一张覆盖全球的森林分类地图，正在成为欧盟反毁林法规落地的技术基础设施——但它的精度还不足以单独承担合规判定。
发生了什么
Google DeepMind 与世界资源研究所（World Resources Institute）联合发布了一张名为 ForTy 的全球地图，用卫星数据结合 AI 模型，把地表森林及其他土地类型划分为六个类别，其中包括原始林、种植园和树作物等。
这张地图的定位很明确：服务于森林变化的追踪，尤其是欧盟针对进口商品相关毁林行为的监管需求。但据披露，ForTy 在识别能力上仍有明显短板——它只能识别出约一半的种植林与树作物区域，对种植园的识别率约为 60%。
为什么重要
森林分类长期是个难题。遥感影像能告诉你「这里有树」，却很难区分这是天然原始林、人工种植园，还是夹杂经济作物的农林复合地块。而这三者在碳核算、生物多样性评估和供应链合规中的意义完全不同：原始林被砍伐与种植园轮伐，在监管语境下是两件事。
欧盟的毁林法规要求相关商品证明其生产不涉及毁林，这意味着企业需要可核查的地块级信息。过去这类信息依赖各国自报、第三方认证或昂贵的实地调查，覆盖不均、口径不一。一个全球统一、可复现的 AI 分类底图，理论上能降低合规成本，也让监管方有了共同的参照系。DeepMind 的介入，说明基础模型能力正在向地球观测这类「公共品」场景延伸。
影响与看点
对监管和供应链而言，ForTy 更像一个起点而非终点。识别率只有一半左右，意味着它无法单独作为合规证据，更现实的用法是筛查与优先级排序：先用它圈出高风险地块，再用高分辨率影像或实地核查确认。
对开发者和遥感从业者，值得关注的是这类全球尺度分类模型的开放程度——数据、权重、分类体系是否可复用，决定了它能否成为社区基准，而不只是又一张静态地图。分类体系本身也是博弈点：六类如何定义、边界如何划定，会直接影响下游所有统计。
一个独立判断：AI 地图的价值不在于「画得准」，而在于把原本不可比的局部信息拉到同一坐标系里；ForTy 的精度缺陷恰恰说明，公共品级别的遥感产品需要长期迭代和公开评估，而不是一次性发布。
