空间智能，才是智慧城市下一个真正的主战场

文源 | 源Sight

作者 | 王言

现在，许多城市拥有自己的“交通大脑”甚至“城市大脑”，但其中很多是“大头娃娃”，脑子很大，却没有手和脚。

比如城市车流骤增带来的拥堵、难以预判的突发路况、文旅景区因人潮扎堆形成的体验下滑，还有社区末端配送持续存在的效率提升难题……智慧城市系统虽然能够统计数据、呈现态势，但却难以主动介入真实的场景当中解决问题。

根据普华有策的数据，我国智慧城市市场规模由2020年的15万亿元增长至2025年的45.3万亿元左右，复合年增长率为25.2%，预计2026年中国智慧城市市场规模将达到55.5万亿元左右。

不难看出，智慧城市依然还处在行业风口。但需要指出的是，智慧城市是一个兼具深度与广度的命题。城市地域广袤、主体纷繁复杂，传统数据系统与视觉技术，还不足以承载城市全面智能化的需求。

换句话说，智慧城市的AI看得懂数据，却看不懂世界。

在今年的云栖大会上，高德副总裁董振宁也指出，当前AI大模型主要靠消化语料理解世界，当AI进入汽车、机器人、物流和城市服务时，理解物理世界的能力成为关键缺口。

如何让系统和机器真正看懂立体城市，同时预判动态的变化，最终落地到民生服务当中，将成为最终改写城市治理与民生服务逻辑的关键。

01

智慧城市，

卡在“看得见、做不到”里

如今，绝大多数城市都已搭建起完善的数字化平台，通过AI驱动，政务数据收集和归类、城市态势可视化以及基础的趋势预测等功能已经实现，在大屏幕上，城市交通、文旅、民生等各项数据一目了然。

但如果涉及到具体的城市生活，其实还有很多问题依旧没能彻底解决。

长期以来，传统智慧城市建设更为注重对于二维数字空间的管理，聚焦在数据的整合、线上流程改造等方面。但事实上，城市的运行、民生服务的落地、产业场景的变化和调整，都发生在复杂多变的三维物理空间中。

而传统的数字系统，只能识别静态数据、文字信息，无法理解物理世界的三维空间结构，也无法实时推演人、车、物在时空交织下的因果关系。

比如在雨季，其注重于观测各个雨量站、积水点位的水位数值，在地图上标记积水点。但这一模式的局限在于，系统只能看到平面水位，忽略三维地形。

同一片区域，地势高低、地下管网排布、立交桥低洼空间，会造成同样降雨量下，不同位置积水速度差异巨大。如果暴雨持续落下，雨水是否会顺着坡地汇集，建筑物是否遮挡排水口，低洼桥洞会不会快速积水……二维系统往往积水已经很深才报警，很难提前预判立体的汇流过程。

可以说，现实环境时时刻刻的更迭，道路环境随时的变化，以及空间遮挡、场景交错、时序变动，才构成了整个动态且鲜活的城市生态。

董振宁给出的答案是“空间智能”——让AI读懂物理世界的三维结构、动态演化规律与时序因果逻辑，并借助这套认知介入现实世界开展行动，完成对物理空间的感知、趋势推演与执行。

