当人工智能开始进入建筑、能源、机器人、工业和城市运行系统，真正困难的问题已经不再只是模型是否足够聪明。
模型可以理解文本、识别图像、预测趋势、生成方案，也可以提出越来越复杂的行动建议。但现实世界并不会因为模型给出了正确答案，就自动发生正确变化。
在真实空间中，任何一次行动都必须继续回答：
它针对的是哪个真实对象？
对象当前处于什么状态？
谁有权提出这项行动？
谁批准执行？
哪一个专业系统真正负责物理动作？
结果是否真的发生？
有什么证据？
使用什么规则验证？
失败、超时和人工接管如何被记录？
最终什么能够成为可信事实？
因此，AI进入真实世界的核心矛盾，不只是“智能是否足够强”，而是：
概率性的智能判断，如何进入一个对象明确、权限明确、执行路径明确、结果可验证的现实体系。
SG所试图回答的，正是这一问题。
一、SG不是新的空间名词，而是新的对象判断
SG，Spatial Granule，空间颗粒。
它的意义不在于为房间、设备、构件或区域重新命名，而在于提出一种新的对象资格：
什么真实实体，能够成为AI、数字平台和专业系统共同识别、治理、执行和验证的基本对象？
一个BIM构件可以被建模，但未必可以被独立执行。
一个设备点位可以被读写，但未必代表完整的业务对象。
一条数据库记录可以存在，但未必对应持续存在的真实实体。
一个模型Token可以参与推理，但不能自动取得对现实对象的控制资格。
因此：
数字存在
≠
对象资格
模型识别
≠
真实对象确认
设备地址
≠
业务执行对象
数据记录
≠
执行事实
SG要求一个候选对象至少具有明确边界、稳定身份、可判定状态、可声明能力、可治理权限以及可验证结果。
它不是“系统里有一条记录”，而是：
这个真实对象能否无歧义地贯穿状态、意图、授权、命令、专业执行、Evidence、QC和事实记录。
SG的第一项时代价值，是把“对象”从数字模型中的表达单位，提升为真实执行中的责任单位。
二、历史上的基础创新，首先统一的都是基本单元
真正改变时代的基础创新，往往并不直接表现为一个终端应用。
国际单位制没有制造某一台机器，却统一了世界如何测量。
标准集装箱没有生产货物，却统一了货物如何跨越船舶、铁路、港口和卡车流动。
URI和互联网协议没有规定网络中存放什么内容，却解决了数字资源如何被识别、寻址和连接。
GS1没有替代制造企业和物流企业，却为产品、位置、资产和物流单元建立了跨组织识别能力。
BIM和IFC没有负责现场控制，却使建筑第一次能够以机器可理解的对象形式被表达和交换。
OPC UA没有取代工业设备和专业控制系统，却为不同平台之间的工业互操作提供了共同结构。
这些创新背后存在同一条规律：
先定义共同对象、共同边界或共同接口，再形成大规模协作网络。
SG所处的位置，正是这些基础创新在AI物理世界时代的交叉点：
URI式的对象寻址
+
GS1式的身份连续
+
IFC式的对象语义
+
集装箱式的接口稳定
+
OPC UA式的专业系统协同
+
Evidence / QC式的事实验证
但SG进一步提出了一个此前尚未被这些体系共同解决的问题：
一个真实对象在什么条件下，才有资格接受受治理的数字执行？
三、AI需要的不只是世界模型，还需要世界作用模型
当前AI发展的主线，主要围绕世界如何被理解。
模型学习语言、图像、声音、空间关系和行为模式，逐步形成更强的世界模型。世界模型能够回答：
当前发生了什么；
接下来可能发生什么；
哪一种方案更合理；
应当采取什么行动。
但“应当采取行动”与“可以在现实中执行”之间，存在一条尚未被充分定义的链条：
AI Judgment
→ Intent
→ Object Confirmation
→ Identity
→ Authorization
→ Policy / Safety
→ Capability
→ Command
→ Professional Execution
→ Evidence
→ QC
→ Fact Record
世界模型回答的是：
世界可能怎样变化？
SG需要回答的是：
