量子位智庫 | 公眾號(hào) AI123All

AI的未來，絕不僅限于聊天機(jī)器人和數(shù)字世界。

物理世界的AI推進(jìn)，已經(jīng)開始。而且定義正在被包括李飛飛在內(nèi)的大牛明確——

空間智能。

空間智能是什么？包含哪些應(yīng)用領(lǐng)域？如何系統(tǒng)性地看待空間智能？隨著技術(shù)的不斷進(jìn)步，虛實(shí)融合邊界持續(xù)消融，空間智能的階段性成果、當(dāng)前的認(rèn)知和格局，正在愈發(fā)清晰。

在大量桌面研究、調(diào)研訪問、數(shù)據(jù)分析之后，為了更好把握空間智能現(xiàn)狀和未來發(fā)展方向，量子位智庫在《空間智能研究報(bào)告》（以下簡稱《報(bào)告》）中回答如上問題，同時(shí)系統(tǒng)性梳理了各應(yīng)用領(lǐng)域重要玩家，并對(duì)產(chǎn)業(yè)迭代影響要素作出研判。

這也是國內(nèi)首份明確以空間智能為對(duì)象，提供空間智能產(chǎn)業(yè)圖譜的報(bào)告。

高清版圖譜及報(bào)告可點(diǎn)擊文末「閱讀原文」獲得。文末亦附有完整報(bào)告下載鏈接。

首份空間智能研究報(bào)告和產(chǎn)業(yè)玩家圖譜

《報(bào)告》認(rèn)為，空間智能是主要基于3D視覺信息進(jìn)行理解、推理、生成、交互的AI系統(tǒng)。

以具體應(yīng)用領(lǐng)域劃分，按不同的成熟度，空間智能可分為以下三種應(yīng)用領(lǐng)域：

• 自動(dòng)駕駛
• 3D生成
• 具身智能

此外，擴(kuò)展現(xiàn)實(shí)（XR，Xtended Reality）是空間智能的原生交互方式，而準(zhǔn)確的世界模型是空間智能發(fā)展的終局狀態(tài)。

根據(jù)上面的應(yīng)用領(lǐng)域劃分，結(jié)合目前的格局、發(fā)展等多方要素，量子位智庫在《報(bào)告》中詳細(xì)梳理了當(dāng)下全球空間智能玩家的首份圖譜：

重點(diǎn)關(guān)注數(shù)據(jù)體系的成熟度

針對(duì)空間智能的不同應(yīng)用領(lǐng)域，可以從數(shù)據(jù)成熟度、算法成熟度、算力支撐、普及便捷度、經(jīng)濟(jì)性等維度進(jìn)行觀察。

綜合不同維度來看，三個(gè)應(yīng)用領(lǐng)域中自動(dòng)駕駛成熟度最高，3D生成位居其次，最后是具身智能。

其中最值得重點(diǎn)關(guān)注的是「數(shù)據(jù)體系的成熟度」這一維度。

對(duì)比得出，相比語言、圖片和視頻等，空間智能現(xiàn)存的數(shù)據(jù)規(guī)模更少。這就可以解釋為什么空間智能的成熟度更低——尤其具身智能，高質(zhì)量的真機(jī)數(shù)據(jù)數(shù)量稀少。

文字、圖片及視頻等數(shù)據(jù)的成熟支撐了以大語言模型為核心的AI浪潮爆發(fā)，《報(bào)告》認(rèn)為，未來待3D、物理AI相關(guān)數(shù)據(jù)成熟后，空間智能也將迎來爆發(fā)時(shí)刻。

作為觀察空間智能進(jìn)展最重要的維度，除上述數(shù)據(jù)積累規(guī)模外，數(shù)據(jù)體系成熟度具體還包括數(shù)據(jù)構(gòu)成精簡度、數(shù)據(jù)分布多樣性以及數(shù)據(jù)閉環(huán)成熟度4個(gè)部分。

數(shù)據(jù)構(gòu)成精簡度主要指該領(lǐng)域數(shù)據(jù)模態(tài)、數(shù)據(jù)類型的復(fù)雜度，例如具身智能需要融合多種傳感器數(shù)據(jù)，成熟度更低、更復(fù)雜；數(shù)據(jù)分布多樣性主要指該領(lǐng)域數(shù)據(jù)分布是否足夠豐富以支持模型的泛化；數(shù)據(jù)閉環(huán)成熟度主要指能否構(gòu)建數(shù)據(jù)飛輪的正反饋加速模型迭代。

自動(dòng)駕駛領(lǐng)域已出現(xiàn)Scaling Law

《報(bào)告》表示，自動(dòng)駕駛是空間智能目前規(guī)模最大、最成熟的應(yīng)用，已經(jīng)接近人類水平。

其技術(shù)前沿開始從模仿學(xué)習(xí)轉(zhuǎn)向強(qiáng)化學(xué)習(xí)，以保持性能增長。

目前，自動(dòng)駕駛領(lǐng)域已經(jīng)出現(xiàn)屬于空間智能的Scaling Law：可接管里程隨底層算力擴(kuò)展和強(qiáng)化學(xué)習(xí)新進(jìn)展快速增加。

