有人說，中國硬科技已站上世界之巔，但就AI大模型的技術(shù)水平而言，中國仍處于追趕美國的階段。這個結(jié)論正確嗎？我們和昊辰資本創(chuàng)始人湯濤先生就此進行了討論。他的觀點是:至少該結(jié)論在“空間智能模型”領(lǐng)域是不正確的。一個來自于粵港澳大灣區(qū)數(shù)字經(jīng)濟研究院（IDEA研究院）的頂級科學家團隊，開發(fā)出了全球領(lǐng)先的“空間智能模型”。這個團隊的帶頭人，就是昊辰資本天使輪投資項目視啟未來（深圳）科技有限公司（下文簡稱視啟未來）的創(chuàng)始人——張磊博士。

圖/張磊博士

視啟未來的由來

張磊博士，是中國人工智能奠基人張鈸院士的得意門生，也是擁有200余篇頂會論文、Google Scholar引用超6.2萬次的IEEE Fellow。2024 年，張磊博士發(fā)布了通用視覺大模型 Grounding DINO 1.5，一舉摘得視覺領(lǐng)域 SOTA（當前最優(yōu)） 桂冠。在 COCO、LVIS 等多個國際權(quán)威測試中，該模型以絕對優(yōu)勢力壓谷歌、Meta、微軟等行業(yè)巨頭，成功在全球舞臺上為中國視覺大模型占據(jù)頂尖位置，彰顯了國產(chǎn) AI 的強勁競爭力。同年，團隊推出的 DINO-X 模型更是憑借獨一份的“泛化感知”能力，成為李飛飛團隊和英偉達、銀河通用、騰訊 Robotics X 實驗室等國內(nèi)外頂尖機構(gòu)在發(fā)布重要研究成果時的重點引用對象，進一步確立了團隊在全球空間 AI 領(lǐng)域的話語權(quán)。

Grounding DINO 1.5模型，一經(jīng)公布便獲得了IDEA 研究院創(chuàng)院理事長、世界頂級 AI 專家、美國國家工程院和英國皇家工程院外籍院士沈向洋的罕見轉(zhuǎn)發(fā)推薦。要知道，這位AI界大佬素來惜字如金，轉(zhuǎn)發(fā)頻率堪稱“一年一轉(zhuǎn)”。這份難得的認可，無疑是中國原創(chuàng)AI模型向全球行業(yè)吹響的奮進號角。

張鈸院士、沈向洋院士作為AI屆領(lǐng)軍人物，看到并認可張磊博士在“空間智能模型”中的研究突破，看好該技術(shù)廣泛的應(yīng)用前景，鼓勵并支持了張磊博士的研究產(chǎn)業(yè)化步伐。

2025年8月，張磊博士正式創(chuàng)立視啟未來，張鈸院士和沈向洋院士擔任公司顧問，全力支持公司發(fā)展?！昂芨吲d的是，昊辰資本在Grounding DINO 1.5發(fā)布之初，就取得了與張磊博士團隊的密切聯(lián)系，并且參與了視啟未來的天使輪投資”，湯濤先生無不興奮地告訴我們。

技術(shù)產(chǎn)業(yè)化與模型突破并行

視啟未來的兩位重量級顧問--張鈸院士和沈向洋院士，在學術(shù)界享有極高的聲譽，在技術(shù)產(chǎn)業(yè)化方面擁有豐富的經(jīng)驗，在日常討論中給團隊提供了很多方向性的建議。在他們的關(guān)心指導(dǎo)下，公司從成立第一天起就確立了雙措并舉的方針——技術(shù)要落地，研究要前瞻。一方面，通過產(chǎn)業(yè)合作實現(xiàn)技術(shù)落地，要快速構(gòu)建起可持續(xù)的商業(yè)模式；另一方面，要大膽投入前沿研究，保持技術(shù)在世界范圍內(nèi)的領(lǐng)先性。

在技術(shù)落地方面，公司成立不過四個月，就憑借DINO-X模型“泛化感知”的獨特能力迅速打開市場，與招商局集團、美團機器人以及安凱微建立了深度合作，在工業(yè)場景、低空經(jīng)濟場景以及智能家居場景實現(xiàn)了空間模型的落地，從而讓泛化感知技術(shù)可以提供精準化、個性化的AI增值服務(wù)。

在前沿研究方面，視啟未來的核心目標是實現(xiàn)空間感知模型與VLA（視覺-語言-動作）的結(jié)合，即通過將自身的通用感知能力與VLA架構(gòu)融合，構(gòu)建更符合物理世界規(guī)律的智能系統(tǒng)。同時，3D空間感知也是視啟未來的重點研究方向?！拔覀兿Ｍ麑⒏兄芰Υ蚰ブ翗O致，以此切入更多長尾且高價值的細分場景。與此同時，我們正著手將這類核心能力融入具身智能體系，希望幫助具身突破瓶頸，而這一過程需要開展大量針對性的研究與探索工作。”張磊這樣概括公司的路線圖。

