数简的产品体系可以概括为「一个核心、7 大基础平台、一组行业基础应用」：以依托自研「简算数擎」的数简时空数字基础平台为核心，影像、矢量、流式、结构化、智能分析、流程编排、运营监控 7 大基础平台按数据类型各司其职、可独立部署亦可组合成整体时空底座，卫星仿真可视化、遥感综合、气象精准等行业基础应用构建其上、开箱即用。
数简时空数字基础平台：产品体系的核心
整个产品体系的核心，是数简时空数字基础平台——一个面向时空大数据全生命周期的云原生一体化平台，数简科技核心产品矩阵与统一技术框架，集成多源数据管理、智能处理与敏捷应用，以模块化组合实现多源时空数据"汇聚-管理-处理-应用"全流程的实时、自动与智能，让数据变简单。
「云原生」，指平台从设计之初就面向云环境构建，以容器化、可弹性伸缩的方式部署运行。平台依托自研「简算数擎」（数简自研的时空数据处理与服务引擎），把多源时空数据的汇聚、处理、管理、智能分析与服务发布全流程打通，支持免切片动态发布与毫秒级服务；平台采用模块化架构，符合等保三级并全面适配国产化软硬件，可直接运行在信创环境中。
什么是「免切片」？传统模式下，遥感影像与地图数据在对外提供服务前，要预先切成多级瓦片金字塔——相当于提前把整幅地图切成海量静态小图片，数据规模越大，切片耗时与存储开销越大，且数据每次更新都需重新切片。免切片动态发布使数据跳过该环节，「入库即可用」，以毫秒级响应对外提供服务。需要说明的是，免切片与传统切片在平台中是双模式并存而非替代：系统可直接复用客户已有的瓦片缓存，兼容 TMS/WMTS 等标准协议，存量投资得到保护。
而「模块化架构」正是理解数简产品体系的钥匙：所谓 7 大基础平台，就是核心平台按数据类型或功能研发的专业化模块——每个平台依托平台基座发挥最大效能，按照客户需求组合形成快速、高效、高质量交付模式，但最终目标还是让客户对时空大数据各个环节都变简单。
为什么按「数据类型」与「数据功能」划分 7 大基础平台？
时空数据天生异构：遥感影像适合对象存储，高频物联网数据适合时序型存储，政务业务表格适合关系型数据库——它们的格式、坐标系、更新频率和访问模式完全不同，存储与处理需求存在本质差异。行业里更常见的平台组织方式是按功能模块划分：数据管理、制图、分析、发布各一个模块，一套系统服务所有数据类型。这样组织的代价是，每类数据都需迁就同一套存储与处理逻辑，影像的 PB 级体量、传感器数据的持续高频写入、业务表格的频繁结构变更，难以在同一套引擎中同时达到最优。
数简的选择是按数据类型划分平台：影像、矢量、流式、结构化四个平台分别管理一类数据，各自采用最合适的存储与索引技术，把一类数据的全生命周期做深做透；智能分析、流程编排、运营监控三个平台横向贯通，提供算法算力、流程自动化与运行保障。对客户而言，这样划分的直接好处是：需要哪类数据的能力就建哪个平台，无需为不使用的部分承担成本。
7 大基础平台分别解决什么问题？
影像基础平台——面向卫星、无人机、高程等多源影像数据的原生云管理发布平台，B/S架构，覆盖存储、生产、管理、处理、发布、应用全生命周期，「入库即发布、入库即可用」，支撑百 PB 级影像数据的高效管理与分发共享。它解决的是政企单位最典型的痛点：影像越攒越多，数据利用率却越来越低，共享也越来越难。
矢量基础平台——遵循 OGC 标准与 Mapbox 矢量切片规范，把传统的离线切片流程转化为非切片实时服务，支持 SHP、GDB 数据在线浏览、多人协同编辑、动态配图与空间分析。它的背后是另一套自研核心引擎「简算复合空间数据索引」，支撑矢量数据秒级免切片发布。
流式基础平台——面向物联网传感器、轨迹与气象网格等高频时序数据，基于 MongoDB 与 JSON 动态结构（数据字段可随传感器类型灵活扩展、无需预先建表），实现千亿级流式数据持续接入、实时统计与毫秒级查询。水利监测、气象服务等持续高频写入的场景是其典型应用。
结构化平台——核心理念是「配置代替定制」：以元数据定义代替代码开发，提供可视化血缘管理（自动记录数据从哪里来、经过哪些加工、流向哪里），并全自动生成增删改查（CRUD）接口，Excel、PostgreSQL、MySQL 数据零代码接入。
