AI 的第三次躍遷開始了。

作者丨馬曉寧

編輯丨林覺民

在今年年中時，AI 科技評論做過一次大規(guī)模的調(diào)研。走訪了數(shù)十個AI從業(yè)者后，我們認(rèn)為，在2019年前后，中國已經(jīng)有團(tuán)隊率先提出了Scaling law的想法，也出現(xiàn)了基于 Transformer 架構(gòu)開發(fā)的預(yù)訓(xùn)練語言模型，如果能夠沿著這條道路堅定走下去，或許能夠率先成就中國的OpenAI。

可惜的是，出于種種巧合，2022年底，GPT-3.5率先出現(xiàn)在了美國。

三年之后，我們走到了另一個節(jié)點(diǎn)，大語言模型的競爭已經(jīng)到了最后階段，空間智能的時代剛剛拉開帷幕。這給了我們一個新的希望，如果可以抓住這個機(jī)會，那么新的AI明星就將在中國升起。

01
這是一個三維世界

一個月前，李飛飛在她的最新長文中寫道，當(dāng)前以大型語言模型為代表的AI雖然擅長處理抽象知識，卻如同在“黑暗中行走”，缺乏對物理世界的真實(shí)理解。而空間智能，即人類用以理解、導(dǎo)航并與三維世界交互的底層能力，將是實(shí)現(xiàn)機(jī)器真正智能的關(guān)鍵突破。

智能的含義有各種各樣的解釋，然而智能的發(fā)展逐漸突破一維的token，走向三維空間是一個不爭的事實(shí)。李飛飛是這條道路上的“最大流量”，她所創(chuàng)辦的World Labs也成為了最吸引目光和資金的公司之一。

在中國，有一些公司已經(jīng)在這條道路上打下了堅實(shí)的根基，從聲量上來說，他們可能是李飛飛的挑戰(zhàn)者，但是從技術(shù)淵源上說，他們還是走在前面的先行者。比如做世界模型的騰訊混元，做空間智能平臺的群核科技，做3D內(nèi)容創(chuàng)作的Vast……

群核科技多年前曾經(jīng)與李飛飛的實(shí)驗(yàn)室進(jìn)行過一些交流，探討過空間智能上可能的合作，可惜機(jī)緣不湊巧，彼時仍任職于斯坦福大學(xué)的李飛飛還有許多工作上的限制，雙方最終也沒能牽手。

相比于大多數(shù)模型基于游戲和互聯(lián)網(wǎng)數(shù)據(jù)訓(xùn)練的公司，群核主打特色是基于物理正確的3D數(shù)據(jù)，訓(xùn)練出空間理解模型SpatialLM和生成模型SpatialGen。

此外還有騰訊開源混元3D世界模型，支持沉浸漫游、交互和物理仿真的3D世界生成。商湯發(fā)布并開源 SenseNova-SI 系列空間智能大模型，首次在空間智能領(lǐng)域驗(yàn)證了“尺度效應(yīng)”。

這些只是冰山一角。在谷歌DeepMind發(fā)布通用世界模型Genie 3，以及Meta推出三維模型SAM 3D之際，中國公司已經(jīng)迎頭趕上，成為了新一輪智能競賽中的重要力量。

隨著具身智能機(jī)器人的火熱與李飛飛等學(xué)者對“空間模型”的前瞻呼吁，AI的焦點(diǎn)正果斷地邁向三維的物理世界。人工智能的核心任務(wù)，正在從理解與生成信息，轉(zhuǎn)到理解、交互與塑造現(xiàn)實(shí)中去。

02
空間智能是一座大金礦

很長一段時間內(nèi)，群核科技都是空間智能這條道路上的孤獨(dú)旅人，甚至在空間智能的道路上做功的很多年，這個詞都還沒有成為“顯學(xué)”。群核的創(chuàng)始人黃曉煌曾經(jīng)說過，過去只知道自己在“3D空間”做功，甚至難以用一個詞來涵蓋公司所有能力，一直到李飛飛讓空間智能這個詞走到人前。

這家公司成立于2011年，三位創(chuàng)始人是美國伊利諾伊大學(xué)厄巴納-香檳分校碩士的校友，其中兩位還是浙大本科的上下鋪兄弟。創(chuàng)業(yè)兩年后，群核科技推出了基于云端的空間設(shè)計平臺“酷家樂”，通過GPU高性能計算和圖像學(xué)的底子，推動了家居設(shè)計行業(yè)的數(shù)字化轉(zhuǎn)型。