圖/張磊博士指導(dǎo)完成的研究工作SegDINO3D，運用視頻數(shù)據(jù)完成三維空間的物體感知

具身智能中的創(chuàng)新型務(wù)實解法

張磊博士對具身智能本質(zhì)的理解是機器人要實現(xiàn)“看得清、想得明白、做得動”，必須以視覺感知為核心。因此，張磊的研究理念始終圍繞“視覺原生”展開。他相信“視覺是機器與環(huán)境交互的基礎(chǔ)”，強調(diào)“機器的最終行動依賴的是視覺與行動閉環(huán)，而非僅僅依賴語言”。 多年的研究積累也讓張磊團隊形成清晰的技術(shù)演進路徑：從2D物體檢測與識別出發(fā)，逐步向3D空間理解延伸，最終實現(xiàn)機器人與物理世界的精準交互。當前張磊團隊的核心研究方向之一是將2D感知升級為3D理解，解決具身智能的關(guān)鍵問題——通過視覺信息判斷物體的空間位置、表面結(jié)構(gòu)，進而確定最優(yōu)操作角度。

對于具身機器人而言，視覺是連接感知、規(guī)劃與行動三大基石的核心紐帶，是機器從“看懂”到“做到”的必經(jīng)之路。而在具身智能領(lǐng)域，VLA（視覺-語言-動作）架構(gòu)雖為主流技術(shù)路線，卻尚未實現(xiàn)產(chǎn)業(yè)大規(guī)模實際落地，核心瓶頸包括模型架構(gòu)的可行性存疑和訓練數(shù)據(jù)量的嚴重不足。具身賽道已形成的共識是，先解決數(shù)據(jù)規(guī)模和質(zhì)量問題，再推進模型創(chuàng)新。

在此背景下，為了促使具身智能走向通用化這一核心命題，全球科技界正展開多元探索：特斯拉專注真實數(shù)據(jù)仿真，英偉達聚焦數(shù)據(jù)泛化，李飛飛團隊聚焦3D空間的生成與構(gòu)造，而楊立昆團隊倡導(dǎo)的JEPA模型，試圖探索數(shù)據(jù)抽象?？傮w來說，這些探索路徑各異，但都尚未實現(xiàn)實質(zhì)性突破?！拔锢鞟I”、“空間智能”、“世界模型”這些新誕生的概念背后，本質(zhì)都是在爭奪對新事物的定義權(quán)。

視啟未來的研究方向，給這場競爭提供了務(wù)實的創(chuàng)新方向。公司以2D空間理解為根基增加連續(xù)的空間維度的變化，從而延伸到3D空間，為3D理解提供了堅實支撐。沿著這條路徑，團隊已經(jīng)取得了可觀的成果。張磊博士指導(dǎo)的研究工作OVSeg3R模型，進一步解決了開放世界中三維空間物體檢測和分割的難題，且正在打破制約具身智能發(fā)展的“數(shù)據(jù)量級不足”的瓶頸。

圖/最新3D分割模型OVSeg3R分割效果刷新了全球同類模型分數(shù)

以機械臂抓取物體的場景為例，傳統(tǒng)VLA模型需要收集不同顏色、形狀、環(huán)境下的海量實物交互數(shù)據(jù)，成本高且效率低。張磊則認為，抓取動作本身具有通用性，通過引入通用感知能力，可極大程度減少VLA對操作數(shù)據(jù)的依賴，放大現(xiàn)有數(shù)據(jù)的利用效率，讓VLA完成各類物體的抓取，達成全場景的真實泛化。這一創(chuàng)新思路從根本上降低了數(shù)據(jù)依賴，為具身智能規(guī)?；瘧?yīng)用創(chuàng)造了條件。

湯濤先生如此總結(jié)：“空間智能模型企業(yè)正迎來技術(shù)迭代與產(chǎn)業(yè)融合的雙重紅利，發(fā)展前景無限廣闊。視啟未來在空間智能模型領(lǐng)域已具備全球技術(shù)領(lǐng)先優(yōu)勢，不僅與頭部企業(yè)達成合作，完成產(chǎn)業(yè)落地驗證并推進相關(guān)業(yè)務(wù)，更憑借硬核技術(shù)為具身智能的通用化發(fā)展提供了無限想象空間與堅實支撐。我們堅信，視啟未來必將成長為中國乃至全球‘空間智能模型’賽道的獨角獸企業(yè)?！?/p>

一個在“空間智能模型”領(lǐng)域全球領(lǐng)先的公司，它的未來，確實值得期待。