數(shù)據(jù)顯示，2026年以后，當(dāng)背后算力支持超過百萬卡集群時(shí)，預(yù)計(jì)自動(dòng)駕駛水準(zhǔn)將超過人類駕駛水準(zhǔn)。

在空間智能的三大具體應(yīng)用賽道，自動(dòng)駕駛的數(shù)據(jù)體系目前最為成熟。

• 從數(shù)據(jù)積累規(guī)模來看，駕駛里程積累在百億英里級(jí)別；
• 從數(shù)據(jù)構(gòu)成精簡度上來看，目前主要以視覺信息為核心，輔以激光雷達(dá)等少量信息；
• 從數(shù)據(jù)分布多樣性來看，可以覆蓋多樣的駕駛場(chǎng)景（受益于發(fā)達(dá)的道路交通系統(tǒng)）；
• 從數(shù)據(jù)閉環(huán)來看，自動(dòng)駕駛構(gòu)建了規(guī)模最大、最成熟的空間智能數(shù)據(jù)閉環(huán)。

3D生成已有千萬級(jí)別數(shù)據(jù)積累

3D生成是數(shù)字世界的空間智能，由圖形學(xué)和AI共同驅(qū)動(dòng)，處于技術(shù)快速進(jìn)步階段。

當(dāng)前，3D生成的最大瓶頸是難以找到具有良好擴(kuò)展性的3D數(shù)據(jù)表征。

從數(shù)據(jù)積累規(guī)模來看，3D生成有千萬級(jí)別的數(shù)據(jù)積累，足以支撐可以商業(yè)化的產(chǎn)品；從數(shù)據(jù)構(gòu)成上看，目前有多種數(shù)據(jù)表示形式，較復(fù)雜，技術(shù)方向尚未收斂；從數(shù)據(jù)分布多樣性來看，可以覆蓋3D資產(chǎn)生成的大部分應(yīng)用場(chǎng)景；從數(shù)據(jù)閉環(huán)來看，尚未形成閉環(huán)模式。

具身智能整體成熟度尚且較低

《報(bào)告》認(rèn)為，可以和物理世界深度交互的具身智能，是空間智能未來規(guī)模最大的應(yīng)用。

但就目前而言，具身智能整體成熟度較低，不過頭部玩家即將開始生產(chǎn)環(huán)境實(shí)驗(yàn)。

從數(shù)據(jù)積累規(guī)模來看，需要廠商從零做起采集真機(jī)數(shù)據(jù)，存量積累規(guī)模??；從數(shù)據(jù)構(gòu)成精簡度來看，具身智能涉及多種數(shù)據(jù)模態(tài)的融合，十分復(fù)雜，且面臨跨本體的泛化性問題；從數(shù)據(jù)分布多樣性來看，目前真機(jī)數(shù)據(jù)的分布也較為單一，以常見的運(yùn)動(dòng)和抓取場(chǎng)景為主；從數(shù)據(jù)閉環(huán)成熟度來看，機(jī)器人落地應(yīng)用較為早期，尚未構(gòu)建有效的數(shù)據(jù)飛輪

XR可實(shí)現(xiàn)3D類內(nèi)容的原生消費(fèi)

擴(kuò)展現(xiàn)實(shí)（XR）的硬件基礎(chǔ)正在成熟，可實(shí)現(xiàn)3D類內(nèi)容的原生消費(fèi)，未來隨著3D原生內(nèi)容和相關(guān)應(yīng)用生態(tài)的成熟，將打開更大的市場(chǎng)。

XR是目前訓(xùn)練具身智能的關(guān)鍵數(shù)據(jù)采集方式，可以加速真機(jī)數(shù)據(jù)增長推動(dòng)空間智能發(fā)展。英偉達(dá)、特斯拉、Meta等領(lǐng)先機(jī)構(gòu)已有相關(guān)探索實(shí)踐。

精確完備的世界模型是空間智能發(fā)展的終局狀態(tài)

世界模型是從大量數(shù)據(jù)中構(gòu)建理解世界運(yùn)作方式的內(nèi)部表征，可以推理行動(dòng)后果預(yù)測(cè)未來，精確完備的世界模型是空間智能發(fā)展的終局狀態(tài)。

《報(bào)告》認(rèn)為世界模型可以通過各種技術(shù)路徑逼近，但不同路徑的精度和效率各異。

其中，側(cè)重3D和物理AI的空間智能，可能是建模真實(shí)世界的最佳方式。

有關(guān)空間智能的更多詳細(xì)內(nèi)容，可在完整報(bào)告中獲取。

報(bào)告下載鏈接：

https://jkhbjkhb.feishu.cn/wiki/W5D7wuDcbiPXDLkaRLQcAJpOn8f