对话高德飞行街景产品经理：全球第一个“飞行探店”是怎么做出来的？

作者 ｜ 黄小艺
邮箱 ｜ huangxiaoyi@pingwest.com

扫街榜上线100天，高德决定再往前迈一步。

去年9月，高德扫街榜上线时，做了一个在本地生活行业看起来有些冒险的决定：跳出评分、不卖排名、不计算商家投了多少流——而是看导航数据，用户真正开着车、迈开腿去了哪家店，哪家店就排在前面。

这套“用脚投票”的评价体系，来自于高德二十年积累的时空数据和10亿用户的真实行为。100天后，逻辑被验证了：6.6亿用户、86万新商家入驻、商家订单量增长超过330%，营业额环比增长超270%，这些数字，宣告着高德扫街榜的胜利，也印证了真实自有万钧之力。

但高德显然不打算停在这里。

1月7日，高德扫街榜全新上线的“飞行街景”功能，主打让用户在出发前就能“飞”进店里看一眼。

这不是全景视频，也不是拼接图片，而是高德把自研的世界模型——在国际评测WorldScore中位列第一的前沿AI技术——第一次用到了本地生活场景。用户可以从街道上空俯瞰，一路穿过巷弄，最终穿门入室，看到一家店真实的内部环境。

高德飞行街景产品经理孙冲告诉硅星人，商家只需用手机拍几十秒视频、传几张门头照，就能生成专属飞行街景，并且这项能力将完全免费。

如果说，此前高德扫街榜“用脚投票”，解决的是信任问题——用户相信这份榜单是真的。那么信任之后还有一层不确定性：我信这家店好，但它到底适不适合我？包厢是什么氛围？门口好不好停车？这些藏在评分和评价缝隙里的答案，文字“说不清”，图片会“骗人”，现在飞行街景负责回答你。

对高德来说，飞行街景不是一次简单的功能迭代，它指向的是高德对地图这件事的新理解：从用数据让榜单可信，到用世界模型让真实可感——地图不再是一张静态的平面，而是一个活的、可供探索的数字孪生世界。

以下是我们与高德飞行街景产品经理孙冲的对话：

1

为什么做：从“信不信”到“真不真”

硅星人：扫街榜在2025年用户数量激增，为什么在2026年的升级中，你们选择把“飞行街景”作为一个核心发力点？是看到了用户在决策环节的什么新痛点？

孙冲：这也是我们此次升级的核心思考。之前扫街榜达到7000万日活，验证了一件事：当榜单回归真实，用“身体力行”的数据说话时，用户是愿意相信的。

但我们发现，用户的决策链条上，还存在“最后一公里”的鸿沟。当榜单告诉他这家店“值得去”之后，他还会有更具体、更感性的问题：“门头好找吗？”、“周边环境怎么样？”、“网上的图片是真的吗？”……这些是图文评价无法完全填补的真实感的缺失。

所以，扫街榜2026的发力点，从解决“信不信”的问题，升级到了解决“真不真”的问题。“飞行街景”不是一个炫技的功能，而是我们为用户搭建的一座桥梁，跨越从线上信息到线下体验之间的巨大鸿沟。

当用户能像一只鸟一样，从城市的街道，平滑地飞到一条巷子，再“穿墙”进入一家店的内部，亲眼“看”到它的环境和氛围时，那种决策的笃定感，是任何文字或图片都无法给予的。我们不是在给榜单增加一个功能，而是在重构用户与物理世界之间的“连接介质”。

硅星人：为什么要强调“沉浸式俯瞰”？这种视角的改变，对于用户判断一家店“好不好吃”、“值不值得去”有什么帮助？

孙冲：“沉浸式俯瞰”这个视角，是我们有意为之的设计，它改变了用户感知一个“地点”（POI）的方式。

过去，地图上的一个点，是孤立的，它与周边的世界是割裂的。但现实中，一家餐厅的价值，并不仅仅在于它本身，还在于它所处的“场域”——它是在一个安静的胡同里，还是在喧闹的商业街？旁边有没有停车场？晚上的街区氛围是否安全？

