一、空间智能是通向高阶行动智能的必备能力
纵观上世纪90年代初至今近40年的人工智能发展历程，连接主义（神经网络）始终是其演进的主干：从计算智能起步，历经感知智能爆发，跨越到认知智能的思维涌现，如今正向行动智能发起冲刺。行动智能指软/硬件智能体（Agent、机器人等）能够在数字世界/物理世界中进行规划、决策与执行，进而形成“感知–认知–行动”的闭环。只有当行动智能真正成熟时，人工智能才能摆脱人工，走向真正的“自主智能”。
在此演进中，符号主义、行为主义为连接主义主干持续赋能：符号主义（基于规则的专家系统、知识图谱等）为连接主义提供结构化知识与逻辑约束；行为主义则通过强化学习等，在大模型对齐和推理增强中发挥重要作用。
当前，人工智能在行动智能早期形态上已取得不错进展，但大多发生在近似2D空间中。如：不依赖高精地图的自动驾驶，虽运行在真实3D世界中，但其决策层多采用基于车道平面和简化障碍物表征的2D规划；各类软Agent/Agentic AI则主要在屏幕界面、DOM（Document Object Model）结构或工具调用序列这样的“扁平空间”中执行操作。
在高维的行动场景中，如大量物流无人机在复杂环境中的自由飞行、具身机器人对柔软与刚性物体的灵巧抓取与装配，或数字分身在虚拟3D世界中的自主探索与创造等，现有系统普遍缺乏对3D空间的深层次理解。推动行动智能从2D操作向3D空间、4D时空自主行动的跃迁，需要人工智能在计算智能、感知智能和认知智能都完成从1D/2D向3D/4D的整体升维演进。
空间智能是人工智能实现高阶感知、认知到行动的必备能力，是通往通用人工智能（AGI）的关键拼图。空间智能并不是替代计算智能、感知智能与认知智能，而是推动它们在时空维度上实现能力整体跃迁的关键驱动力，也是行动智能从“二维熟练工”走向“高维自主体”的必要前提。
二、空间智能概念、核心问题与关键技术
1. 空间智能概念
本文探讨的空间智能指机器在人工智能加持下，于三维空间和四维时空中实现感知、推理、决策到行动的能力。下图右侧的AGI能力模型中，视觉能力与空间智能可部分映射。需特别说明，地理空间人工智能（Geo-AI）、时空智能（Spatial-Temporal Intelligence）和智慧家庭解决方案相关的空间智能等概念，均不在本文讨论范围内。
与空间智能密切相关的概念还包括空间计算（Spatial Computing）和具身智能（Embodied Intelligence）。空间智能可视为空间计算与人工智能的结合部，它丰富了空间计算的范畴；同时，机器人要在物理空间自主行动离不开空间智能，空间智能正是具身智能发展的重要支撑。
2. 空间智能核心问题与关键路径
空间智能要解决的核心问题是如何让人工智能在具备感知、推理、决策和行动的初阶基础上，增强对3D空间/4D时空的感知、推理、决策和行动能力。关键路径可分为两类：
路径a：构建全新的世界模型（World Models），能够在语义、物理、几何与动态等多重复杂世界（无论虚拟还是现实）中进行理解、推理、生成与交互，进而实现空间智能。路径a需要世界模型能够生成在感知、几何与物理层面保持一致的模拟世界，可处理多种形式的输入，能够根据输入的动作生成下一个世界状态。技术路线具备颠覆性，但目前尚缺少有影响力的成果来确认方向的有效性，存在较大不确定性，需持续观察研究。
路径b：在多模态大模型（MLLMs）、视觉语言模型（VLM）基础上增强3D能力、Action能力，以强化空间理解与行动能力。在Google SpatialVLM等众多研究中，多为利用MLLMs/VLM进一步挖掘视频或图片中的空间语义，完善数据集能力，训练仍以一维表征为基础的新模型来增强空间理解能力。在行动（Action）能力拓展上，通过在VLM基础上构建视觉-语言-动作模型（VLA），包括自回归、Action去噪、Transformer扩散（DiT）等方式，来驱动机器人行动。路径b基于相对成熟的MLLMs/VLM来探索空间智能，路径明确、风险较低。但当前底层一维表征是否能很好适应四维时空的理解与生成；模型是真正理解空间，还仅仅是“碰巧”，仍不明确。最终能否真正实现空间智能，仍需更多的探索和试验。
三、空间智能典型应用场景
● 场景一：具身智能与通用机器人
这是空间智能最重要的物理落地场景。空间智能通过构建和利用世界模型，解决机器人训练数据匮乏的瓶颈，让机器人在海量虚拟交互中学习，从而培育出能适应复杂真实场景、具备泛化能力的机器人。这使得机器人能够走出受限场景的围栏，进入家庭、医院等，执行整理房间、护理病人等复杂任务，真正弥合数字大脑与物理行动之间的鸿沟。
● 场景二：交互式3D世界生成与内容创作
空间智能将重塑数字内容的生产方式。不同于传统的3D建模，新型模型的生成能力允许用户通过自然语言描述，直接构建具有几何一致性、物理属性和语义逻辑的完整且自洽的3D场景。在游戏开发、影视特效及元宇宙构建中，创作者可瞬间生成可交互的虚拟环境，极大降低从创意到资产的转化门槛。
● 场景三：工业数字孪生与生成式设计
在建筑、制造与工业设计领域，空间智能能提供基于物理法则的仿真沙盒。设计师可以在虚拟空间中预演复杂的装配流程或测试建筑结构的稳定性，实现“所见即所用”。这种对空间关系的深度推理能力，能够大幅缩短原型验证周期，减少现实世界中的试错成本。
● 场景四：赋能科研、沉浸式教育
在科研领域，空间智能可以构建高精度多维模型，用于模拟实验、并行验证假设、探索深海或外太空等极端环境，重塑科研范式。在教育领域，能使抽象知识（如细胞结构、历史事件）转化为可感知、可交互的沉浸式体验，实现与人类认知机制深度契合的情境化学习，提升从基础教育到专业技能培训的效能。
四、空间智能产业洞察与建议
空间智能作为近两年兴起的方向，正处于从技术突破向早期产业化过渡的“前夜时刻”。虽然大规模商业闭环尚未完全形成，但“政策指引方向、初创突破边界、巨头夯实生态”的产业格局已浮现。预期未来三年，空间智能将迎来其“ChatGPT时刻”。空间智能是通往AGI的下一个前沿，为人工智能开辟了全新方向。面向未来，中国必须在“产、学、研、用”各环节凝聚共识、形成合力，才能有效推进空间智能技术与产业的尽早成熟。唯有各界携手并进，中国方能在新一轮AI竞争中立于不败之地。
来源：李特整理；免责声明：引用会标注来源，内容仅代表作者个人观点，版权归原作者或出版社所有，不对所涉及的版权问题负法律责任，如有侵权，请联系删除。