今天酷家樂已經(jīng)是全球最大的空間設(shè)計平臺，那些成就了酷家樂的底層空間能力，當(dāng)下成為了AI通往三維世界的鑰匙。不止群核，空間智能的價值全行業(yè)也是近兩年才開始慢慢意識到的。

空間智能的概念一直有些模糊，生成只是其中的一個部分。對于空間的重建、推理、認(rèn)知都是空間智能的一部分，近些年來這些方面的進(jìn)步，讓技術(shù)的落地應(yīng)用變得極為寬廣。

別的不說，就影視創(chuàng)作這個領(lǐng)域，空間智能的潛力就是不可估量的。World Labs的Marble模型，最近出的宣傳視頻正是利用Marble生成的3D場景制作的。只要輸入文字描述，或者給出一張圖片，模型就能給你生成一個細(xì)節(jié)豐富、可自由探索的3D虛擬世界。這些場景的視覺效果逼真，鏡頭可以像3A游戲一樣任意旋轉(zhuǎn)和縮放。

World Labs的Marble宣傳視頻

這種視覺效果，以前需要大量的特效和渲染，現(xiàn)在在空間大模型的加持下，內(nèi)容出來得又快又好，而且省力省錢。這怎么不能算是一個影視制作領(lǐng)域的金礦呢？

工業(yè)孿生也是一個潛力巨大的市場。工廠里面的設(shè)計規(guī)劃在落地實(shí)施之后，一丁點(diǎn)錯誤都會帶來極大的損失，特別在智能化時代，機(jī)器設(shè)備有了自主決策的能力，對于規(guī)劃的細(xì)節(jié)程度更是指數(shù)級提升。

如果在數(shù)字世界里面先模擬跑完，一切順利的情況下，工廠再將這一套操作和設(shè)備再移植到物理世界，就可以極大的降低這種出現(xiàn)問題的風(fēng)險，所以說在新的時代，我們需要一個面向具身智能和數(shù)字孿生的系統(tǒng)，而不是像過去一樣的面向自動化的系統(tǒng)。

此外在具身機(jī)器人的仿真訓(xùn)練上，在XR平臺的內(nèi)容生產(chǎn)基座上，乃至于在游戲引擎的場景生成上，空間智能的未來潛力都讓人驚嘆。

以具身智能為例，機(jī)器人“大腦”能在與現(xiàn)實(shí)高度相似的虛擬廚房、倉庫中，通過數(shù)百萬次的試錯，學(xué)習(xí)如抓取、導(dǎo)航、協(xié)作等復(fù)雜物理交互技能，從而將訓(xùn)練成果遷移至實(shí)體機(jī)器人。

群核工業(yè)AI孿生平臺SpatialTwin

智能時代的每一次進(jìn)化，都將為產(chǎn)業(yè)鏈上下游帶來新的養(yǎng)分、新的機(jī)會。在三維的智能體協(xié)助下，人類社會的工作方式、城市形態(tài)和生活體驗(yàn)可能也將迎來巨變。

空間智能的潛在應(yīng)用場景，可能廣到超乎想象。群核以及同類型的技術(shù)公司，那些率先在此布局的團(tuán)隊，已經(jīng)深入到了金礦深處，現(xiàn)在最大的問題就是，怎么才能最好地抓住這個機(jī)會呢？

03
淘金者需要賣水人

在加州淘金熱時期，真正賺到錢的不是礦工，而是賣鏟子、賣牛仔褲、賣水的人。

而現(xiàn)在，在空間智能時代，行業(yè)同樣需要一個賣水人——提供數(shù)據(jù)、模型、工具鏈、交互接口……一切讓別人能在3D世界里“挖金子”能力的人。

今天，群核想做這個賣水人。

想要理解這個角色，我們可以類比于英偉達(dá)在AI產(chǎn)業(yè)中的作用。

英偉達(dá)之所以能夠成就一家偉大的公司，并不是因?yàn)樗麄冮_發(fā)出了一款超級模型，或者某個殺手應(yīng)用，而是因?yàn)樗麄優(yōu)樗虚_發(fā)者提供了不可或缺的“鏟子”與“水源”，也就是英偉達(dá)的GPU和配套的CUDA生態(tài)，徹底降低了AI研發(fā)的技術(shù)門檻。

