拥有核心观点的天极网 IT 新闻频道表明, 世界模型间的竞争, 从本质层面上讲是数据基座方面的竞争。并且数据基座的核心之处, 是具有真实特性、细颗粒度特征、可商业化性质的室内空间数据。
英伟达年度股东大会于2026年6月25日举行, 在此次大会上, CEO黄仁勋向全世界宣告, 有用的AI已然到来, 而且已经能够赚钱了。AI数据中心是那种制造词元的工厂，每一个词元都能够变成代码、答案、设计、行动以及服务, 每个token都是利润单位。客户所购买的并非仅仅是服务器, 更是那能够产生收入的AI工厂。黄仁勋还同时强调, 物理AI将会是下一波增长浪潮, 机器人、汽车还有工厂会成为现实世界里的智能体, 能够感知、推理、规划并自主行动。英伟达会借助 AI 工厂来训练模型, 还要运用 Omniverse 进行仿真, 之后凭借 Jetson 等平台将其部署到实体设备上。
几乎是在同一时间, 北京智源研究院把世界模型当作通向AGI的关键共识方向给列了出来, 提出要从“预测下一个词”转变为“预测世界的下一个状态”, 标志性信号在同一方向交汇, AI正从数字世界全面进入物理世界, 数据、世界模型与仿真是驱动这一进程的核心要素。
可是, 有一个关键问题冒出来了: 世界模型所谓的“想象力”究竟从哪里产生呢。答案是数据。世界模型是以数据基底作为基础的, 而数据基底的关键部分, 是能够如实体现物理世界运行规律的空间数据, 特别是那种涵盖室内场景、拥有商业语义、能够持续得到验证的线下空间数据。
一、范式迁移：从“读和写”到“观察和建造”
世界模型的关键要点在于, 要使AI去感知物理世界的时间, 要让AI去理解物理世界的空间, 要让AI去推理物理世界的规律, 它需涵盖所有模态的数据, 它还要拥有主动交互的能力。斯坦福大学的教授李飞飞表明, 空间智能乃是机器在3D空间里感知、推理以及行动的能力, 也是机器在时间中感知、推理以及行动的能力。她所创立的World Labs最近完成了10亿美元的融资, 其估值达到了50亿美元。李飞飞做出判断: 大模型教会机器进行阅读和书写, 空间智能教会机器开展观察和建造。
二、全球竞速：从室外到室内开云app在线入口开云真人官方下载，世界模型的多维战场
世界模型所涉及的赛道, 此刻正迅速变得拥挤起来, 其覆盖范畴, 从户外自动驾驶领域, 延伸至室外城市空间, 进而全面铺展到室内空间场景。据知情人士知晓, 当下已然在精心打造世界模型开云真人app官网登录app，并且已然有了部分模型初步形态的企业, 数量并不在少数:
在自动驾驶这个领域当中, Momenta会在2026年4月的时候让R7世界模型实现量产并落地, 它是依靠着超过120亿公里的真实驾驶数据, 以此来使得系统可以预判世界；理想汽车发布了MindVLA - o1, 并且还将自动驾驶界定为物理AI的起点。
关于室内以及家庭场景这一方面, 萤石推出了自行研发的“萤石星辰世界模型”, 该模型里的AI洗地机器人能够创建家居3D语义地图, 还能够预先判断宠物以及行人的动态情况；大晓机器人和港中大联合发布了Kairos-HomeWorld, 这是一个全球*全屋生成、物体全交互的世界模型, 并且同步开放了30万套中国真实住宅平面图以及5000个仿真场景数据集。
在建筑以及BIM这个领域当中, 全球设计软件方面的巨头Autodesk展开了战略投资行动, 投资对象是World Labs这家公司, 其目的在于推动物理AI, 使其从仅仅“理解数据”的阶段成功迈向“理解建筑”的阶段；李飞飞团队在2026年6月的时候发布了World Tracing技术, 这项技术具备能够从单张建筑照片恢复出完整三维几何的能力, 而BIM正在逐渐蜕变为建筑业的“数字底座”。
其中, 在室外以及城市空间这个范畴之内, 高德于2026年6月的时候发布了全球*3D原生城市世界模型ABot-Earth0.5, 该模型覆盖了多达190多个国家和去, 输入卫星图像之后, 仅仅只需10分钟, 就能在消费级GPU达成公里级3D城市场景的生成, 其成本仅仅只是传统方式的百分之一；百度呢, 把世界模型能力融入到了文心大模型5.0以及Apollo自动驾驶体系之中；谷歌DeepMind将积累了20年、覆盖全球110个国家的2800亿 张街景图像接入了Genie世界模型, 用户能够基于真实地点来生成交互式沉浸环境。
