大语言模型之后，空间智能如何打开AI通往物理世界的入口？

界面新闻记者 | 李如嘉
界面新闻编辑 | 文姝琪

当“报警器”响起，一只机器狗穿过人群来到灭火器前，紧接着奔向另一个灭火器，确认没有危险之后，发出“检查完成，没事我回去了”的声音。

这是在八维通展厅里，工作人员正在展示其ViLSP（VisionLanguage-Spatial-Physics；空间物理视觉语义大模型） 的应用场景之一。

通过该模型，当展厅内有火警警报响起，系统会通过演算判断起火点和火情扩散趋势，并派出机器狗检查是否确实有火情存在。机器狗上搭载的“大脑”可以通过激光雷达实现建筑结构的云建模，同步驱动多光谱摄像头进行烟雾浓度的光谱分析，以时空参数融合算法重构火场全息投影提供给指挥中枢。

“与文字模型不同，我们的大模型是能理解空间和物理的，包含了视觉感知、雷达探测、空间边缘计算等技术，其中最关键的是空间边缘计算，它是从二维到三维的转换器，让AI理解物理世界。”八维通首席数字官郑航向界面新闻介绍。

在计算机视觉与自然语言处理融合的趋势下，大语言模型打开了人们对AGI（通用人工智能）的想象大门。但近来越来越多的观点提出，大语言模型虽然在文本理解和对话生成方面成果显著，却难以直接理解三维世界的几何结构，也无法处理复杂多变的物理过程。想要真正实现AGI，人工智能在语言之外，还要像人类一样走向三维世界。

为了做到这一点，空间智能是重要的研究领域。空间智能主要指人工智能理解、感知、分析物理三维空间信息，并与之交互的能力。它能够将环境中的各种数据，如位置结构、物体之间的关系，以及物理属性等，转化为可计算、可推理的数字模型，使机器具备类似人类对空间的感知和交互能力。

不过，目前行业内对空间智能技术及其应用的探索还在初期阶段，相关产品也大多还在研发中，鲜少有成熟案例。八维通就是其中一家聚焦空间智能、希望突破垂直场景应用的公司。

“2023年，在研究国际和国内人工智能发展的时候，我们就在想该如何实现‘弯道超车’。”八维通董事长杨宏旭同界面新闻回忆，“我认为与发达国家相比，我们在工业制造、发展生态等方面确实还存在一些差距，但在城市空间这个领域，中国可以说是世界上最先进的国家。具身智能在应用中是离不开城市空间的，所以我们就想在这方面做一些产品出来。”

杨宏旭介绍，ViLSP模型通过在VLM框架上加入空间语义与物理多模态两个关键维度，让AI不仅能“读图+懂语言”，更能“算空间+知物理”。其对空间的解析不仅停留在视觉层面，还有空间结构，譬如建筑布局、道路的拓扑结构；以及物体的一些物理属性、用途，物体之间的逻辑关系等，譬如烟雾在环境中如何蔓延。

在理解静态三维世界之外，ViLSP还融合流体力学、结构力学、热力学等多模态物理模型，通过“物理多模态大模型”，AI能在更复杂的物理规则下模拟并推演真实世界，例如在火灾、洪水、地震等动态风险发生时进行灾情推演。

在推演的准确率上，杨宏旭介绍，目前推演的准确度可以达到80%-90%，实际效果要看场景的复杂程度和数据的有效性决定。由于目前城市建筑空间和设备设施模型的数据量还不够，为了提升准确度，八维通还在不断进行数据的采集标注以及模型的训练，也会应用专业技术对模型输出的结果进行评估，进而不断提升精度。

八维通认为，只有具备了空间深度认知与自主决策能力，并落地到行业应用，人工智能才能真正读懂三维世界的运行机制，在此基础上结合强化学习、多模态大模型等技术，让具身机器人不再依赖外部“遥控”，能够在复杂环境中具有自主感知、推理和决策能力，掌握物理规律与时间演化，辅助人类执行工作。

去年年初，八维通的空间智能产品在消防场景中完成了落地，推出360智能巡检设备。该设备通过前端摄像头与大模型协同工作，在巡检时实时构建环境三维模型，自动比对建筑结构、设备布局等历史特征数据，一旦检测到风险或者发现与以往环境特征不符的情况，会立即触发声光报警并推送应急路径建议，使消防员巡检环境作业效率提升30%以上。目前的应用场景主要在园区、博物馆、轨道交通里的消防应急上。

当前这家公司正在展开将空间智能产品搭载在机器狗上的相关研发。同在展厅中的演示一样，在将建筑物整体的空间和设备完成建模之后，机器狗可以代替人类完成日常巡检工作，在工作中，机器狗可以对周边的空间环境进行识别，一旦发现相关的消防设施不在应处的位置，或者发现可疑人物等，它就会报警。如果有火警等情况发生，机器狗也可以前去侦查，确认是否为误报。目前，结合机器狗的应用还在测试阶段，预计不久后就会推向市场。

在空间智能的发展中，杨宏旭认为主要存在三大挑战。其一是数据问题的标注和清洗问题。目前八维通的数据分为已有的建筑物城市模型、合作方企业内部图纸数据，自研设备在使用中采集的数据，以及虚拟仿真平台生成的仿真数据，其他机器人和智能体采集的真机数据等几部分。由于这些数据往往数据量庞大，涉及多个维度，格式通常也并不统一，对这些多元异构数据的标注、整合和清洗需要投入大量的时间和人力，并遵守相关的使用和隐私规范。

其二是空间智能对实时性的要求较高，在大规模数据的基础上做及时的推理和决策，对系统的稳定性和效率都是极大挑战，也对算力提出了要求。

其三，物理因果的复杂性也要纳入考虑，譬如空气动力、材料特性、天气变化等物理要素的细微变化都可能影响整个推演结果，因此要对模型不断迭代，并做大量的验证。

因此，空间智能的应用对硬件和软件都有很高的要求，要做到产品性能好的前提下控制成本，才能保证其大规模落地。

“我也没想到空间智能这么快就受到了关注，去年我还在公司说，快则一年，慢则三年才能看到大趋势的到来。”杨宏旭告诉界面新闻。不过他认为，人工智能的发展不是一蹴而就的，不能指望它马上替代人，在面对消费者之前，还是要先在行业上应用，帮助人类完成一些重复、危险的工作。因此八维通目前在开拓的场景主要集中在消防应急、水利管网、轨道交通等。比如在大坝这些人类很难触达的水利设施上，机器狗就可以去到现场，及时勘测是否有隐患存在。