“俯瞰”视角，给用户提供了这种宝贵的宏观上下文。它让用户能够更直观的看到店铺与周围环境的真实关系，这是做“去不去”这个决策时非常重要的依据。而“沉浸式”，则解决了微观的真实感。当你从俯瞰无缝切换到街景，再进入室内，你看到的不再是经过商家精心挑选和美化的“卖家秀”，而是一个连续、无死角的“事实场”。

所以，这个视角改变，不是直接告诉用户“好不好吃”，扫街榜1.0已经用数据回答了这个问题。它是用一种超越图文的方式，帮助用户判断“值不值得我为它跑一趟”。它把决策从“阅读信息”，变成了“预演体验”。

硅星人： “飞行街景”这个名字听起来很有未来感。在产品定义阶段，你们是如何构想这种体验的？从决定做，到具体做的过程中，产品是如何梳理出来的？

孙冲：“飞行街景”并不是空中的飞行地图，这个名字背后，是我们对未来地图形态的构想。我们认为，未来的地图，不应该再是一张平面的、被动的，而应该是一个活的、可供探索的动态数字孪生世界。

构想的起点很简单：我们如何能让用户在出发前，就拥有“亲临其境”的感受？我们梳理了用户的决策路径，发现痛点非常清晰：从宏观的城市区域，到中观的街道环境，再到微观的店铺内部，用户的视线是不断聚焦的。所以我们的产品逻辑，也必须遵循这种由远及近、由外及内的自然探索逻辑。

“飞行”这个词，精准地描述了这种体验——它不是生硬的场景切换，而是一种连续、流畅、视角自由的探索。你可以像导演运镜一样，从高空视角，丝滑地降落到一条你感兴趣的街道，然后像一个熟客一样，推门而入。

这个过程，我们内部称之为“从描绘世界到理解世界”。高德过去花了二十年，用数据把物理世界“画”了下来；现在，我们要用AI，让每个人都能在这个数字世界里“飞翔”和“行走”。

硅星人：在项目推进时，技术是不是最大的挑战？

孙冲：很多人会认为技术是最大的挑战，毕竟构建一个如此规模的数字孪生世界，听起来像是科幻电影里的情节。但说实话，对高德而言，技术反而不是最难的部分。我们二十年来沉淀的，关于物理世界如何运转的动态认知，以及我们基于此构建的“空间智能”能力，是我们的护城河，也是我们敢于闯入这片“无人区”的底气。

我们遇到的最大挑战，其实来自于生态和认知。如何让数以百万计的商家，尤其是那些不擅长互联网运营的“烟火小店”，理解并拥抱这种全新的展示方式？

项目初期，我们接触一些商家，提出要为他们免费打造“飞行街景”时，很多人第一反应是拒绝和怀疑：“这么高科技的东西，怎么可能不收费？”“你们是不是想骗我们拍视频？”。这种不信任，就是我们需要攻克的最大难点。

直到我们真正为他们免费生成了可以身临其境的“实景店铺”，让他们亲眼看到自己的小店如何被真实、立体地呈在用户面前，他们才真正接受。这个过程让我们下定决心，必须用“免费”和“普惠”的方式，把这项技术能力开放给所有商家。最大的挑战不是技术本身，而是如何用技术去赋能、去改变一个生态的认知，让大家相信，科技的进步最终是为了让好的商家，无论大小，都能被公平地“看见”。

1

怎么做：如何用世界模型还原真实？

硅星人： 高德世界模型在WorldScore评测中拿了第一。具体到“飞行街景”，这个模型是如何工作的？

孙冲：可以把“高德世界模型“想象成一个AI，它学习的不是互联网上的文本和图片，而是物理世界的运转法则。它拿了第一，说明它在“理解和还原物理世界”这件事上，做到了业界领先。

