(网经社讯)过去十年,AI完成了从“读懂和生成语言”到“初步理解并推演世界”的第一次大跨越——走向物理AI。WorldLabs联合创始人兼首席执行官(拟任AMD执行副总裁兼首席科学家)李飞飞将下一阶段的跃迁概括为“从Words到Worlds[1]”——AI将从处理文本、图像和代码等数字信息,走向能够感知、理解、推理并与三维世界交互的空间智能。今天基于海量文本、图像和视频训练的大模型,已经在数字世界中展现出强大的语言理解、内容生成和模拟能力;但当物理AI真正走出屏幕,进入家庭、商业、道路和工厂时,它面对的将不再是“生成一个合理答案”,而是一个完全不同的问题——“如何在真实世界里做出正确动作”。
我们认为,当前空间智能相关能力正沿多个赛道落地,孕育独立的商业价值池,主要包括世界模型与生成式AI、具身智能、影视娱乐、文旅文博与泛测绘。首先,在世界模型与生成式AI及具身智能赛道,空间智能为机器人预训练、后训练及效果验证、世界模型与生成式AI的搭建,提供真实三维空间数据,让AI在执行物理动作前,就能理解并模拟、预测现实世界。摩根士丹利预测,2050年人形机器人市场规模将达到约7.5万亿美元[2]。其次,在影视娱乐赛道,空间智能正落地院线影视、AI生成影片以及广告、音乐、游戏等内容生产环节。通过构建稳定三维场景与空间关系,该技术能够提升跨镜头画面一致性、镜头可控性与数字资产复用效率,全面提升消费者的媒体体验,并有望赋能规模约2.8万亿美元的全球媒体与娱乐产业[3]。在文旅文博与泛测绘赛道,空间智能已应用于沉浸式体验打造、文化遗产三维数字化、场馆数字孪生与智慧运营,实现建筑、文物与场馆的高精度存档、动态更新与反复复用,并催化出立体导航的全新应用。借助真实空间数字化、3D重建与数字资产建设能力,空间智能有望推动文博机构由单点数字化应用向系统化数字资产建设与长期运营转型,提升文化遗产数据的持续积累、跨场景复用与管理效率。典型案例如大英博物馆。其于2023年宣布,计划在五年内新增或完善约240万条藏品线上记录[4];其后发布的年报显示,整个藏品记录与数字化计划的预算为1000万英镑[5]。
当前产业的核心矛盾非常突出:支撑行业生态基础的三维空间数据仍极度稀缺,行业普遍陷入“模型超前、数据供给滞后”的状态。物理AI进步的核心限制从来不只是电力、算力、存储或模型,而是高质量的三维空间数据。
这正是本白皮书的核心判断:空间智能,正是构建AI与物理世界的3D桥梁。谁能持续稳定,且规模化地提供高质量、多模态的三维空间数据,谁就掌握了下一阶段空间智能的话语权,谁就有机会撬动数万亿美元级的新市场

























.png)


