在浩瀚的人类认知旅程中，视觉无疑是开启世界奥秘的重要窗口，承载着约八成人类知识的获取。回溯至约5.4亿年前的寒武纪，达尔文在《物种起源》中描绘了一个光怪陆离的时代，那时，拥有单个感光细胞的生物体初次亮相，视觉能力的诞生被视作生命大爆发的催化剂。这一能力不仅促使生物变得更为积极主动，还推动了神经系统的进化，视觉转化为洞察力，加速了生物进化的步伐。
如今，在人工智能的浩瀚星空中，图像和视频模型与大型语言模型的出现犹如璀璨星辰，预示着AI在视觉领域的无限潜力。然而，这仅仅是人工智能宏伟篇章的序章，一个更广阔的领域——空间智能，正逐步浮出水面，成为人工智能从二维迈向三维世界的金钥匙。空间智能不仅要求AI能“看见”世界，更要理解并与之互动，实现从视觉识别到真正理解和操作现实世界的飞跃。
被誉为“AI领域领航者”的李飞飞教授，在她的首次创业之旅中毅然选择了空间智能作为航向，这一决定迅速在行业内掀起了波澜。在2024年TED温哥华大会上，李飞飞发表演讲，将空间智能定位为人工智能发展的下一座里程碑。她指出：“机器视觉远远不够，视觉需转化为洞察，看见需深化为理解，理解则驱动行动，这是所有具备空间智能生物的天性。”
传统的人工智能大模型，如我们所熟知，擅长处理文本、语音、图像和视频等数据，但对于机器人而言，理解空间坐标、定位自身、精准抓取目标才是其核心任务。空间智能与现有AI技术的本质区别，在于它赋予了机器在三维空间中的感知、理解和交互能力。这不仅仅是像素从2D到3D的跃升，更是人工智能模型从抽象到具体、从平面到立体的全面进化。
尽管OpenAI的Sora模型已能实现文本生成视频，但其本质仍为二维模型，缺乏三维理解能力。空间智能的加入，将使AI能够看见、感知、理解世界，并自主行动，形成闭环。而实现这一跨越的关键，在于构建“世界模型”，赋予机器类似人类的“灵性”。
世界模型，一个源自对人类和动物理解世界机制的深刻洞察，旨在通过模拟内部环境，使AI能够预测外部变化，做出适应性决策。它包含六个模块：配置器负责执行控制，感知模块理解当前状态，世界模型预测未来，成本模块评估决策，行动模块规划行动，短期记忆模块追踪状态和成本。这一模型通过无监督学习，从未标记数据中提取知识，无需明确指示即能理解世界动态。
在强化学习领域，世界模型已展现出非凡潜力。通过模拟环境，AI不仅能“想象”执行动作的后果，还能在实际行动前评估不同方案，显著提高学习效率和决策质量。在自动驾驶和机器人领域，世界模型帮助系统更好地预测和应对变化，提升安全性和可靠性。然而，其构建和应用也面临挑战，包括环境模拟的准确性、泛化能力以及预测偏差等问题。
世界模型的应用范围广泛，不同领域对其理解与预测能力的要求各异。在自动驾驶中，它需实时精准把握道路状况，预测变化趋势；在机器人技术中，它对于导航、物体识别和任务规划至关重要；在虚拟社会系统模拟中，它需捕捉并预测抽象行为动态，如社会交往和决策过程。
随着空间智能的快速发展，其市场潜力巨大。据Omdia报告，全球空间计算市场规模预计将在2029年突破100亿美元，累计平均增长率达18%。在中国，随着交通基础设施智能化升级，实时数字孪生在车路云一体化建设中发挥着关键作用。通过铺设AI数字道路基站和路侧边缘计算系统，交通管理者能获取实时动态信息，构建数字孪生系统，为驾驶员提供精准决策依据。
在医疗领域，空间智能技术正对医学影像数据进行三维重建和分析，助力医生更准确地诊断疾病，提供手术导航和辅助决策。通过三维建模和分析，医生能更清晰地了解患者身体结构，提高手术的准确性和安全性。