国外, 室内空间智能领域作为世界模型的重要构成部分, 有Mappedin, 它是全球知名的室内地图平台, 借助AI与LiDAR技术把建筑平面图转变为动态3D数字地图, 已涵盖全球86个国家、超100亿平方英尺的室内空间；有NavVis, 这是成立于2013年的德国室内空间智能解决方案供应商, 通过移动扫描系统以及数字孪生平台为戴姆勒、华为等全球企业给予室内空间数字化服务；有VergeSense, 其发布了大型空间模型(LSM), 依据八年搜集的超2亿平方英尺办公空间行为数据, 预估人类在空间里的行为模式；还有Vestella Labs, 它是专注于物理AI的空间智能企业, 其核心技术能够自动把非结构化空间信息(诸如图像、PDF、CAD图纸)转化成AI可理解的空间数据。国内, 有数位科技, 此公司一直采用众包模式实地采集加上技术自动标注模式, 历经十年持续更新构建了中国室内空间信息数据库, 针对行人可达的城市空间尤其是室内复杂空间, 开展了逐点位连续的视觉、文本、无线指纹等多模态信息标注, 并最终形成大规模多模态数据集。这是一套具有不可替代性的物理空间多模态数据基座, 从这里训练出空间特征的变与不变, 它是未来能让机器真正和人一样, 得以读懂与理解我们共同生活的这个物理世界的钥匙, 是使机器与人一样具备位置及空间信息智能能力的关键, 这套数据的价值不可复制且不可估量。
繁荣情形之下, 有一个核心瓶颈正变得日益清晰起来, 那就是世界模型是需要真实物理世界的高质量数据的。不管是高德所拥有的城市3D数据, 还是谷歌的街景图像, 亦或是Momenta的驾驶视频, 甚至是萤石的居家场景, 每一个方向都正在呼唤更丰富的, 且更细颗粒度的物理世界数据。
三、万亿级市场的底层逻辑：谁掌握数据基座，谁定义下一代AI
公元二零二五年, 中国具身智能市场的规模额度约为九千一百五十亿元, 截至公元二零二六年, 其预期将会突破一万零九百零四亿元；在公元二零二五年之年, 全球室内定位导航市场的规模数值是一百六十九亿美元, 预计到公元二零三二年之际便会达到七百二十四点六亿美元, 其年复合增长率为百分之二十三点一一；在公元二零二五年这个年份, 全球BIM市场的规模总值大约为九十五亿美元, 且推断公元二零三六年之时会达到三百二十五亿美元, 呈现出这样的发展态势。
处于行业头部位置的玩家已然察觉到: 世界模型的最终极壁垒在于数据, 而并非算法。然而, 有一个被人们忽视掉的问题是: 世界模型朝着商业应用的方向发展, 所需要的并非仅仅是能够泛化的室外街景, 还更加需要有着高精度的室内空间数据——这是由于人类百分之九十的生活、工作以及消费行为都是在室内发生的。不管是具身机器人进入到家庭当中、智能家电去理解家居布局, 还是企业进行线下商业决策, 室内空间智能都是无法避开的最核心能力。这恰恰就是世界模型数据基座里*具价值、*难获取的那一部分内容。
回归到开篇所做的判断, 世界模型之间的竞争, 从本质上来说, 是数据基座方面的竞争。而数据基座的关键核心部分, 是具备真实特性、细颗粒度以及可商业化特点的室内空间数据。有着两大行业共识, 其一为AI下一阶段正从数字世界全面迈进物理世界, 其二是数据、世界模型与仿真是驱动这一进程的核心要素, 这两大共识与这条差异化路径恰好不谋而合。当黄仁勋宣告物理AI为下一波增长态势时, 当高德再度构建3D城市之际, 当Momenta对路况作出预判之时, 当萤石使得机器人能够“领会”家庭情况时——每一个方向均在吁求同一事物: 真实、精准且可规模化的空间数据。要从室内空间着手, 要依从每一个真实的线下场景进行。AI正在学会“设想”物理世界, 而能让此设想不背离现实, 能令世界模型切实可用的, 正是真实世界的一砖一瓦, 一人一所, 一进一出。
还木有评论哦，快来抢沙发吧~