准确的城市级IP定位是现代数字生态的重要支撑，涉及本地内容分发、精准投放和数字版权保护等场景。传统的启发式或数据库查表方法难以应对IPv6地址空间的爆炸式增长以及移动网络的瞬时变化。为此我们提出IPGeoAI，将定位问题从静态查表转化为序列建模任务。模型核心采用Transformer Encoder，捕获IP子网结构的层次依赖关系。针对地理歧义，我们引入Zero‑Shot LLM特征提取流水线，离线使用大语言模型将噪声化的自治系统（AS）描述转化为结构化的领域标签，如“大学”“运营商”或“全球”“本地”。随后通过多头交叉注意力模块将这些语义信号注入网络，实现数值拓扑与真实语义身份的对齐。推理阶段采用层次化策略，先利用粗粒度的国家信号，再细化到城市层面，使覆盖率达到100%。在包含20万城市的专有离线数据集上，IPGeoAI相较于主流商业方案提升了6% 的城市级准确率，并在大规模线上生产测试中带来下游一线业务指标的+0.35% 统计显著提升。
点评