現(xiàn)在無論是ChatGPT的對話，還是自動駕駛的感知，背后都有英偉達(dá)芯片在默默支撐。英偉達(dá)也就成為了這個行業(yè)的“幕后英雄”。

空間智能領(lǐng)域也需要這樣的角色，這里要提供的應(yīng)該是從底層模型到工具鏈的一整套能力。數(shù)據(jù)，底座模型，工具……這也正是群核科技過去14年沉淀的核心能力。

群核的數(shù)據(jù)不是AI出來的，而是“運(yùn)營+生成”雙重沉淀的。十余年真實(shí)設(shè)計、工業(yè)、商業(yè)空間數(shù)據(jù)，讓群核形成了覆蓋真實(shí)尺寸、材質(zhì)、構(gòu)造語義的空間知識網(wǎng)絡(luò)。這些數(shù)據(jù)可不是到處搜集來的互聯(lián)網(wǎng)數(shù)據(jù)，而是可計算的、結(jié)構(gòu)化的空間資產(chǎn)。這是構(gòu)建可信世界模型的重要途徑。

這也反映了群核最獨(dú)特、最不可復(fù)制的優(yōu)勢，就是他們“Physics Ready”世界模型體系。不同于純視覺生成的AI模型，群核的空間模型內(nèi)置物理約束：墻有厚度，光有反射，不僅是看起來像，而且能真實(shí)映射到物理空間。

群核要賣的水，就是這些可落地的空間智能能力。在群核剛剛舉辦的2025酷+大會上，推出了Aholo空間智能開放平臺，開放了群核包括空間重建、生成、理解、編輯在內(nèi)的四大能力，這些能力是空間智能開發(fā)者的“剛需”。

Aholo空間智能開放平臺的四大能力

希望在空間智能這片金礦上“淘到金子”的開發(fā)者和行業(yè)應(yīng)用者們，可以通過API或SDK的方式自由調(diào)取上述能力，也可以通過圖片、視頻或全景圖等多模態(tài)輸入，在平臺上直接構(gòu)建高保真的全息3D空間。

來自敘利亞的博主Zein是Aholo的第一批用戶。熱愛中國傳統(tǒng)文化的Zein，走過中國很多處文物古跡，并通過視頻方式記錄了下來。在看到一個群核工程師，利用3D高斯技術(shù)還原杭州一家老照相館后，他就開始關(guān)注群核科技。最近他借助Aholo平臺的空間重建能力，還原了麗水千年古建筑時思寺。Zein在社交媒體上說，希望通過這種技術(shù)把中國的文化遺產(chǎn)留存在數(shù)字世界，并傳遞到更遠(yuǎn)的地方。

時思寺3D高斯還原效果

重建是對物理世界的還原，生成則是無中生有的創(chuàng)造。目前用戶已經(jīng)可以用一張照片在Aholo平臺上直接生成一個完整的3D場景。而對商業(yè)場景更有價值的是，在重建或生成后還能繼續(xù)編輯以達(dá)到適用于商業(yè)化需求的結(jié)果。

在發(fā)布會上，群核科技CEO陳航現(xiàn)場展示了如何把發(fā)布會會場從一個空空蕩蕩的空間，通過3D高斯技術(shù)重建，并接入混合渲染編輯的能力，變?yōu)橐粋€“汽車營銷視頻”。群核還在現(xiàn)場與華策影視簽約，正式達(dá)成合作，未來為影視行業(yè)提供虛擬片場的生成服務(wù)。過去我們還要在線下搭建影棚，經(jīng)歷拍攝、修圖、美化一系列步驟，才能出一套商品宣傳物料，現(xiàn)在通過群核的編輯和混合渲染能力，立刻就能生成效果逼真的營銷廣告或影視劇場景。

目前很多AI的能力還處于可看可玩的階段，但對于空間智能而言，能在物理世界落地的技術(shù)才是有價值的技術(shù)。

如果想要了解群核技術(shù)的可落地性，不如直接看看這次群核科技基于3D技術(shù)所打造的AI內(nèi)容創(chuàng)作工具——LuxReal。

簡單地理解Luxreal，這是一款類Sora的軟件，區(qū)別在于，LuxReal可以創(chuàng)作符合物理規(guī)律、一致穩(wěn)定的視頻內(nèi)容，用通俗的話講，在LuxReal生成的視頻里，即使鏡頭切換、環(huán)境變化，人物、物體、場景依舊穩(wěn)定不變，不會因?yàn)槿狈?D空間結(jié)構(gòu)和物理法則的理解和推演能力，而走樣、穿幫、出現(xiàn)“AI幻覺”。

