当AI理解物理世界，它能在现实世界做些什么？

这不光是高德的进化史，也是地图的进化史。

作者|李斯

在李飞飞看来，大语言模型既聪明到知识渊博，又愚蠢到连一些基本能力都没有。聪明在于，它能流畅地生成文本、写代码、做视频，看起来近乎“全知全能”。愚蠢在于，它在估计距离这样的空间任务上的能力，堪比随机猜测。

看起来知识渊博的它，其实没有任何现实世界的经验。因为它缺少了一项基本能力：空间智能。

空间智能，是AI通往物理世界的必然趋势，不同企业和科学家对它的定义不完全相同，但有两部分是一致的：第一，它要能真正地理解物理世界的运动。第二，它要能预测物理世界。

但实现这两点并不容易，它不光要有一个基础的模型，需要有物理世界的数据，和一整套平台化能力的支撑。从这个层面来看，高德做空间智能的逻辑，就很好理解了。它有真实世界的数据和平台化能力，辅以世界模型，就构成了一套空间智能的平台化能力。

在今年的云栖大会上，高德基于自身积累，也顺应时势地推出了一套空间智能AI平台，这套平台以世界模型为底座，做到还原、理解、预测真实世界。

这套平台搭建的全空间无人体系，已经在多个城市开展城市级验证，标志着高德正在成为一家空间智能公司，也标志着智慧城市走向了自主进化。

01 AI正在走进物理世界，但它还难以理解空间

今年年初的龙虾热，但是最后龙虾的“钳子”再好用，它伸不出屏幕。它没法帮用户倒水、扫地、洗碗、出行。只能在虚拟世界里干活，这当然也大有可为，但如此多的算力，都在一个计算机内，未免显得有些拥挤。

一片更广阔的天地呼之欲出：走出计算机，走向现实世界，

黄仁勋早在2025年3月就判断，生成式AI已经成为过去，未来属于代理式AI和物理AI。在他看来，AI的发展有四个阶段：感知、生成（语言模型）、代理（龙虾）、物理AI。

这不是黄仁勋强行创造的定义，而是基于第一性原理得出的必然趋势——这四个阶段，AI能做的事情越来越难，越来越多，只要技术允许，AI一定会朝着“做得越来越多”的方向发展。今年1月，黄仁勋更是在活动中表示“物理AI的Chatgpt时刻来临”。

“AI教母”李飞飞也在去年11月发文表示，空间智能是人工智能的下一个前沿。它认为大语言模型虽然能做很多事情，但却不能完成估计距离、旋转物体等基本的空间任务。AI缺少一种基础能力，那就是空间智能。

物理AI、世界模型这些词汇，还没有共识，大家的定义、话术各不相同，但内核是一致的：AI要走到现实世界，去理解空间，去预测物体的运动，去指导现实世界。

但很遗憾，即便是世界上最强大的大语言模型，对真实物理世界的理解也是非常有限的。大语言模型能写出10万字的交通规划，但它无法理解哪怕一颗苹果的运动，更不可能理解城市的运作，去指导交通调度、应急响应、物流配送、商业选址。

它需要一个平台，一个底座，来称为它通向现实世界的导航。而在这个环节，最匮乏的就是数据和一整套平台化能力。

大语言模型不是突然产生的，它是人类互联网经过数十年沉淀出的海量数据孕育出来的，没有搜索引擎、论坛、新闻沉淀出的海量语料，生成式语言模型就很难诞生。没有人类创造的海量短视频、电影，视频生成模型也很难像今天一样发达。

而现实世界的物理运动的数据，没有那么容易获取。

现实世界不缺少运动，但大部分数据无法沉淀。比如人类每天都在运动，但大家不带传感器，这些数据无法被沉淀。牛顿在300多年前就总结出了大量物体运动规律，但它们只是公式，没有真实世界的运动轨迹数据。

这是物理AI的天然难题，也是物理AI的发展速度慢于生成式AI的原因之一。

那些有现实世界数据和平台化能力的公司，更显得稀缺。

02 谁能理解现实世界？

过去几年，全球的“物理AI概念股”，大部分都是自动驾驶公司。

自动驾驶只是AI技术在某个垂直领域的应用，并不是什么世界底层技术，但为什么能成为泛物理AI公司？原因很简单，汽车是极少数能拥有大量现实数据的智能设备。能沉淀，就是最大的优势。

