谷歌Grounding with Google Maps上线

世界在AI眼中活了过来！谷歌Grounding with Google Maps功能上线，Gemini可调用2.5亿地点信息，结合搜索工具，提供更准确、更及时的答案，完美适用于旅行规划和本地服务。

谷歌放大招！

谷歌推出了「Grounding with Google Maps」功能，Gemini接入Google Maps。

过去，语言模型理解文字；现在，它能理解「地理空间」。

地图+AI解锁位置智能。

现在，Gemini可直接访问Google Maps的2.5亿个实时地理数据——

让AI拥有「地理空间理解与推理能力」。

谷歌这波操作，打造了字面意义上的「世界模型」，让X用户万有直呼牛P！

锚定谷歌地图，AI看懂世界

本月17日起，谷歌在Gemini API中上线谷歌地图工具（Google Maps tool），让开发者可以把应用锚定（Grounding）在地图数据之上。

借此，Gemini的推理能力（reasoning capabilities）能够与来自超过2.5亿个地点的真实数据相连接，催生出一类全新的、具备地理空间感知（geospatial-aware）的AI产品。

就像谷歌搜索锚定（Grounding with Google Search） 一样，谷歌地图锚定（Grounding with Google Maps）也能在涉及位置的信息查询中，为模型提供丰富且实时更新的数据支撑。

现在，AI可以知道

世界上的每个地方是什么、在哪儿、有什么、什么时候开门，怎么订票.... 如何到达？

这个工具的作用是：

当Gemini发现你的问题涉及地理、位置、路线、商户或区域信息时，它自动调用Maps数据来回答。

这次更新不仅是技术增强，更是AI能力边界的拓展。

这让第三方开发者把结合Gemini的推理能力与Maps的地理数据，生成更准确、更贴合现实的回应——

这一特性，竞争对手如OpenAI的ChatGPT、Anthropic的Claude，乃至众多开源模型，在短期内望尘莫及。

这种融合尤其适用于本地搜索、外卖与配送、房地产、旅游规划等领域——

任何需要考虑距离、实时可用性或位置个性化的场景。

当用户的地理位置已知时，开发者可在请求中传入经纬度参数，以提升回答的相关性和准确度。

谷歌建议，仅在查询明确涉及地理语境时，启用该工具，以节省性能与成本。

根据开发者文档，定价为每1000次请求25美元——对于高频应用而言并不便宜。

AI觉醒地理智能真「世界模型」？

依托谷歌地图在世界范围内庞大数据库，Gemini这项新功能提供相关且个性化的内容，从而提升用户体验。

四类典型应用场景：

智能地理问答：完整且准确地回答特定地理位置的问题。

路线规划：构建对话式旅行规划工具和本地指南。

个性化地图推荐：根据位置和用户偏好（例如餐厅或商店）推荐地图注点。

智能LBS应用：为社交、零售或外卖服务打造基于地理位置的体验。

在需要考虑地理位置远近和当前事实数据的使用场景中，例如查找「我附近的最佳咖啡店」或获取路线，谷歌歌地图的「grounding」（事实锚定）功能表现出色。

已有开发者，利用新API，结合Geminin和谷歌地图探索柏林：

企业可以用它来：

商业选址：帮助零售商找到最佳新店位置。它通过分析人口统计数据、人流量、竞争对手情况以及当地评论情绪，来给出建议。

动态物流与配送优化：实时路线优化，专为物流公司设计。它能根据实时交通、天气和客户可用时间进行调整。

房地产市场分析：使用地理空间数据来评估房产价值、预测市场趋势，并找出投资机会。

现场员工管理：专门为现场服务团队设计。它提供优化的路线，并给员工现场所需的客户和任务关键信息。

超本地化营销：这是一个营销工具，能在实时中向客户发送个性化的、基于位置的优惠。比如，当客户走过一家商店时，发送折扣码。

快速上手

要上手使用，请在Gemini API请求中启用 基于 Google 地图的事实锚定（Grounding with Google Maps） 工具。

下面是使用Python SDK的示例：

from google import genai from google.genai import types client = genai.Client() prompt = "What are the best Italian restaurants within a 15-minute walk from here?" response = client.models.generate_content( model='gemini-2.5-flash-lite', contents=prompt, config=types.GenerateContentConfig( tools=[types.Tool(google_maps=types.GoogleMaps())], # Optionally provide the relevant location context (this is in Los Angeles) tool_config=types.ToolConfig(retrieval_config=types.RetrievalConfig( lat_lng=types.LatLng( latitude=34.050481, longitude=-118.248526))), ), ) print(response.text) if grounding := response.candidates[0].grounding_metadata: if grounding.grounding_chunks: print("Google Maps sources:") for chunk in grounding.grounding_chunks: print(f'- [{chunk.maps.title}]({chunk.maps.uri})')

详细询问有关特定地点的问题，根据谷歌用户评价和其他谷歌地图数据获取答案。