與現(xiàn)有AI視頻相比，LuxReal生成的內(nèi)容更穩(wěn)定（時空一致性）、更“聽話”（可控性）、更逼真，能夠滿足得了電商從業(yè)者、影視劇編導(dǎo)、廣告導(dǎo)演、產(chǎn)品經(jīng)理等群體嚴(yán)格的創(chuàng)作需求。

輸入2D圖片，LuxReal可將其生成為具有時空一致性的視頻

據(jù)說，重建或生成空間的能力還在被用來給機(jī)器人進(jìn)行訓(xùn)練，如果說文娛場景要的是“看起來真”，那機(jī)器人訓(xùn)練和工業(yè)仿真則是必須“用起來真”了，具備空間的結(jié)構(gòu)化參數(shù)和約束是進(jìn)入物理世界的必須，也是群核Physics Ready的壁壘。

這就是將技術(shù)從“實(shí)驗(yàn)室”走向“生產(chǎn)力工具”的核心標(biāo)志?！奥涞亍本褪强臻g智能發(fā)展的核心，也是群核科技面對眾多“豪門”，仍然能當(dāng)“賣水者”的底氣。

04
這是一個足夠好的時間點(diǎn)

從純技術(shù)演進(jìn)視角來審視，空間智能確實(shí)已抵達(dá)關(guān)鍵的“技術(shù)臨界點(diǎn)”，數(shù)據(jù)、模型、工具鏈與市場需求，四大要素同時齊聚，技術(shù)大爆炸的節(jié)點(diǎn)盡在咫尺。

大語言模型的發(fā)展，經(jīng)歷了從技術(shù)探索到 “ChatGPT時刻” 的質(zhì)變。此后，競爭迅速演變?yōu)樯贁?shù)巨頭主導(dǎo)的生態(tài)之戰(zhàn)，后發(fā)者追趕的代價高昂。

在空間智能這個新興領(lǐng)域，全球都還在探索階段，正處于關(guān)鍵的 “前ChatGPT”窗口期。其核心特征與大語言模型爆發(fā)前夜高度相似：技術(shù)范式尚未統(tǒng)一，神經(jīng)輻射場、3D高斯?jié)姙R、世界模型等多種路徑仍在并行探索，尚未出現(xiàn)公認(rèn)的“第一性原理”。

這一階段恰好是中國的機(jī)會窗口，也是群核最好的戰(zhàn)略機(jī)遇期。去做“賣水人”，不僅是在對應(yīng)群核本身技術(shù)經(jīng)驗(yàn)的積累，更是將自身獨(dú)特的“復(fù)合優(yōu)勢”加速轉(zhuǎn)化為不可撼動的“生態(tài)位”的關(guān)鍵一步。

當(dāng)前市場，提供通用AI能力（如圖像生成、語音識別）的云平臺眾多，但能提供高保真、可交互、且物理正確的3D空間生成與仿真服務(wù)的平臺幾乎空白。群核的Aholo平臺，恰好填補(bǔ)了這一關(guān)鍵缺口。

從開放平臺的角度看，群核如果能夠成功占據(jù)“物理正確3D空間能力” 這一稀缺的供給側(cè)，從而迅速占領(lǐng)開發(fā)者心智，讓自己從單純的軟件服務(wù)商，變成了構(gòu)建下一代空間智能應(yīng)用時繞不開的“基礎(chǔ)設(shè)施”。

在“ChatGPT時刻”到來之前，群核的“性價比”優(yōu)勢，可能會為他帶來另一重保障：若想達(dá)到同等質(zhì)量，固定成本無法逾越；若想打價格戰(zhàn)，只能提供低質(zhì)、不可靠的服務(wù)，無法切入真正的產(chǎn)業(yè)核心需求。

做基礎(chǔ)設(shè)施的公司，不僅具有技術(shù)上的引領(lǐng)地位，更有對產(chǎn)業(yè)規(guī)律和標(biāo)準(zhǔn)的定義能力。把握住這個黃金節(jié)點(diǎn)，就是“賣水人”最大的戰(zhàn)略意義。

未經(jīng)「AI科技評論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號轉(zhuǎn)載請先在「AI科技評論」后臺留言取得授權(quán)，轉(zhuǎn)載時需標(biāo)注來源并插入本公眾號名片。