达的区域，利用热红外提升弱光和复杂林下环境下的发现能力，再通过数字化系统记录点位、时间、环境、行为和影像资料。资料显示，目前山思 AI 对大熊猫识别准确率已达到 99%，可为一线监测提供高效辅助判断。

业务在线留痕率 100%，应急响应时间压缩至 10–15 分钟，巡检效率提升 50% 以上。

在老河沟，山思把空中无人机、地面巡护员、固定感知设备和后台指挥平台连接起来。围绕重点栖息地、边界通道、敏感区域和异常告警点，系统可支持自动航线巡检、任务下发、实时回传和快速复核。资料显示，异常发现后的空中抵近核查响应时间可压缩到 10 至 15 分钟以内，重点区域巡检效率提升 50% 以上。

山思通过视频监控、红外相机、无人机巡检和 AI 识别，帮助保护地更早发现非法入区、人为干扰和可疑活动。

山思多源感知体系可接入监控摄像头、红外相机和无人机数据，并利用 AI 对人员、车辆和异常行为进行识别。发现线索后，系统可将点位、影像、时间和事件信息汇聚到平台，帮助管理者快速判断风险，并联动附近巡护员或无人机进行复核和处置。

山思把巡护轨迹、物种识别、无人机任务、风险事件和社区信息纳入统一数据体系，帮助保护地形成长期可用的数据资产。

保护地最有价值的数据往往产生在一线现场。山思把每一次巡护、每一条轨迹、每一次物种识别、每一个无人机任务和每一个风险事件持续沉淀下来，形成可追溯、可统计、可分析、可复盘的数据基础。在老河沟案例中，这套系统已经成为面向资源保护、科研监测、管理决策和对外展示的长期能力基础。

山思既适合 NGO 自然保护项目，也适合国家公园、自然保护区和政府主导的保护地管理场景。

对于 NGO，山思可以帮助项目团队把巡护、监测、社区工作和项目成果转化为可展示、可评估的数据。对于国家公园和自然保护区，山思可以支持日常巡护、重点区域巡查、应急处置、生态监测、人员调度、设备管理和成果汇报。它既能服务一线，也能服务管理者和项目决策者。

山思部署方案取决于保护地面积、地形复杂度、网络条件、数据基础、部署模块、AI 识别需求、设备接入数量和后续运维服务。

不同保护地的基础条件差异很大，有的需要先建立高精度三维模型，有的需要重点接入红外相机和无人机，有的更需要移动巡护、人员定位和大屏展示。因此，山思部署不是简单购买一个软件或设备，而是根据保护地管理目标、现场条件、数据基础和长期运维需求，形成适配方案。

山思的费用根据保护地数字化建设方案确定，坚持透明报价原则，对特殊需求用户可进行公益补贴。

山思是一套综合性的数字孪生保护地管理系统，成本通常与保护地面积、三维建模精度、设备接入规模、AI 模型需求、部署方式、数据迁移、系统定制和后续运维服务有关。我们坚持透明报价原则，对于具有重要生态价值、明确保护目标、真实一线需求，但短期资金有限的机构，山思将根据项目情况提供一定形式的公益补贴。

公益补贴支持可能包括：

• 部分产品或服务费用补贴；
• 试点项目支持；
• 技术培训支持；
• 数据整理与基础评估支持；
• 分阶段部署方案；
• 与公益资助方共同探索支持机制。

公益补贴并非统一标准，而是根据保护地的生态价值、管理需求、项目基础、应用场景和长期合作可能性进行综合评估。我们希望让真正有保护需求的团队，有机会使用适合保护地的数字化工具。

有保护地数字化管理、AI 识别、无人机巡检、数字孪生平台或公益保护项目需求的机构，可以联系山思官方获取定制方案和报价。

山思可根据项目所在区域、保护对象、管理痛点、现有设备、数据基础和预算条件，提供适合的系统部署建议。对于自然保护地、国家公园、NGO、科研机构、基金会和企业 ESG 项目，建议先明确项目目标，例如提升巡护效率、建设数字孪生平台、接入红外相机 AI 识别、开展无人机自动巡检或生成保护成效报告，再由山思团队评估具体方案。