空间智能：通往 AGI 的关键拼图

陈茜: 群核科技登陆港股，成为“杭州六小龙”首家完成 IPO 的企业。在我们《硅谷 101》的专访中，创始人黄晓煌说，将押注空间智能的未来。

黄晓煌: 我们所有训练的模型以及我们的工具，都紧贴着物理世界在做。漫画效果之类的，我们是不打算做的。李飞飞他们那个模型（World Labs）就啥都能做，特别在游戏行业等等的效果是特别好的，但那一块我们就完全不去介入。

陈茜: 你觉得中国跟美国在空间智能上面的发展，有什么样不一样的路线的区别吗？

黄晓煌: 我觉得美国更贴近于虚拟世界，中国更贴近于物理世界。

陈茜: 2026 年，AI 的新风向似乎已经越来越清晰了，那就是世界模型（World Model）。而在当前的世界模型所有技术分支中，很多研究者都把空间智能（Spatial Intelligence）视为了那个真正的“关键拼图”。

黄晓煌: 对我来说没有空间智能是不可能去实现 AGI 的，而我想要去解决这个问题。

什么是空间智能？

陈茜: 究竟什么是空间智能呢？它跟世界模型、还有具身智能（Embodied AI）之间究竟是什么样的关系？应用前景在哪里？现在还存在着什么样的问题？

实际上跟世界模型一样，空间智能这个概念也是起源于认知科学。1983 年教育心理学家霍华德·加德纳在著作**《心智框架》中提出了多元智能理论**，将空间智能列为人类七种核心智能之一。空间智能并非简单的“方向感”，而是人类理解物理世界、建立空间认知、进行抽象视觉思维的底层能力。

在计算机科学领域，空间智能的技术起点则是源自于计算机视觉（CV）对三维空间的感知和理解研究。2009 年 ImageNet 的出现为 AI 视觉识别奠定了基础，但这一阶段依然停留在二维层面。随后研究进入了“从二维到三维”的阶段，以 SLAM（同步定位与地图构建）为代表的技术，让机器逐渐具备对空间结构的理解能力。而最近几年随着 NeRF 等 3D 表示方法以及生成式模型的发展，研究重点开始从“重建世界”走向“理解和预测世界”。

黄晓煌: 人类的智能其实有好几方面，大语言模型代表了语言，那我们的视觉、触觉以及我们跟物理世界的交互，很重要一点就是空间智能。你在这个空间里看一圈，大脑会对这个空间有个快速的概念，你可以理解成是一个空间重建的过程。然后你就可以判断某个物体距离你多远，以及空间的每一块物体的相对位置。接下来不管是做各种决策，比如你要往哪里走，水杯在哪里，你脑海里马上就能够反应出来。这就是我们定义的空间智能。

世界模型、空间智能与具身智能的关系

陈茜: 听起来，这跟世界模型、具身智能都有很多联系。黄晓煌举了一个通俗易懂的例子。

黄晓煌: 比如这边这个门，你要去开它。小孩第一次开门不知道怎么开，他得知道这是门把手，多大力气，肢体怎么支配，他需要训练。拿这个门做例子：空间智能是你在这个环境里看一眼，我知道这里是门，门上有一个门把手。具身智能的算法就开始把它运行到门前面一定的距离，然后去把门把手打开，把门推开进去，这是具身智能控制的。世界模型做的是，你在走的过程中有人在旁边走动，你要做预测，避开他再去开门。

陈茜: 总结一下，世界模型就像是“大脑”，负责内部模拟与决策推理；空间智能负责把抽象理解落到三维物理空间，让 AI 知道物体在哪里；当这些能力落到机器人、自动驾驶等“身体”上，就形成了具身智能。要实现具身智能，是无法跳过空间智能的。

空间智能的两条技术路线

陈茜: 目前业界主要有“空间生成”和“潜空间预测”两条路线。

首先是“空间生成”，AI 必须先拥有一个足够真实、可交互的 3D 世界。代表有李飞飞的 World Labs、群核科技等。从生成方式上看，有重建式（激光扫描、无人机采集）、推断式（根据少量视角推理补全）和生成式（文字/图片直接生成 3D 场景）。

