重建真实世界的愿景
文/VR陀螺
一年前，在将《Pokémon GO》等游戏业务以35亿美元的价格出售给Scopely之后，Niantic完成了一次关键转身，从一家以AR游戏闻名的公司，转向空间智能基础设施的建设者。随后Niantic创始人John Hanke就带着项目核心团队，借助Scopely2.5亿美元的融资，成立了Niantic Spatial公司。
最近该公司也进行了关键的人事调整：前IBM高管Inhi Cho Suh出任首席执行官，John Hanke则从一线运营转向战略层，担任执行董事长，据称这一调整并非退居幕后，他仍会继续处理公司事宜。
在完成战略重构之后，Niantic Spatial现在正式推出Scaniverse与VPS 2.0，试图将过去积累的AR能力，转化为面向空间智能时代的基础设施。
01
AR眼镜和AI，还需要一张“真实世界地图”
Niantic Spatial首席科学家Victor Prisacariu曾用“定位”两个字概括公司的核心能力，在他看来，虚拟地图真正需要服务的对象，并不是单一用户，而是两类截然不同的使用者：人，以及机器。
但问题在于，在生成式AI快速发展的当下，AR眼镜和AI机器人还需要地图吗？Niantic Spatial给出的答案是否定的。
他们认为，当前的视觉AI，确实已经能够理解图像内容，并用语言对其进行概括性描述（例如“一条有商店和交通信号灯的城市街道”），甚至可以将图像与GPS位置信息关联起来。但GPS信号往往很不稳定，其定位的误差可能高达半个街区。
在日常操作的实际情况中，AI的这种理解通常是语义层面的，而不是空间层面的，AR眼镜和AI机器人需要的远不止是泛泛的描述，而是需要精确的空间信息。
Niantic Spatial选择通过Scaniverse等工具，让用户参与构建一个持续更新的3D世界地图。与传统依赖街景车采集的地图不同，这种方式可以覆盖更多“无法被工业化采集”的场景，从而逐步拼接出一个更完整的现实世界数字副本。
这家公司的判断是：当前的AI已经能够理解文本、代码和图像，但它仍然缺乏对真实世界的理解，包括具体的地点、空间关系以及影响现实决策的上下文。
因此，他们试图构建的并不是一张传统意义上的地图，而是一种能够被机器理解和调用的“空间智能系统”，让从AR眼镜到AI机器人在内的各类智能设备，真正具备理解物理世界的能力。
02
不同于世界模型的路径
在语言模型让AI具备推理与生成能力之后，业界正竞相构建能够最终理解和预测物理世界本身的模型。为了弥合数字智能与现实世界之间的差距，像谷歌DeepMind、World Labs、英伟达等公司都在开发世界模型，希望让AI不仅能生成内容，还能预测和模拟现实世界的运行方式。
但Niantic Spatial选择了一条明显不同的路径，比起生成一个合理的世界，还原一个真实的世界更具有现实意义，其成果便是“大型地理空间模型”（LGM）。Victor Prisacariu进一步解释世界模型和LGM之间的区别：
“许多其他世界模型旨在从通用意义上了解世界的运作方式。例如，它们可能根据环境预测行为，或根据文本生成通用房间。这些生成的环境虽然可能具有一定的真实性，但并非实际存在的具体地点。”
“但如果将LGM比作世界模型可能更加通俗易懂：它通过捕捉高度具体的局部信息，以神经方式描述世界本身。其核心功能是描述具体的、现实世界的地点。它专注于世界的特定区域，从而在精确的上下文中实现定位、重建和语义理解等功能。因此，它更像是一个“全局局部”模型，具有地域性，并且不同于描述世界运作方式的通用世界模型。”
图源：Niantic Spatial
这种差异，也决定了两条路线的应用方向：世界模型更偏向内容生成与模拟，而LGM则直接服务于现实世界的交互需求，例如空间规划、物流调度、导航辅助以及远程协作等场景。LGM的工程量极为庞大，这或许也是Niantic选择出售《Pokémon GO》等游戏，以获取更多资金专注开发的原因。
围绕LGM，Niantic Spatial构建了一整套空间技术体系，包括：视觉定位系统（VPS）、采用高斯散射技术的先进3D扫描和可视化功能Scaniverse，以及一套开发者SDK，主要服务于行业B端客户。
在数据与模型规模上，Niantic Spatial也在试图建立壁垒：其VPS系统基于超过5000万个神经网络训练，总参数规模达到150万亿，覆盖全球超过一百万个地点。
更关键的是，这一模型并非基于文本或2D图像，而是建立在来自数百万地点、数百亿张图像所构成的3D空间数据之上。这意味着，它本质上是在构建一个真实地理空间级别的基础模型，而不是单点的AI能力。
一旦与AR眼镜等终端结合，这类模型的价值将被进一步放大，它不仅可以为用户提供导航与信息查询，还能够基于具体位置给出上下文相关的推荐与交互，引导用户以“空间”为入口理解周围环境。
从更宏观的视角来看，这也反映了AI发展的一个清晰路径：从最初的语言理解与生成（文本模型），到对图像与视频的解析（2D视觉模型），再到如今开始探索对三维空间的建模（3D模型）。而LGM正是这一演进路径中，最直接连接数字世界与现实世界的一环。