哪一个真实对象，可以依据什么规则，被谁通过什么专业系统改变？
这意味着，SG并不要求AI变成绝对正确的系统。
AI可以继续保持概率性，可以提出多个候选判断，也可以犯错。但执行不能保持模糊。
现实执行必须具有确定的：
对象；
身份；
状态；
权限；
能力；
安全条件；
执行路径；
Evidence；
QC结果；
责任主体。
所以，SG的作用不是消除AI的不确定性，而是阻止不确定性未经治理直接进入现实。
四、确定性执行，不等于每次执行都成功
“真实空间确定性执行”最容易被误解为：系统每一次都能成功完成动作。
这不是Kamitu.ai所讨论的确定性。
物理世界永远存在扰动：
设备可能离线；
网络可能超时；
传感器可能失真；
对象状态可能已经变化；
专业系统可能拒绝命令；
Evidence可能不足；
QC可能失败；
人工可能需要接管。
因此：
确定性执行
≠
结果永远成功
真正的确定性是：
无论成功、失败、部分完成、超时、被拒绝、证据不足还是人工接管，系统都能够确定地说明发生了什么。
它至少包括：
对象确定
+
身份确定
+
状态确定
+
权限确定
+
能力确定
+
执行路径确定
+
结果可观察
+
Evidence可追溯
+
QC可复算
+
失败可保留
+
责任可定位
+
事实可版本化
因此，确定性不是对结果的乐观承诺，而是对过程和事实的结构化约束。
这比“接口返回success”严格得多。
接口成功可能只说明命令已经被接收；设备成功可能只说明某个控制器返回了正常码；系统页面显示完成，也可能只是业务流程状态发生了变化。
它们都不能自动证明：
作用的是正确对象；
真实动作已经发生；
目标状态已经形成；
安全条件没有被破坏；
Evidence足够；
QC已经通过。
确定性执行关心的不是系统说了什么，而是现实究竟发生了什么。
五、从设备控制转向真实对象状态变化
传统自动化通常以设备为中心：
调用空调接口；
打开照明回路；
写入PLC参数；
移动机器人；
修改控制器状态。
但业务真正关心的，通常不是一个设备接口有没有被调用。
业务关心的是：
房间是否完成节能运行；
工作面是否达到交付条件；
能源区域是否实现负荷调整；
生产单元是否完成规定过程；
机器人作业区是否安全恢复；
设备故障是否真正被排除。
这意味着，现实执行的中心不应只是Device Point或API，而应是能够承载完整业务和空间语义的真实对象。
例如：
Room SG
State Before：
无人，空调开启
Intent：
降低非必要能耗
Authorization：
运营策略允许
Professional Execution：
BMS关闭空调
State After：
空调关闭
Evidence：
设备回执、环境遥测、时间记录
QC：
确认执行成功且未破坏安全条件
Fact：
该房间在规定时段完成节能执行
在这一结构中，空调设备依然重要，BMS依然负责专业控制，传感器依然负责观察。
但它们共同服务于一个更高层的真实对象事实：
这个房间是否完成了被授权、可验证的状态变化。
SG由此推动执行逻辑从“调用一个设备”，转变为“完成一个真实对象的受治理变化”。
六、SG的核心价值，是把可信从社会判断变成计算结构
现实系统中的可信，传统上主要依赖：
品牌；
专家经验；
组织信用；
人工签字；
项目经理判断；
长期合作关系；
供应商承诺。
这些机制不会消失，也不应被简单否定。
但它们存在一个共同问题：可信很难被跨系统复用，也很难被机器独立验证。
一份截图可能来自正确系统，也可能来自错误对象。
一份报表可能数据真实，也可能使用了错误版本。
一次人工签字可能基于充分检查，也可能只是流程性确认。
一个供应商说“已经完成”，第三方仍然难以复算。
SG所代表的方向，是把可信的一部分转化为可计算结构：
可信对象
+
可信身份
+
可信状态
+
可信授权
+
可信执行
+
可信Evidence
+
可重复QC
+
可追溯版本
这不意味着机器替代所有人的判断，而是让判断具备更稳定的依据。