在空间表示上，传统路径是用点云（Point Cloud）或 Mesh（网格），这种方式编辑方便，但高精度意味着数据量巨大。另一条路径是神经表示方法，如 NeRF，它隐式地记住场景信息，但渲染速度慢且缺乏泛化能力。后来出现的高斯泼溅（3D Gaussian Splatting）则在保留质量的同时大幅提升了速度。

黄晓煌: 点云我们试过，表征信息太少；NeRF 性能太慢。我们最早用 Mesh，但发现 Mesh 只是三维世界的抽象，欠缺太多信息。所以我们现在用 3D 高斯混合 Mesh 的方式在表达物理世界。3D 高斯能完美表示视觉效果，但在交互方面有缺陷。

陈茜: 另一条路线是“潜空间预测模型”，代表有 Yann LeCun 的 JEPA 架构。它不还原每一个像素，而是将环境信息压缩进高维潜空间，学习动态统计规律。这种方式延迟更低，但缺乏几何层面的可解释性，难以人工干预。因此，商业落地层面，空间生成路线目前更加稳健。

商业落地：垂直场景与物理正确

陈茜: World Labs 的商业化速度非常快，通过 World API 与波士顿动力、Figure 等机器人厂商合作。黄晓煌则表示，群核更多是以“工程+产业”驱动。

黄晓煌: 我们跟 World Labs 一个很大区别就是，我们所有训练的模型以及我们的工具，都紧贴着物理世界在做。我们要求出来的场景、内容，都跟物理世界尽可能地接近。游戏那种漫画效果之类的，我们是不打算做的。李飞飞他们那个模型就啥都能做，那一块我们就完全不去介入。

我们开源了一个叫 SpatialGen 的算法。我们创业初期想用云端的 GPU 集群去颠覆类似于 Autodesk 类产品的，但进入 AI 时代后，我们希望用全新的理念来做。比如探索类似于 Vibe Design 这种方式，取代原来的操作模式，用在影视制作、电商、建筑设计等行业。

陈茜: 群核科技以空间设计软件酷家乐起家，积累了海量的 CAD 和 BIM 数据。目前已经开放了空间语言模型 SpatialLM 和空间生成模型 SpatialGen。

拿着“锤子”找“钉子”：从英伟达到群核

陈茜: 回看群核的发展历程，他们很擅长做“预判”。2012 年押注 GPU，踩中了房地产上行周期；2018 年转向空间智能。黄晓煌博士毕业于浙大，曾在英伟达（NVIDIA）从事 CUDA 研究。

黄晓煌: 我当时在英伟达工作的时候，正好是英伟达最艰难的时候，游戏产业在萎缩。但是老黄（黄仁勋）提了一个理念，摩尔定律在 CPU 上已经走到尽头，GPU 因为 Manycore 的架构，算力提升更快。我当时非常坚信这一点。

但我费尽心思向科研机构推销 CUDA，非常费劲，还不如我自己创业。我用 GPU 集群把物理正确的渲染从一个小时加速到 10 秒钟。2012 年正式回国开做了。

陈茜: 那时候为什么回国创业？

黄晓煌: 原型是在美国做的，也融过资，但美国当时遇到金融危机。我们发现这个技术第一波最适合的场景可能是建筑和装修设计，当时国内如日中天。

但我第一笔融资非常困难。一个著名的基金经理跟我说，我跟我合伙人工作履历不太好。是因为他们不认可英伟达，觉得英伟达马上要倒闭了。当时最流行的是 O2O 公司。我 2012 年一年基本没融到资，后面就把团队打造成落地跟技术得两手抓。

陈茜: 最开始给投资人讲的故事是什么？

黄晓煌: 最开始讲把 GPU 做到云端，做快速渲染，一分钱融不到。后面投资人教我，包装成家装 O2O 的故事，很快就融到钱了。第一个产品就是酷家乐，原来做一套图要一星期，我们几个小时就可以做完。

2018 年的转型与 2022 年的震撼

陈茜: 2018 年，你们在盈利状态下开始了第二波拓展。

黄晓煌: 2017 年现金流就是正的，躺着赚钱的感觉。2018 年我们开始投入做空间智能的前身。那时候还是小模型，只能做简单的视觉识别。我们开源了一套数据集叫 InteriorNet。转了一半，2020 年房地产又大爆发了。