在“飞行街景”里，它的工作方式可以概括为两步：“跨模态统一理解”和“几何一致性生成”。

第一步是理解。它能同时“看懂”各种不同来源的数据——街景车拍的图像、遥感影像图、视频、甚至用户上传的照片等。它不是简单地把这些素材拼起来，而是像人脑一样，把这些碎片化的信息，融合成一个对世界统一的、内在的认知。

第二步是还原。基于这个统一的认知，它开始“生成”世界。最关键的是“几何一致性”，这意味着它生成的视频和空间结构，天然共享同一套几何基础，构建一个结构上与现实世界完全一致的数字孪生体。

准确性如何保证？就来自于这种“忠于现实”的生成机制。它不是凭空想象，它的每一步生成，都有来自真实世界的多维度数据作为“事实基座”。所以我们称之为“事实的AI”，它的使命就是绝对忠于现实。

硅星人：传统的3D建模成本极高，很难规模化。高德是如何利用AI技术解决“规模化”与“精细度”这对矛盾的？我们在飞行街景看到的图像，有多少比例是AI生成的？

孙冲：您点出了行业里一个存在已久的“三角难题”。传统的3D建模像“手工作坊”，精美但昂贵，无法规模化。而高德的解法，是把这个过程变成了“AI驱动的智能工业化生产”。

我们解决这对矛盾的核心，就是极大地降低了数据采集的门槛，同时极大地提升了自动化生成的能力。过去，要建一个店的模，可能需要专业的设备和团队工作数天。现在，一个商家，只需要用手机拍一段几十秒的视频，再上传几张补充照片，我们的世界模型就能在后台自动完成从几何提取、纹理贴合到还原的全过程，最快几小时内就能生成一个可供“飞行”的实景店铺。

至于AI生成的比例，可以说，我们看到的整个连续、动态的场景，几乎100%都是由AI引擎实时渲染和生成的。但需要强调的是，这个生成过程，是严格受到商家提供的真实视频和照片这些“事实”约束的。AI在这里扮演的角色，不是一个自由创作的“画家”，而是一个技艺高超的“修复师”和“建筑师”，“事实AI”它是把真实世界的碎片，在数字空间里完美地还原起来。

硅星人：但世界是在实时变化的。你们怎么处理“静态建筑”与“动态信息”呢？比如一家店换了招牌，或者门口排起了长队，飞行街景能多快地映射出这种变化？

孙冲：我们的解法，是构建一个“动静结合”的“活地图”。

“静态”的部分，是城市的骨架，比如建筑、道路。这是我们通过街景车等重投入，构建起来的稳定底座。 “动态”的部分，则是城市鲜活的血肉，比如一家店新换的招牌、门口排队的人流、季节性的装饰。

处理这种融合，我们依赖一个强大的“变化感知与反馈飞轮”。这个飞轮由几部分驱动：首先是我们的高频数据，比如用户导航到某地后的大量“位置偏了”、“此路不通”的纠错反馈，这能帮我们发现大的变化。其次是海量的用户UGC内容，一个用户上传了带新招牌的照片，或者在评论里提到“排队2小时”，这些都会成为我们系统捕捉变化的信号。

一旦系统捕捉到“变化”的信号，就会触发更新机制。一家店换招牌，商家可以自己上传新视频快速更新；门口排队的情况，未来甚至可以结合实时交通热力、用户实时上传的笔记等信息，进行准实时的映射。

我们的目标不是实现绝对意义上的“零延迟”同步，而是建立一个与现实世界变化频率相匹配的、高效的迭代机制，确保用户看到的，是无限接近于“当下”的真实。

硅星人：在飞行街景中，AI除了负责渲染画面，后续是否还能配合对场景的理解？比如，AI能不能自动识别出这是一家“适合露营风”的咖啡馆？

孙冲：当然能，而且这正是空间智能从“看见世界”迈向“理解世界”的关键一步。渲染画面，只是我们空间智能的第一层能力，即“感知与还原”。

第二层能力，就是您提到的“认知与推理”。这也是我们为什么要自研世界模型的原因，如果缺少了世界模型这一“大脑”，空间智能也将变得不完整。

当我们的AI已经把物理世界高保真地还原出来之后，它就可以像人一样，去“看”和“理解”这个场景。它完全可以识别出场景里的元素——原木桌、帐篷、露营椅、绿植，然后给这家咖啡馆打上“露营风”的标签。