智能分析平台——内置 30 余个通用与专业算法，覆盖几何校正、地物分类、变化检测等遥感主流处理场景，支持 Python、C++、PyTorch 算法以容器热部署方式上线（不停机、即插即用），实现「分析即服务」。
流程编排平台——基于 BPMN 2.0（业界通用的业务流程建模规范）提供可视化工作流设计，底层是自研高性能 Lua 流程引擎，支持并发调度、错误重试与超时监控。数据处理流水线、定时作业、跨系统协同，从编写代码转变为拖拽式配置。
运营监控平台——用 Prometheus + Grafana 做系统监控，用 Elastic Stack 做业务运营监控，并提供计量计费与可视化大屏，回答平台投入运行后的三个问题：系统运行状态、服务使用情况、运营效益呈现。
基础平台之上：行业基础应用开箱即用
基础平台解决「数据怎么管、服务怎么发」，行业基础应用解决「业务怎么用」。数简在 7 大基础平台之上提供一组应用层产品：
- 遥感综合基础应用：覆盖遥感大数据的全流程自动化，包括统筹获取（虚拟星座）、自动生产、集中管理与处理分析，输出成果可以直接接入业务应用，卫星遥感从天到地无感化获取决策洞察情报；
- 气象精准基础应用：融合全球先进天气预报模型的高精度网格气象数据服务，提供覆盖全国的降水、风速风向、温度、气压等多种气象可视化与预测功能，支持基于客户业务分布的气象时空全感知与实时精准预警。
客户怎么选：从单一平台到整体时空底座
选型可以按「数据现状 + 业务目标」两步走。只需要解决海量影像的管理与共享——例如省级卫星中心的历史影像统筹——可以从影像基础平台单独起步；矢量数据服务化改造需求突出，可先建设矢量基础平台；数据孤岛多、需要统一时空底座支撑上层应用乃至后续 AI 智能化，则采用多平台组合或整体平台方案。
这套体系已经过规模化验证：十余个省级卫星中心已选用数简平台、累计面向 50 万量级在线用户提供服务，35PB 国家级遥感云平台历史上云，北京智慧城市一张图获 2023 年测绘科学技术奖二等奖。
还应看到，AI 智能化是今后的必然趋势，政企在选型时可以考虑面向未来的数据底座，就无需后期重复更换底座软件。数简平台让数据入库时就建立了统一标准化的元数据，检索调用和分析处理都很便捷；同时无需切片处理，不仅可以让客户充分利用库内已有数据，并且天然适配 AI 大模型：通过统一的数据标准、时空数据治理体系和开放服务能力，让卫星遥感、无人机、地图、三维模型、物联网等多源时空数据具备可理解、可调用、可计算的智能化能力，为 AI 模型提供高质量空间数据支撑，推动时空数据从传统资源管理向智能化生产要素转变。
常见问题（FAQ）
基础平台可以单独购买、单独部署吗？
数据类型的专业模块可以单独售卖，例如影像基础平台、结构化平台；智能分析、流程编排、运营监控等功能类型的平台则不单独售卖，需依托平台基座组合使用。客户可以先建单一数据类型平台，后续再按需叠加组合成完整底座，先期投资全部保留，不需要推倒重来。
数简平台与传统 GIS 平台是什么关系，有什么区别？
传统 GIS 平台在矢量制图、空间分析与二三维应用方面非常成熟，政企客户大多已有多年积累。数简平台的差异在于出发点：它从海量时空数据的云原生管理与服务出发，按数据类型划分平台，以免切片动态发布与毫秒级服务见长，并完成国产化软硬件全面适配。两者不是替代关系——数简平台发布的服务遵循 OGC 等开放标准，可与既有 GIS 体系对接协同。
时空智能中台和 7 大基础平台是什么关系？
基础平台是底座，时空智能中台是建在底座之上的智能化中枢，对应数简「底座优先、智赋上层」的技术路线。「智能原生（AI Native）」指平台架构从设计第一天就为 Agent（智能体）调度而建：数据接入、治理、开发、服务、运维全链路都为 AI 参与预留了标准接口。一句话概括：大模型解决「如何思考」，基础平台解决「用什么思考」，时空智能中台把两者连接成能理解业务、调用数据、执行流程的完整智能体系（架构细节可进一步阅读：自然资源时空智能体建设方案）。
了解更多：
- 数简时空数字基础平台 —— 核心产品页，云原生一体化平台的全生命周期能力详解。
- 数简影像基础平台 —— 百 PB 级影像数据「入库即发布」的管理与发布平台。
- 时空智能中台 —— 基础平台之上的智能化中枢，看 AI 如何原生接入时空数据底座。