当时有客户过来，啥也不说，先往你账上打 1000 万，然后谈合作。说没谈成可以退。我说没谈成我不要了。我眼珠都快掉出来了，这就是那个年代的房地产公司。回来之后我们 CFO 把我喷了一顿，说你苦哈哈搞什么 AI，干两三年不如人家见面礼。

但 AI 这条线我一直抓着。到了 2022 年，国家政策调整，年底大模型出来，ChatGPT、Midjourney 让我非常震撼。

陈茜: ChatGPT 上线对你来说震撼吗？

黄晓煌: 非常震撼。我原来信仰的是通过聪明人写精妙的算法，但 ChatGPT 让我感受到，数据量越多它就越智能。这对我原来对算法的认知彻底变了。

2023 年我们整个战略重心调整到空间智能。一个巨大的变化是：2022 年之前我们认为增长核心是产品，2022 年之后我们意识到核心是算法、是模型。

硬件连接与算力成本：新的“护城河”

陈茜: OpenClaw（注：此处疑为 OpenAI 相关项目口误或特定术语）火了之后，对你有什么启示？

黄晓煌: 我主观的感觉是，以后用工具、软件的人会变少，它会硬件接着模型直接在用。未来是一个多硬件终端的世界，眼镜、机械臂、摄像头都拥有智能。你得把能连接的物理硬件全部衔接了。

我们发现，怎么准确地操作硬件，是大模型几乎涉及不到的。所以我们战略在调整，把连接物理世界作为核心战略，弱化工具。

陈茜: 算力需求怎么优化？你会花多少钱买卡？

黄晓煌: 目前空间智能用到的算力远不如大语言模型，因为数据量不够丰富。困扰大家的是数据。

公司内部肯定会抢卡。我目前希望把算力投入控制在营收的 10% 左右。竞争对手死磕的话，我肯定大投入。

陈茜: 护城河最重要的能力是什么？

黄晓煌: 早期觉得是工具、数据、模型循环发展。最近一年我觉得还不够，得有硬件生态，得连接硬件。工具可能不一定是壁垒了，但模型、硬件、数据肯定还是壁垒。贴着物理世界能活，纯虚拟世界我感觉就几个巨头在卷。

数据困境：空间智能的最大挑战

陈茜: 约制空间智能发展的最现实瓶颈是数据。

黄晓煌: 目前最大问题是缺少像大语言模型那样大量的、免费的开源数据。图片文字网上扒就好了，空间数据网上没有，还有隐私版权问题。你把空间拍下来，要不要房东同意？点云数据每一个点都有三维坐标，互联网上很少。

而且难点在于信息标注。要有准确的标注信息，比如这是一个椅子。高质量的数据，全自动生成目前看起来还不够，需要很大的人工参与。有的公司要求测出摩擦力、准确质量，那就真的得去采集，成本就高了。

陈茜: 真实世界的“长尾”太长。赋予机器空间认知的底层直觉，才是悬而未决的核心难题。

未来展望：下一个五年的爆发点

黄晓煌: 今天老黄也讲了 CUDA 20 周年，我就是第一批开发 CUDA 的人。感觉人类的智慧是一层一层搭积木搭上去的。真正普及空间智能需要 3 到 5 年，但会有超乎想象的东西出现。

我很受英伟达模式的影响。方法论是先找到一个你相信一定能改变世界的东西，然后拿着“锤子”找“钉子”。英伟达做高性能计算，先用在游戏行业活下来，救了它的是挖矿，后面才有大模型。

空间智能也一样，房地产是一个非常好的赛道。只要物理世界还存在，空间智能就一定会发挥巨大价值。只要你相信有一天电脑能像人类一样在物理世界自由干活，那你就慢慢做吧，机会来了你就凑上去。

陈茜: 空间智能更像是一次必然发生的跃迁。它一定会在某些意想不到的地方先找到爆发点。只要 AI 有一天要走出屏幕，空间智能就是一个绕不过去的基础能力。