这会带来什么？它将彻底改变搜索和推荐的范式。未来，你的搜索将不再是“咖啡馆”，而是“找一个下午能晒到太阳的、安静的、适合带宠物一起去的露营风咖啡馆”。我们的AI会基于对空间场景的深度理解，为你精准地找到这样的地方。AI在这里，从一个“建筑师”，进化成了一个懂生活、懂你的“场景规划师”。

1

让“会做菜的”赢过“会拍照的”

硅星人：除了让用户看着爽，飞行街景是否带来了一种全新的“预消费”行为方式，比如出发前先云逛街？这给商家带来了哪些提升？

孙冲：“预消费”这个词非常准确。飞行街景带来的，正是一种全新的“所见即所得”的决策模式。用户不再是“读攻略”，而是“云勘景”。这种行为变化，对商家的价值是实实在在的：

第一，提升决策效率和到店转化率。当用户能身临其境地看到店铺环境、找到停车位、甚至提前看好心仪的包厢时，他的不确定性被降到了最低。这种确定性，会极大地促进他从“有兴趣”到“马上出发”的转化。

第二，降低期望错配和差评率。很多差评，并非源于服务不好，而是“图文不符”导致的期望落差。飞行街景用最真实的方式展示了自己，吸引来的，就是真正认同其环境和风格的顾客，这从源头上就过滤掉了期望错配的可能。

第三，让特色商家有了全新的表达。一家店的价值，可能是窗外的一片湖景，可能是别有洞天的庭院。这些“氛围价值”在传统图文中很难表达。飞行街景让这些独特真实的优势，第一次直观、完整地传递给用户。

硅星人：现在的用户很怕“照骗”，很多网红店照片精美但实地很糟。高德的“飞行街景”不会遇到“美化”的诱惑吗？

孙冲：这个问题问到了我们的生命线。扫街榜的根基就是“可信”，而飞行街景的使命就是“真实”。 我们对抗“美化”诱惑的方式，不是靠人的意志，而是靠技术的机制。

我们的世界模型，本质是一个“事实”引擎，而非一个“美颜”引擎。它生成和还原场景的依据，是商家上传的连续视频和多角度照片，必须使用高德提供的商家工具（有商家认证校准、位置校准、以及实时无滤镜川叔）。这种多维度的、动态的数据源，本身就极大地限制了“P图”和“美化”的空间。

更重要的是，我们的算法在设计上，会优先保证“几何一致性”和“结构真实性”，而不是“光影完美性”。我们追求的不是一张完美的宣传照，而是一个可信的、可供探索的空间。

可以说，我们的产品基因决定了，我们永远会站在“真实”这一边。因为一旦我们允许“美化”和“滤镜”，飞行街景就失去了它存在的根本价值，又变回了用户不信任的“照骗”。守护真实，就是守护我们自己。

硅星人：但是一些土菜馆门面并不好看。实景展示会不会反而暴露它们的“土”？

孙冲：这恰恰是飞行街景的魅力所在。我们相信，“真实”本身就拥有最强大的力量。

在传统的图文平台，“豪华”和“精美”往往更容易获得流量，这对于那些味道极好但环境朴实的“宝藏小店”是非常不公平的。而飞行街景，恰恰给了这些小店一个“说真话”的机会。

当用户通过飞行街景，看到“径乡缘”朴素的门头、简单的桌椅，但同时也能看到后厨忙碌的热气、食客们满足的表情，他感受到的不是“土”，而是扑面而来的“锅气”和“烟火气”。这种真实的氛围，本身就是一种极具吸引力的“卖点”。