03
从技术到生态，Niantic Spatial扩大“朋友圈”
谁会用Niantic Spatial这套空间智能体系？
从目前的合作版图来看，Niantic Spatial正在同时切入三个层面：消费级入口、行业应用，以及内容与体验。这三者分别对应规模、商业价值与场景想象力，也构成了其空间智能体系落地的关键路径。多年《Pokémon GO》的AR开发经验积累使得Niantic Spatial更坚定了在AR内容领域的发展道路。
消费级入口：以Snap AR眼镜切入
Niantic Spatial选择与Snap深度绑定。双方签署多年战略合作协议，共同构建基于AI的真实世界地图，并将其作为AR眼镜与AI代理理解现实世界的基础层。
这一合作并非从零开始。早在2024年，Niantic就曾将AR虚拟宠物《Peridot》带到Snap的Spectacles眼镜上。随着新一代消费级AR眼镜Specs推进，两者的合作进一步深化：Niantic Spatial的扫描与VPS能力将被整合进Lens Studio、Snapchat以及眼镜端设备中。
Spectacles实拍
不仅如此，两家公司还以搭载Hume AI的AR虚拟宠物开启了名为“Project Jade”的AR导览体验项目实验，参与体验的用户可以在指定区域内，通过Spectacles眼镜与虚拟宠物“Peridot”进行自然的对话，介绍景点、推荐店铺，甚至还能指出附近可休息的长椅。
该项目的不断推进还令其解决了一大问题：教会虚拟伙伴理解物理空间中无形的规则，确保它能够智能地在空间中导航，避免穿墙或进入禁区。这意味着，其空间能力将直接触达Snap约40万开发者与9亿级用户规模的内容生态。
就在4月23日，Niantic Spatial宣布，“始终在线的AR体验是技术要求最为严苛的领域之一，要使其大规模、长期稳定运行，需要巨大的投入。”因成本问题，AR虚拟宠物手游《Peridot》即将下架并关闭服务器，仅保留适用于Meta Quest 3和Apple Vision Pro的《Hello, Dot》，和适用于Snap Spectacles（第五代）的《Peridot Beyond》。
推动技术标准建立：加入Khronos Group
Niantic Spatial选择加入Khronos Group，参与推动3D内容格式（如glTF）的发展，尤其是高斯溅射在地理空间场景中的应用。这一步的意义在于：一旦空间数据成为新的基础设施，其格式与标准将直接决定生态主导权。
Scaniverse功能演示
而高斯溅射是一种新型渲染技术，有望彻底革新3D场景的创建和显示方式，能够更精确地捕捉真实世界物体的复杂性，包括透明度和视角相关的效果。这使得渲染出高度逼真、照片级真实感的3D场景成为可能，并且可以实时渲染。
行业应用：验证MR开发、娱乐到工业的空间智能价值
在行业应用层面，Niantic Spatial的合作覆盖多个高价值场景，其核心目标是验证空间智能在现实世界中的可行性：
Meta Quest 3实拍
-
在工业与公共安全领域，与Aechelon Technology合作，为美国海岸警卫队（USCG）构建高精度3D环境模型，用于训练与任务模拟； -
在物流与机器人领域，与Coco Robotics及Vantor合作，使AI机器人在GPS受限环境下实现精确导航并成功送货； -
在空间计算与开发侧，通过SDK接入Meta Quest 3，支持室内导航、语义理解与环境建模等能力。
这些案例的共同点在于它们都对空间精度有极高要求，也最能体现LGM与VPS的实际价值。如果这些场景能够跑通，空间智能才开始真正具备商业化基础。
小岛工作室AR演示
在内容与体验层面，Niantic Spatial也在尝试打开空间智能的想象空间。例如与Meow Wolf合作探索线下沉浸式叙事，与育碧等合作推出城市级《刺客信条》XR体验，以及与小岛工作室团队尝试将游戏体验映射到现实世界。
相比工业场景，这类AR娱乐合作的商业价值尚未完全明确，在消费级体验与内容创新层面，仍然处于一片有待开发的蓝海。随着AR眼镜等终端逐步普及，以真实空间为载体的内容形态，有可能成为下一阶段XR的重要增长点。
04
写在最后
过去十年，《Pokémon GO》为其积累了海量真实世界数据，但这些数据在当时更多服务于游戏体验；而随着多模态AI与空间计算的发展，这些数据开始具备新的价值，成为训练空间模型的关键资源。
在XR与AI的交汇点，竞争的关键在于谁能构建更底层的能力，Niantic Spatial在赌一个未来，不是押注某一款现象级应用的诞生，而是押注一套能够被所有设备调用的现实世界接口：当智能设备能够稳定、精确地理解空间，应用形态将不受限于单一终端或内容形态，AR眼镜、AI机器人乃至更多设备，都可以基于同一套空间能力进行调用与扩展，才有可能真正走向大规模落地。
陀螺研究院热门报告
推荐阅读
