近年来，人工智能（Artificial Intelligence，AI）技术正在不断深入影响着我们的日常生活和工作，从机器翻译到语音和图像识别，再到无人驾驶，人工智能的服务范围越来越广。与此同时，AI 被视为与计算机、互联网相提并论的重大技术创新，可以为人类经济社会发展带来智能化和颠覆性的变革。AI 已经成为时下研究的热门课题，成为IT企业发展的重要目标，也是国际竞争的新焦点 。同时，AI 也逐步应用于空间信息领域，对 GIS 技术的发展和应用产生巨大影响，成为未来 GIS 发展的重要技术驱动力。
人工智能对 GIS 的影响非常广泛。在数据层面上，地理信息产业具有大量空间数据需要处理，人工智能尤其是深度学习技术可以提高数据处理的自动化能力和准确程度，提高数据库建设和更新效率；在技术上，AI 与 GIS 的融合，将极大地提升 GIS 对空间信息的智能感知和分析能力，为许多过去无法解决的问题寻求新的方案；在行业应用上，人工智能技术可以充分与行业知识相结合，服务自动化和智能化 GIS 应用。从技术发展的现状分析来看，人工智能技术能够为 GIS 提升多个方向的能力，包括：遥感图像处理、空间数据处理、时空分布预测、轨迹分布与空间优化、城市规划、地理编码以及扩展新的空间分析模型等方面。
机器学习（Machine Learning，ML）是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，机器学习是现阶段人工智能（Artificial Intelligence，AI）的技术核心，其中的深度学习（Deep Learning，DL）在近些年来更是发展迅速，它通过组合低层特征形成更加抽象的高层特征，以从深入层次理解数据中的信息。
人工智能、机器学习与深度学习三者的关系图如下：
人工智能为机器赋予人的智能；机器学习是一种实现人工智能的方法；深度学习是一种实现机器学习的技术。也就是说人工智能是终极目标，机器学习是实现人工智能的一种方法，人工神经网络是机器学习中的一类算法，深度学习就是其中一种神经网络算法。深度学习使得机器学习能够实现众多的应用，并拓展了人工智能的领域范围。
在 AI GIS 中，融合 AI 的空间分析与处理模型是重要的组成部分，SuperMap 以统计学为基础，提供了丰富的空间统计算子支持，同时基于机器学习和深度学习等人工智能理论与算法，面向地理空间领域问题，构建多样化 AI GIS 功能，服务于 GIS 空间数据处理、分析、挖掘与综合建模。
SuperMap 结合机器学习和深度学习技术，提供了影像分析和图片分析功能。其中影像分析主要包括模型训练、目标检测、二元分类、地物分类、场景分类等功能；图片分析主要包括模型训练、图片分类等功能。