我们的产品设计，不会去刻意美化或丑化，而是致力于“还原场景的叙事感”。让用户自己去感受，是相信一张过度修饰的网红照片，还是相信一个充满真实生活气息的场景。我们坚信，用户会做出聪明的选择。飞行街景，就是要把话语权，从“会拍照的”手里，还给“会做菜的”。

硅星人：某种程度来说，这是在帮不擅长互联网运营的老店，更公平获得流量。

孙冲：对。这绝对是一种“技术减负”，甚至可以说是一种“技术平权”。

过去，商家在本地生活平台的竞争，在某种程度上变成了营销内卷——谁更会拍图、修图、写文案，谁就更容易出头。这对于大量不擅长互联网营销的实体商家来说，门槛很高，成本也很高。

高德的做法，是把复杂的技术问题留给自己，把最简单的操作留给商家。我们不要求商家成为摄影师或设计师，他只需要做他最熟悉的事——用手机，像给朋友拍视频一样，把自己的店真实地拍下来。剩下的，从空间还原到线上展示的所有复杂工作，都由我们的云端自动完成。

我们用技术，抹平了商家在“线上表达能力”上的差距。让竞争回归本质——你的店好不好，你的环境真不真。这不仅是减负，更是让商家能把更多精力，放回到经营本身。

硅星人：用户在飞行街景中的浏览、点击和互动，会产生新的数据维度吗？会带来哪些新的影响？

孙冲：会的，这会形成一个价值巨大的“正向飞轮”。用户的每一次“停留”、每一次对某个包厢的“放大查看”，都是一种新的“身体力行”的数据。这是一种比“点击”和“收藏”维度更高、意图更明确的行为数据。

这些数据会从两个方面反哺我们的系统：

第一是，反哺扫街榜。我们可以知道哪些店铺的“真实环境”吸引了更多的用户“云探店”，哪些区域是用户在“云逛街”时的热门路线。这些都可以成为榜单排名和推荐的新因子，让榜单不光知道哪里“人气高”，还知道哪里“环境好”，推荐的维度会更丰富、更立体。

第二是，反哺世界模型。用户的互动行为，是我们验证和优化世界模型的最佳标尺。比如，大量用户在某个位置反复“迷路”，或者“穿模”，系统就能知道这个区域的还原可能存在问题，从而触发模型的迭代和优化。用户的每一次使用，都在帮助我们把这个数字孪生世界“打磨”得更真实。

硅星人：2023年，高德推出了基于3DGPT的奇境MAX，飞行街景的产品更新得益于高德的哪些数据、技术、产品经验的积累？

孙冲：飞行街景不是一个从0到1的突发奇想，它是高德在空间智能领域长期主义投入的必然结果。您提到的奇境MAX，就是我们在这个方向上重要的探索和积累。

我们的积累主要在三个层面：

一方面是数据基座。过去二十年，我们沉淀了全世界最稀缺、最庞大的时空数据。这些关于人、车、路、店在物理世界中如何运转的动态认知，是任何大模型都渴望，但无法速成的“事实土壤”。这是我们一切空间智能创新的起点。

其次是技术演进。从奇境MAX到今天的世界模型，我们在持续进化。我们在“跨模态理解”、“几何一致性生成”等核心技术上不断取得突破，使得还原世界的规模、细节和效率都实现了数量级的提升。

最后是产品认知。我们通过一次次的产品迭代，深刻地理解了用户在真实空间探索中的核心需求和痛点是什么。我们知道用户要的不是一个技术Demo，而是一个能解决实际问题的、流畅自然的体验。这些产品经验，指导我们把复杂的技术，封装成“飞行街景”这样简单、好用的产品。

可以说，飞行街景，是高德二十年数据积累、持续技术攻坚和深刻产品洞察三者融合的产物。

点个“爱心”，再走 吧