不止是“嘴强王者”，高德为AI开发补补物理课

AI的下一个token，从“会说话”到“会干活”

AI的下一个战场，不在屏幕里。

今年，大语言模型在参数规模上不断刷新纪录，AI在虚拟世界里写诗、Coding，甚至可以完成复杂的多轮任务，连续几十个小时不间断地进行工作，成为生产力提升的重要工具。

但是，在AI能力突飞猛进的同时，一个结构性矛盾却始终悬而未决：当下的AI一旦进入物理环境，连拧开一个矿泉水瓶盖都成了困难级任务。

大语言模型擅长预测“下一句话”，而进入现实世界的AI却需要预测“下一步行动”。前者面对的是拥有足够训练数据的符号和文本，后者面对的则是距离、方向、环境变化以及物理规律。两者之间缺少的，正是一套理解真实世界的空间认知能力。

AI竞争的下半场，已经不再只是模型参数和算力规模的较量，而是让机器真正理解现实世界。谁拥有更丰富的空间数据，谁能够建立更准确的世界模型，谁又能将这些能力转化为可落地的产业基础设施，正在成为AI进入物理世界的关键问题。

01

当下的大语言模型

为啥没法进入现实世界？

过去几年，人工智能最大的突破，发生在一块几乎没有物理约束的屏幕里。AI在数字世界几乎无所不能，但是当它走进真实世界，却连倒一杯水都很困难。

复旦大学苏昊教授有个精当的比喻：模型能流利地描写“杯子掉在地上会碎”，却从未有机会感受一只杯子的重量。这意味着，当AI面对一个充满多维几何、实时变化与物理规律约束的开放环境时，它缺乏对现实空间的度量与因果推演能力。

这种困境有一个经典的学术表达“莫拉维克悖论”：对人类而言困难的事情（如微积分）对机器反而容易，而人类觉得简单的事情（如拿起一只杯子）对机器却极其困难。

出现这种情况的原因在于，人类从出生开始就在不断建立对于现实世界的理解。婴儿看到物体掉落，会逐渐理解重力；触碰不同材质，会形成对于硬度和重量的认知；不断移动身体，会建立自己的空间感。

大模型通过理解语言来预测回答，但语言本身并不是现实世界。

因此，在结构化环境中，机器人依靠提前规划好的路径和固定程序，可以完成一些简单的生产任务。但当环境从工厂进入家庭、医院甚至城市街道，复杂性会迅速增加。

但这恰恰是AI和现实交互的最重要一步。

正因如此，资本市场上金钱的流向已经悄然发生了变化。近18个月内，超过百亿美元资金流入相关赛道。全球AI巨头OpenAI早早地关闭了视频生成应用Sora，将团队转向世界模型研究，放弃让AI“生成现实”，转而让AI“理解现实”，这一战略调整颇具象征意义。

AI学者李飞飞曾提出一个尖锐的判断：以大语言模型为代表的AI可以生成文字、图像和视频，但对现实空间、物理规律与因果关系的理解仍然不足。它可以描述一条路，但未必知道这条路通向哪里，更不知道路上的变化将带来什么。

这也是为什么空间智能成为AI下一阶段竞争的关键。

未来，AI不仅需要更大的模型，也需要一套能够持续感知、理解和反馈现实世界的数据基础设施。而高德，恰好站在了连接虚拟智能与真实世界的重要入口。

02

高德的空间智能底牌

三位一体的空间智能架构

2025年，高德正式锚定空间智能航向。与赛道内的其他探索者不同，作为最近10年国内最大的导航应用，高德所积淀的时空数据与工程化硬实力，决定了这次转向并非凭空起高楼，而是原有技术基因的自然演进。

对于AI如何进入真实世界，高德给出的答案不是做一张更聪明的地图，而是搭建一套从认知到行动的空间智能架构。

为了支持AI在物理世界的落地，高德从工程层面构建起三位一体的技术架构：空间表达、动态感知、时空推演。它们对应了三个最本质的空间问题：世界长什么样？此刻发生了什么？行动后会产生什么变化？

只有让AI同时具备理解空间、感知变化和预测结果的能力，它才能真正从“看见”走向“理解”，再从“理解”走向“行动”。

其中，空间表达对应的是AI理解真实世界的入口。

语言模型看到“前方路口右转”，本质上得到的只是一个命令、一串token。但物理世界里的AI不能只理解这句话，它必须知道：路口在哪个坐标、有几条车道等一系列空间语义。

得到这些信息，才是行动的前提。

为了更好地帮助AI理解物理世界，高德依托原生3D世界模型与高精地图数据，把道路、建筑、设施、地形等现实要素，转化为带有几何关系、语义属性和拓扑连接的可计算空间。

这不是一张给人看的图，而是一套给机器用的空间数据库。AI通过它能够精确掌握高度、距离、拓扑关系等空间几何特征，知道“现在在哪里”、“和什么相邻”等信息。

而动态感知系统，则是让模型理解此刻世界正在发生什么。

现实世界不是静态沙盘。路况在变，天气在变、突发事件也在变。所以，空间智能不能只是一张离线地图，它必须是一种在线能力。

高德通过实时吸纳路况、客流、环境动态等海量时空时序信息，让物理世界的实时变化动态输入模型。这相当于给AI装上“眼睛”和“神经末梢”：它不只看到过去的世界，还能感知此刻正在发生什么。

