高德，做真实世界里的下一代 AI

AI 已掌握流畅的语言表达，正面临更严峻的挑战：真正进入物理世界。大模型可瞬间生成周末游览路线，却难以应对现实中的动态变量——店铺营业状态、实时排队情况、停车难题及道路施工等。现实世界并非静态文本，道路拥堵、商户迁移、人流聚散及天气变化时刻重塑着空间状态。

因此，继语言模型之后，“空间智能”成为 AI 研究的新焦点。斯坦福大学教授、World Labs 联合创始人李飞飞指出，空间智能是人类认知的基础架构，支撑着感知、推理、规划与行动。若说大语言模型是人工智能的第一阶段突破，空间智能则是下一阶段的必争高地。

大语言模型基于海量文本预测下一个词，而现实世界缺乏统一的数据形式。机器不仅需识别物体，更要理解空间结构、遮挡关系及时间维度上的动态变化。从单间房屋扩展至城市尺度，建筑、车流、人流与天气共同构成了时刻变化的三维空间。机器需回答的不仅是“这里有什么”，更是“现在发生什么”及“接下来可能发生什么”。

“世界模型”是实现空间智能的关键路径，旨在让 AI 在内部构建外部世界的模拟模型，以表达空间、推演变化并规划行动。各科技巨头对此选择了不同切入点：

李飞飞创立的 World Labs 聚焦三维空间生成与重建。其 2025 年推出的 Marble 及 2026 年发布的新一代模型 Atlas，能融合多模态信息生成可探索、可编辑的三维世界，模拟场景随时间的演变。

Google DeepMind 的 Genie 3 侧重实时环境生成，智能体在其中移动时，模型需持续生成下一帧画面并模拟环境反馈。英伟达的 Cosmos 则服务于机器人与自动驾驶，通过生成极端天气、突发事件等虚拟场景，为“物理 AI"提供低成本、高安全的训练环境。

高德则采取了独特的技术范式。作为拥有十亿级用户的 C 端产品，高德不追求从零生成世界，而是致力于理解一个已存在且持续变化的真实世界。依托长期积累的道路连接、商户分布及用户轨迹数据，高德关注的是地点的实时状态与用户的行动策略。对于生成式模型，未拍摄空间可有多种合理解；而对于导航地图，现实世界的正确答案通常唯一。

高德 CEO 郭宁将地图公司的进化定义为从“连接真实世界”迈向“理解真实世界”。前者解决抵达问题，后者解析世界的真实样貌与动态变化。高德将这种理解能力拆解为四个层级：

第一层是二维连接关系，构建包含道路、地铁、商场通道在内的巨大网络，明确地点间的空间关联；第二层是三维空间，补充建筑高度、楼层关系等物理结构，使地图从平面走向立体；第三层引入时间维度，将静态空间转化为反映早晚高峰、节假日及天气影响的时空系统；第四层捕捉现实中的“流”，通过人流、车流及用户行为数据，洞察人与空间的互动关系。

四层数据融合后，地图演变为可预测、可模拟的城市世界模型。高德空间智能技术负责人徐牧借用李飞飞的框架，将高德体系划分为渲染器、模拟器与规划器：

• 渲染器：高精度呈现三维世界，如 ABot-World 与 ABot-Earth 系列模型支撑的飞行街景；
• 模拟器：构建可计算环境，推演道路封闭后的拥堵传播或疏导措施对人流的影响；
• 规划器：结合环境观测与任务目标，生成从出行路线到机器人自主导航的行动方案。

这套体系由 MoT（Mixture of Transformers）架构协同驱动，兼顾模态内专业处理与模态间信息融合。底层依托四类核心数据：空间几何数据、空间语义数据、动态状态数据及行为交互数据。此外，高德建立了“应用 - 模型 - 数据”的反馈闭环。业务场景持续产生新需求与反馈，推动模型迭代；改进后的模型反哺场景生成与评估，为递归自我改进（RSI）奠定基础。

技术演进终将回归用户体验。高德试图将服务链条向前延伸至决策辅助，向后拓展至到达后的空间理解，重点计算信任、品味、在场感与上下文四大要素。

信任与品味：“扫街榜”重构了推荐逻辑。不同于传统依赖线上评分的榜单，2026 年的算法纳入“专程前往比例”、“回头客比例”及“本地人比例”，以真实行动验证口碑。同时引入专业评分权重，让行家用户的投票在咖啡等专业领域更具影响力，从而匹配用户的个性化品味。

在场感：“飞行街景 2.0"将固定视角升级为自由探索。用户可调整位置、角度与高度，提前预览目的地及周边环境，将二维坐标转化为具象的空间感知，解决陌生区域入口难找、环境不明的问题。

上下文：“避雷指南”综合营业时间、行程节奏、天气及停车状况，对计划进行动态核验，确保推荐在当前时空下依然可行。

行动接管：“导航 Live"标志着导航从静态寻路向全旅程陪伴的跨越。它能理解“顺路、人均 200 元、营业中”等复杂自然语言指令，基于动态时空上下文，将摄像头捕捉的现实画面与路网数据精准对应。画面中的建筑不再是像素，而是带有通行属性的具体地标，实现从视觉感知到行动规划的闭环。

扫街榜、飞行街景等功能仅是起点。未来，用户无需在不同功能间切换，系统将演变为一个始终知晓用户位置、意图及潜在风险的“空间智能体”。

郭宁认为，这是一次能力范式的变革。地点价值不再是固定分数，系统需在具体的人、时间、偏好约束下，判断“此刻是否适合”。一次出行被视为连续的行动序列，前一个选择直接影响后续状态。用户将从发出一连串短指令，转变为交付一个长程意图，由 AI 统筹规划并动态调整。

高德的角色也随之转变：从被动工具进化为主动工作的智能体。这一能力可迁移至汽车、智能手表、眼镜及机器人等多终端，解决数字意图在物理世界执行的核心问题。然而，介入现实越深，对准确性与可信度的要求越高。高德需在展现能力的同时保持克制，通过无数次真实行动的检验，构建稳定、连贯的空间智能体验。