未来接受一个结果，不再只是因为：
某个系统、某个企业或某个专家说它成功了。
而是因为：
对象、状态、授权、执行、Evidence和QC共同支持这一结论。
这就是“把可信变成可计算结构”的真正含义。
七、从运行日志进入执行事实
现代数字系统已经产生了大量日志。
但日志通常只是某个系统对自身行为的记录。
它能够证明：
某个系统在某个时间写入了一条信息。
却不一定能够证明：
信息对应哪个真实对象；
当时对象处于什么状态；
行动是否经过授权；
专业系统是否完成物理执行；
结果是否被独立观察；
Evidence是否完整；
QC是否支持结果；
责任应该如何划分。
因此：
Log
≠
Evidence
Device Success
≠
Physical Success
Evidence
≠
QC PASS
QC PASS
≠
自动形成法律终局结论
真正的执行事实，应当包含：
Object
+
State Before
+
Intent
+
Identity
+
Authorization
+
Policy
+
Capability
+
Command
+
Professional Execution
+
Result Event
+
State After
+
Evidence
+
QC
+
Responsibility
+
Version
只有完成这一闭环，数据才可能从普通运行记录升级为：
履约事实；
工程交付事实；
运维执行事实；
能源绩效事实；
服务完成事实；
故障责任事实；
AI决策反馈事实。
八、从主观验收进入可重复验证
大量现实项目中的验收，仍然依赖截图、报表、人工签字、供应商说明和现场经验。
问题不在于人工验收没有价值，而在于结果往往难以重复。
不同复核者可能依据不同资料、不同口径和不同版本得出不同结论。
SG闭环所推动的验收语言是：
提交真实对象清单
+
提交UID与外部ID映射
+
提交State Before / State After
+
提交Authorization Record
+
提交Command与Result Event
+
提交Evidence Manifest
+
使用指定QC Profile复算
+
形成版本化Fact Record
验收由此从：
相信项目方已经完成。
转向：
任何获得授权的复核者，都可以依据相同对象、相同Evidence和同一版QC规则重新判断结果。
这类可重复验证能力，是技术进入采购、合同、结算和责任体系的前提。
当对象、Evidence、QC和Fact Version真正进入招标文件、交付清单和验收表，SG才不再只是一个研究概念，而开始成为制度基础设施。
九、从项目数据进入AI最稀缺的反馈数据
互联网时代的大量数据，记录的是：
人如何描述世界；
文档如何表达知识；
社会如何讨论问题；
图像如何呈现现实。
但AI进入物理世界后，最稀缺的数据不是更多描述，而是真实行动的后果。
执行事实数据需要记录：
谁提出了什么Intent；
针对哪个真实对象；
对象当时处于什么状态；
是否获得授权；
采取了什么行动；
哪一个专业系统执行；
真实世界发生了什么变化；
什么Evidence支持结果；
QC是否通过；
哪些路径失败；
何时进入人工接管。
它形成的不是简单日志，而是一组具有因果和责任上下文的数据：
Object
+
Context
+
Decision
+
Authorization
+
Action
+
Physical Consequence
+
Evidence
+
Evaluation
+
Failure
这类数据才有可能真正服务于：
行业AI评估；
Agent反馈；
世界模型学习；
具身智能反馈；
规则优化；
Failure Analysis；
人工接管策略改进。
因此，SG不只是一个执行对象理论，也可能是未来高质量物理世界反馈数据的生成基础。
其数据飞轮是：
SCENARIO
→ EXECUTION
→ FACT
→ EVALUATION
→ MODEL / RULE IMPROVEMENT