这对具身智能和城市无人体系来说至关重要，因为动态感知决定的是安全底线。机器人能不能避让突然出现的行人？无人车能不能处理前方临时施工？这些问题，靠静态知识无法回答，只能靠实时感知。

但是想让AI真正进入物理世界，AI必须要“向前看”：如果现在采取一个行动，未来会发生什么？这也是时空推演存在的意义。

高德所做的时空推演，正是把这套能力工程化：将AI的决策与任务执行放入严密的时空物理约束中模拟运算，评估行为后果并作出最优判断。

有了时空推演，AI才能从“感知”走向“决策”，从“预测下一个token”走向“预测下一步行动”，并在真实世界承担后果。

空间表达、动态感知、时空推演，三者合在一起，才构成高德真正的底牌。它不是某一项技术领先，而是一套让AI在物理世界中看得见、感知得到、推演得准的完整闭环。

但技术价值不能止于技术构想，如何将这套底牌转化为所有开发者和企业触手可及的生产力工具，决定了空间智能可以在真实世界迸发多大的价值。

03

“开箱即用”的AI开放平台

在传统模式下，企业想要调用空间能力，往往需要自行搭建数据架构与算法模型。但空间智能从来不是调个地图接口那么简单，它背后交织着位置推理、环境研判与动态时序计算等极其复杂的技术链路，对于绝大多数企业来说，从零摸索的研发门槛与试错成本极高。

在2026云栖大会上，高德展示了其在空间智能上的重要开放布局，并发布了其专为开发者与企业打造的高德千舆。

高德千舆所做的，正是将高德的空间智能封装为标准化、模块化的Agent工具。企业与开发者即便不写代码，仅凭自然语言对话，就能像调用通用组件一样调取前沿的空间智能服务。借由这种“开箱即用”的平台能力，高德将底座全面开放，以此重构企业接入物理世界的方式。

为了实现真正的“开箱即用”，高德千舆在底层完成了空间数据从“可读”到“可用”两阶段的工程化攻坚。

在“可读”层面，对长期以来空间数据获取难、计算门槛高的行业瓶颈，高德千舆做了一套物理世界的“数字化翻译”。平台将8000万+POI、500万公里的路网、7500平方公里的城市三维模型等时空要素，以“点·线·面·动态”的结构重新组织，建立起一套AI可理解、可计算的物理世界数据体系。

但仅仅拥有可计算的数据还不够，更关键的是让Agent具备真正的空间推理能力，使数据完全可用。千舆在底层构建了语义化的真实空间数据图谱，并搭建起连接数据、计算与业务的三层结构化推理链，让Agent不仅读得懂物理空间，更能直接调用数据完成时空范围锚定与复杂业务决策。

这意味着Agent不再是机械地抓取坐标，而是真正能读懂复杂的“空间语义”，并参与决策。用户只需给出一句自然语言指令，Agent便能自主锚定时空范围、组织多维数据进行交叉运算，输出可落地、可追溯的决策方案。

未来，无论是零售选址、物流规划、城市管理，还是更多行业应用，都可以通过Agent快速获得空间智能能力。

目前，高德已将空间智能向多类异构终端开放，将空间智能注入不同设备。

在两轮出行领域，高德两轮车空间智能解决方案已全面适配Android、Linux、OpenHarmony、RTOS等主流操作系统，并与小牛、雅迪、九号、爱玛等品牌展开深度合作。

高德还联合生态伙伴推进碳普惠机制，由此打开空间智能深入安全、能源与绿色出行等更广泛的产业价值链。

在AIoT领域，高德已携手华为、小米、荣耀，以及千问眼镜、雷鸟创新、Rokid等终端品牌，将标准化的空间智能深度融入智能眼镜、智能手表等硬件终端：戴上智能眼镜，即可通过语音寻找周边地点并获得导航指引；抬起手腕，一句话即可发起叫车。

04

当AI真正迈出屏幕，它所面对的不再是词语的排列组合，而是复杂的坡度、人流、天气与时空法则。过去几年，大模型让机器学会了“理解信息”，但理解现实，才是它从对话工具走向生产力工具的关键一跃。

高德千舆的出现，正是为广大企业和开发者搭好了这关键一跃的跳板。它将复杂的空间表达、动态感知与时空推演，沉淀为开箱即用的开发基建，彻底打破了空间智能的应用壁垒。

对于千行百业的开发者而言，这意味着不必再重复“造轮子”，就能让自己的Agent获得与物理世界交互的本能。当复杂的时空认知被简化为每一次低成本的调用，AI才真正摆脱了屏幕里的“嘴强王者”形象。

高德千舆铺开的这条空间智能之路，正在让更多企业和开发者轻松同行，把AI扎扎实实地带进现实世界。

- EN D -