当生成式AI和大语言模型在过去几年席卷世界时，这些技术在数字世界表现出色，但仅仅依靠它们，理解和推理三维物理世界的能力仍然有限。空间智能（Spatial Intelligence）作为一种让AI模型能够推理三维空间的能力，正在被视为AI的下一个前沿。

被业界称为"AI教母"的李飞飞博士在一份宣言中阐述了空间智能的定位，将其与LLM做了明确对比："当前最先进的AI虽然在阅读、写作、研究和数据模式识别方面表现出色，但在表示或与物理世界交互时，这些模型存在根本性的局限性。我们对世界的认知是整体性的——不仅是我们正在看什么，还包括事物之间的空间关系、其意义和重要性。通过想象、推理、创造和交互来理解这一切，而非仅仅通过描述，这才是空间智能的力量所在。"

空间智能的概念并不新鲜，早在1983年Howard Gardner的《心智框架》一书中就已有描述。但近期的突破——包括World Labs的Marble平台发布及其10亿美元融资、Google DeepMind的Genie 3以及Nvidia Cosmos等竞品方案的出现——正在将空间智能和世界模型推上更多研发路线图。

什么是空间智能模型？

理解物理世界和3D AI技术相关的术语和概念至关重要：

• 空间智能涵盖多个专门方向，包括用于绘制物理世界地图的地理空间模型和用于建筑结构建模的建筑信息模型（BIM），还延伸至生成式3D、机器人技术和物理推理应用。
• 世界模型是一类神经网络架构，目前是构建空间智能的主流方法。
• 数字孪生是物理资产的实时虚拟副本，将3D模型与实时传感器数据相结合。空间智能作为数字孪生的一个新兴能力，增加了自然语言提示、生成式场景探索和物理感知推理功能。
• 空间计算指的是锚定在物理空间中并与之交互的数字内容，通过AR/VR和混合现实系统以三维方式感知和呈现。

Leia公司创始人兼CTO David Fattal表示："空间智能模型超越了像素层面，能理解世界的3D结构——物体如何定位、如何移动、如何交互。这使得更逼真的视频生成、空间计算界面以及能推理物理环境的AI系统成为可能。随着真实世界3D数据变得越来越丰富，这些模型将成为下一代视觉AI的基础。"

监测建成环境

以桥梁和建筑为代表的物理基础设施是理解空间智能价值的典型案例。美国土木工程师学会估计，从2024年到2033年需要9.1万亿美元投资才能使基础设施达到良好状态。当维护和监测工作滞后时，就可能导致重大事故。

空间智能和数字孪生技术的发展有望帮助更早发现问题，并确定投资优先顺序。Bentley Systems首席平台官Patrick Cozzi指出："空间智能模型是我们建成环境的四维数字蓝图，使我们能够可视化并预测老化资产与变化地基之间复杂的相互作用。通过将分散的地理空间数据汇聚到一个活的数字孪生中，这些模型提供了预见性能力，足以缓解结构疲劳和地下不稳定等隐蔽风险。"

桥梁健康监测面临着一个重大挑战：需要从人工、低频的结构检查过渡到利用传感器、数字孪生和空间智能的持续监测模式。Cozzi补充道："这种持续现场数据的整合超越了静态文档，使管理机构能够从被动维修转向主动、弹性的资产管理，从而保障我们最关键的公共系统的长期完整性。"

避免碰撞

桥梁大多是静态的，但现实世界正越来越多地被自动驾驶汽车、机器人和无人机等自主系统占据。而有运动系统的地方，就有碰撞风险。

iMerit公司CTO Sudeep George解释道："空间智能模型是结合视觉、传感器数据和上下文线索来推理物理世界的AI系统，能够理解空间、运动和物体关系。其价值不仅在于感知环境，更在于让机器能够在其中安全、实时地行动。这在机器人和自主系统领域尤为重要，因为这些场景下的决策必须在复杂、多模态、快速变化的环境中做出。"

一个具体案例是将Nvidia Isaac Sim开源机器人参考框架与World Labs的Marble空间智能相结合，用于模拟机器人环境。当前的碰撞检测系统（如自动驾驶汽车中使用的那些）通常依赖感知、规划和控制等独立模块。空间智能模型可能通过评估未知物体的碰撞风险或追踪移出传感器视野的物体来提供改进。例如，Waymo基于Genie 3构建的世界模型就是一个能生成复杂天气条件和其他关键安全事件的模拟器。

Kamiwaza现场CTO James Urquhart还提供了多个空间智能应用案例，其中包括卫星碰撞检测和冲突分析。Urquhart表示："专门处理这类数据集以及现实世界物理和地理信息的模型，能为此类任务提供更快、更准确的决策支持。"

应用空间智能

近期的空间智能产品发布令人瞩目：Marble可以基于图像或文本提示创建3D世界，Genie 3能模拟水流物理、光照、天气和动物行为。但将空间智能落地到物理世界用例仍面临重重困难。

Voxel51联合创始人兼首席科学家Jason Corso指出："空间智能和世界模型正在为未来能够在物理世界中交互的AI智能体奠定基础。这些模型的开发和测试难度要大得多，很大程度上是因为底层数据本身就很复杂，而且物理世界中涉及的各种组合情况很难全部覆盖。"

除了学习这些模型并进行原型开发外，开发者和数据负责人还需要审视即将供给空间智能模型的数据资产。Precisely公司Enrich业务执行副总裁Dan Adams强调："空间智能模型将位置信号转化为对现实世界的结构化理解，但它们的可靠性取决于底层数据。真正的关键不在于模型本身，而在于具备持久标识符、置信度元数据和来源谱系的参考层，这才能让AI推理的是地点而非仅仅匹配字符串。"

即便应用开发完成后，在边缘部署时仍面临基础设施挑战。BrainChip首席研究科学家Ali Kayyam表示："大规模释放空间智能的关键在于拥有低功耗、事件驱动的硬件，能在传感器端进行实时推理——这才是最重要的场景。"

从何处入手

对于希望动手实践空间智能和世界模型的开发者，以下是几条入门建议：

• 要试用Marble，可以先查阅其API文档和案例研究，然后使用一个面向开发者的React应用进行实验。
• 查阅Nvidia Cosmos的开发者中心、文档以及包含案例研究和学习路径的Cookbook。
• 可以了解Genie 3的概览，但目前访问受限，需要通过Project Genie项目申请，需要Google AI Ultra订阅。