→ BETTER EXECUTION
十、从技术动作进入经济事实
一个技术动作只有能够被验证，才可能稳定地连接商业结果。
可验证执行
→ 可验证交付
→ 可验收
→ 可结算
→ 可追责
→ 可评价
→ 可形成信用
当执行事实能够稳定形成，它可能进一步支撑：
按真实结果结算；
根据事实确认履约；
自动生成可复核交付记录；
降低多方争议成本；
设备运维SLA；
节能效果核算；
售后责任判断；
保险风险评价；
融资和资产信用评价。
这并不意味着SG定义完成后，这些价值就会自动出现。
从理论到经济制度，中间仍然需要：
Core Specification；
Machine Schema；
Connector；
真实Pilot；
Evidence规范；
QC Profile；
第三方复核；
采购与验收采用；
权利和责任规则。
但SG至少提出了一个明确方向：
技术系统不仅要执行动作，还要能够证明动作对正确对象产生了可接受的真实结果。
十一、从平台集成进入协议生态
过去的数字化体系，常常依赖大型平台把所有系统接入自身内部对象模型。
所有系统
→ 接入同一平台
→ 使用平台内部对象
→ 依赖平台内部规则
这类模式可以形成强大产品，但也容易产生：
平台锁定；
对象语义割裂；
项目定制难以复制；
专业系统责任模糊；
外部验证困难。
SG所追求的并不是再建设一个更大的中心平台。
它更接近一种协议生态：
不同平台保持独立
+
不同专业系统保持专业责任
+
通过共同对象与执行事实协同
在这一体系中：
BIM继续表达建筑；
BMS继续负责设备控制；
PLC继续负责实时逻辑；
机器人系统继续负责运动和安全；
业务系统继续负责流程与目标；
Kamitu.ai负责对象连续、执行治理与事实闭合。
真正的基础设施价值不在于占有所有系统，而在于让不同系统不必消失，也能够形成可信协作。
历史上的集装箱、互联网协议、GS1、IFC和OPC UA，都遵循了这一逻辑：
伟大的基础标准不是消灭差异，而是让差异能够协同。
十二、SG的时代位置，仍需要被真实验证
SG目前不应被直接描述为：
下一代TCP/IP；
已形成国际标准；
已经等同IFC；
已被全球产业采用；
已形成成熟认证和治理体系。
当前更准确的判断是：
SG提出了一个可能具有基础设施意义的问题，并形成了初步对象理论，但它的时代地位仍需要通过规范、真实执行、跨项目验证和开放治理逐步证明。
其发展路径至少包括：
对象理论形成
→
Core Specification与Machine Schema
→
真实Connector和有限Pilot
→
跨系统、跨项目验证
→
Evidence与QC可重复复算
→
采购和验收语言采用
→
Namespace与Conformance治理
→
跨行业和跨国Profile
只有走完这条路径，SG才可能真正从一个原创理论，成为AI进入物理世界的公共基础设施。
结论
SI统一了世界如何测量。
集装箱统一了货物如何跨系统流动。
互联网协议统一了信息如何被寻址和传输。
GS1统一了实体如何被识别和追踪。
IFC统一了建筑如何被数字表达。
OPC UA推动了专业设备与工业系统之间的互操作。
而SG试图继续回答：
当智能开始作用于现实，什么东西可以成为行动对象，什么行动可以被允许，什么结果能够被相信？
SG的真正时代意义，不是多提出一个数字空间概念，而是试图建立一种新的现实运行秩序：
现实空间
从不可计算的复杂现场
→
成为可识别、
可授权、
可执行、
可验证、
可追溯、
可结算的
协议运行环境
所以，“把可信变成可计算结构”，不是让机器决定一切，也不是把所有信任替换成算法。
它意味着：
让每一次进入现实的智能行动，都拥有明确对象、明确权限、明确执行路径、明确证据和明确事实状态。
互联网让信息能够确定性传输。
SG试图让智能意图在治理与验证约束下，确定性地进入真实世界。
当Evidence与QC真正完成闭环，真实空间将不再只是被数字系统描述、监测和控制的环境，而可能成为：
持续产生可信执行事实的基础设施。
