Niantic甩出80%盲区：AI看不见的经济藏在哪

全球经济的80%从未被数字化。这不是预测，是Niantic Spatial执行董事长John Hanke在本周二扔出的数据炸弹——当你还在用大语言模型（LLM，Large Language Model）写周报时，那些真正让人类活下去的东西：种植、采矿、组装、运输，几乎全部游离在AI的视野之外。

这家公司刚刚推出了Scaniverse企业版，目标很明确：给那80%的经济补上数字孪生。问题是，为什么偏偏是现在？为什么是他们？

空间智能：AI的下一个战场

大语言模型吃文本，视觉模型吃图像，这已经成了行业常识。但"空间智能"（Spatial Intelligence）是个新词——它要求AI不仅能识别画面，还要理解三维空间的物理关系。

Niantic Spatial押注的方向叫"大地域空间模型"（LGM，Large Geospatial Model）。简单说，就是用3D扫描、卫星图像、激光雷达（LIDAR，Light Detection and Ranging）和GPS数据，堆出一个几何精确、机器可读的真实世界副本。开发者可以在这个底座上叠加各种服务。

听起来像高精地图的升级版？不完全对。传统地图解决"在哪"的问题，空间智能要解决"是什么、怎么用、怎么改"的问题。Hanke的原话是：「让物理世界变得可对话」。

现在的AI模型大多训练于文本和图像，缺乏精确的坐标和几何信息。Niantic Spatial想填补的，是这个让环境真正可导航、可交互的技术断层。

Scaniverse：从游戏工具到企业入口

Niantic做空间计算不是新手。前身是Google内部的Niantic Labs，2015年独立后靠《精灵宝可梦Go》把增强现实（AR，Augmented Reality）塞进了大众手机。那款游戏累计下载量超过10亿次，玩家边走边扫的现实世界数据，成了Niantic最值钱的资产之一。

Scaniverse原本是面向消费者的3D扫描应用，用手机摄像头就能生成可分享的三维模型。现在推出的企业版，把这套能力打包成了API和云服务。核心卖点有三：视觉定位系统（VPS，Visual Positioning System）、大规模3D重建、以及让机器人"看懂"空间的数据格式。

VPS是个关键差异化。GPS在室外误差几米，室内基本失效。VPS通过比对摄像头画面和预建的3D模型，能把定位精度拉到厘米级。对仓储机器人、AR导航、自动驾驶来说，这是从"能用"到"好用"的门槛。

企业客户能用自己的设备扫描空间，也能调用Niantic已有的全球3D地图数据。Hanke的博客里提到，他们的地图已经覆盖了数百万个地点，包括街道、公园、地标建筑——全是过去十年《精灵宝可梦Go》和《皮克敏Bloom》玩家"用脚投票"扫出来的。

那80%的经济：为什么AI看不见

Hanke的80%论断值得拆解。他说的不是数字经济占比，而是"可被现有AI系统理解和操作"的经济活动比例。

电商、社交、金融、内容——这些在线经济的代表，确实只占全球GDP的两成左右。剩下的八成是物理世界的运转：农田怎么灌溉、零件怎么组装、货物怎么在港口流转。这些环节不是没有数据，而是数据格式不对。Excel表格、纸质工单、老师傅的经验，都没法直接喂给大模型。

空间智能的野心，是给这些原子级别的经济活动造一套数字基础设施。不是简单的信息化，而是三维化、语义化、可计算化。

举个例子：一个仓库管理员找货，靠记忆知道"第三排货架第二层左边"。这套空间知识从未被编码。Scaniverse想做的，是让机器人也能获得同等精度的空间理解，而且是大规模、可复制的。

这里的难点不在扫描本身，而在"世界模型"的构建逻辑。现有AI训练于互联网数据，天然偏向文本和图像密集的场景。工厂车间、农田大棚、矿山隧道——这些视觉单调、文本匮乏的环境，成了AI的盲区。

竞争对手与行业卡位

Niantic Spatial不是唯一玩家。Google有Google Maps和Earth的庞大数据，Apple在推Room API和Vision Pro的空间计算，Meta把重心放在社交AR和元宇宙，微软Azure有Digital Twins服务。创业公司里，Matterport做室内3D扫描，Hover用AI从照片生成建筑模型。

但Niantic的差异化在于"众包密度"。十年游戏运营积累的地理分布数据，是竞争对手短期难以复制的。Hanke在博客中暗示，他们的地图更新频率和覆盖广度，来自"数亿台移动设备的持续贡献"。

另一个技术赌注是"视觉语言模型"（VLM，Vision Language Model）与空间数据的结合。Scaniverse生成的3D场景，理论上可以对接多模态AI，让机器人用自然语言接收指令——"去检查那个漏水的阀门"，而不是依赖预设的坐标点。

企业版的定价和合作案例尚未公开。但Niantic Spatial已经放出了信号：首批目标客户是物流、制造、建筑和机器人行业——正是那80%经济的典型场景。

一位参与早期测试的开发者提到，他们用手机扫描了一个2000平米的仓库，生成可用模型耗时约45分钟，VPS定位精度稳定在10厘米以内。这个速度对中小型仓库的数字化改造来说，已经跨过商业可行性的门槛。

空间智能的竞赛刚刚开跑。当大语言模型开始卷上下文长度时，另一批人正在解决一个更基础的问题：让AI先"看见"那个它从未真正理解过的物理世界。而那个世界的经济规模，是前者的四倍。