甚至扫地机器人企业也都转向了物理AI领域，且受到了市场的认可。扫地机器人的数据其实是非常单一的，只限制在家庭范围内，但没办法，现实世界的数据太稀缺了。

而在智能驾驶和扫地机器人企业风靡资本市场的同时，有一类公司经常被忽略了：地图导航。

这是一个真正理解“现实世界”的平台。高德地图知道每一条道路，每一家小餐馆的位置，餐馆与地铁站的位置关系是什么，吃完饭以后从哪个入口走会更近。它还能理解三维，高架桥、辅路、人行道的空间是如何折叠的。

高德的数据不止三维，它是一个多维度的数据。

以一家餐馆为例，高德可以告诉人们：这周围的人、汽车会向哪个方向流动，不同时间点的流动趋势有何不同，人流的构成是什么，人群的画像是什么，甚至基于此预测下一步人群的流动方向。

这套平台能力，可以成为AI通往物理世界的“导航”，是空间智能孕育的良好土壤。

在刚刚结束的云栖大会上，高德云图推出了一套空间智能AI平台，基于此并发布城市全空间无人体系解决方案。

图注：高德空间无人体系

这套平台的最底层是云境，负责感知和描绘三维世界，它能画出一张多维时空地图，解释现实世界中物体的相对位置，三维空间中的连接关系。升级后的云境，通过生成式建模与世界模型，实现从还原空间到预测、生成空间的技术跃迁。

云睿是一个智能体平台，它的基础是数据，它把零散的数据，打包成可落地的智能。在经过不断的进化后，这套智能体平台已经融入了高德多年积累的时空数据、行业知识、skill，可用于交通、物流、智慧城市商业多个领域，现在已对外开放。

云策属于应用层，它能直接把平台能力封装为可交付、可复制的行业解决方案，直接面向行业、企业、城市。

这三层，层层递进，在这一整套平台能力下，物理世界是可以像语言和数字一样，被感知的，可以被计算的，可以被预测的。

03 从一张地图，到AI在现实世界的底座

过去，大部分人没有意识到，地图能在生产力端能做多少事。

工厂写字楼的消防需要立体3D地图，高德云图可以构建一套立体的三维模型。企业开门店选址，也需要地图。高德云图可以帮门店指导选址。城市控制车流，建设交通枢纽，也需要地图。高德云图可以帮城市调动资源。

当空间智能的时代来临，这套平台化能力，只会有更大的潜力。

基于世界模型和高德云图的行业经验，空间智能已经有了很多应用场景，大致可以分为以下几类：

第一，无人出行。能给人类司机导航，就能给无人车导航。在这方面，小鹏和高德已经有深度合作，打造出一套聚合Robotaxi平台。

第二，是无人物流。这是一套围绕无人车、无人机、机器狗的立体物流体系。值得一提的是具身智能的无人物流，高德拥有全球首个全栈具身技术体系——ABot，这套体系在今年7月的一次升级后，在17项权威基准中拿下全球最好成绩。

第三，是门店选址。今年7月，高德云图宣布高德问店上线，商家用自然语言就可以完成交互，该产品可以提供选址、经营诊断、市场洞察等一系列服务。

第四，是城市交通治理。高德与应急管理部中国安全生产科学研究院合作研发了鹰眼守护预警系统，更是能够捕捉路况、车流、道路隐患和突发事件，识别高风险场景，把交通安全处置的时间点尽量往前移。

过去的导航只能帮人导航，但现在的导航，已经可以“为物导航”。

而当各项“为物导航”的能力聚合在一起，去驱动一个城市，就成了一套全空间无人体系。

这是一套庞大的生态，由世界模型驱动，链接了卫星、无人机、无人车、机器人、机器狗等涉别。服务范围涵盖包括地面与低空出行的出行服务，包括到店服务，包括无人运输车与机器狗的到家服务。

图注：在2026云栖大会期间，高德推出城市全空间无人体系解决方案

在江苏常州、深圳龙岗、四川彭州、广东横琴，高德的全空间无人体系已经逐步落地，这是一套可跨城复制、可规模化的体系，有机会从这些“样板间”复刻到更多城市。推动城市从被管理，走向自主进化。

这个过程里，高德的角色也在发生剧烈的变化。最早的高德只是司机的导航，但眼下，它已经成为了空间智能的底座。成为一个城市运转的平台帮助AI去看懂城市，走进城市里的万物。

这不光是高德的进化史，也是地图的进化史。

从二维纸质地图，到电子地图，再到AI时代的空间智能平台，地图的概念随着科技的发展越来越大，越来越多维，但不变的是，它从来都是现实世界的基础设施。在AI从虚拟世界通往物理世界的过程中，“地图”仍然是必需品。

头图来源|AI制图