也是因此，城市精细化的治理、民生便民服务、产业数字化升级，都需要一个可落地、可运营、可复制的实体化解决方案。

02

让系统拥有认知真实物理世界的能力

想要让AI读懂城市、服务城市，首先要解决的问题，就是让系统拥有认知真实物理世界的能力。而这，就需要建立一套完整、立体、动态的空间认知体系。

长期以来，一些深耕空间领域的平台，通过持续积累的海量城市实景数据、空间动态数据与用户交互数据，率先搭建起一套专属的地图世界模型。

以高德为例，它们已经将纷繁复杂的城市物理空间，分解为二维网络连接、三维立体空间、动态时间维度、人与空间交互流四层认知维度。

同时，高德还沉淀出了四大类基础数据，即描摹城市硬件形态的空间几何数据、赋予场景业务属性的空间语义数据、记录城市动态更迭的状态数据、民生服务交互的行为数据。

这四层认知和四类数据相互融合，构筑起空间智能的基础，衍生出三大能力。

其一是三维空间表达，是机器看懂城市的眼睛。区别于传统平面地图，这项能力可以完整还原从室外全域到室内细分场景的真实空间关系，识别建筑遮挡、通行通路、空间距离、障碍物分布。无论是无人车、无人机，还是各类城市智能装备，都能依托三维建模辨识环境，为实地作业提供物理参照。

动态感知能力，则能够让城市数据告别静态“照片”。传统智慧城市留存的多是某一时刻的固定数据，而不是城市的实时变化。高德空间智能体系，能够全天候捕捉车流起落、人流更迭、商户营业、道路管制等动态变化，实时更新城市空间状态，让机器感知到真实、持续变动的城市原貌。

此外，时空推演能力，能够让高德实现从“看见当下”到“预判未来”的转变。不同于简单的数据趋势预测，其可以模拟各类场景在时空链条中的连锁反应。面对大型文旅活动、突发交通事件、极端天气影响，系统能够推演人流扩散、拥堵传导、风险蔓延的路径，自动识别潜在隐患。

总体看，这三项能力层层递进、相辅相成，也彻底打通了数字世界与物理世界的壁垒，让机器用有了记录城市，同时读懂城市和理解城市的能力。

03

重构城市基础设施价值

技术的价值，最终还要落地于实际的场景，赋能于民生。如今，高德空间智能体系已经走出实验室，落地具体的城市管理场景。

以高德云图为例，高德空间智能AI平台通过世界模型，已经搭建起一套闭环体系。在这里，所有无人装备、智能体在城市空间的每一次作业，都会实时回流空间数据，反向迭代优化世界模型。

在这套体系下，城市不再是一个被动接受管控的静态载体，而是能够实现自我感知、自我进化和生长的智慧生命体。

在出行领域，云图全新打造出一套海陆空协同的出行模式，依托空间感知与调度能力，无人飞行器、无人小巴、无人船实现协同作业。在城市通勤等场景中，这一模式能够补充传统公共交通短板，拓宽城市运力边界，让市民出行更高效和便捷。

在文旅等到店领域，实现线上线下服务的深度打通。借助飞行街景技术，游客可提前实景预览目的地风貌。抵达园区后，智能导览全程跟进，后台实时监测客流数据、预判人流趋势，既优化了游客体验，也为商家、景区运营提供了数据支持。

在社区便民领域，针对社区配送人力成本高、高峰运力不足、配送精度低等问题，云图通过无人运输车、智能机器狗接力完成末端配送，打通高德问店、淘宝闪购、途途到家全服务链路，补齐社区物流“最后一公里”的缺口。

在C端民生服务之外，高德空间智能也能够深度赋能B端、G端产业升级。其将复杂的商业选址研判、城市交通调度、文旅运营分析、产业布局规划等专业工作，转化为轻量化、对话式的AI工具，让城市治理变得更为高效，让商业决策更科学有据。

并且，高德空间智能选择了一条生态共同发展模式，面向政府、文旅、物流等多元主体开放技术能力，同时针对不同行业的需求，定制差异化方案，让空间智能技术真正实现规模化应用。

图为：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，并与杭州、常州、彭州、阳江、衡阳、横琴、深圳龙岗、福建德化、南京鼓楼滨江达成合作。

纵观AI行业发展，产业竞争早已进入下半场。曾经，行业比拼的是大模型参数规模、文本对话能力，如今，竞争的重点已然发生变化，能否深度理解物理世界、能否实现场景落地、能否赋能实体经济和民生，成为区分技术实力的重要标尺。

再将目光拉至智慧城市赛道，其逻辑也正在发生转变。从大语言模型到空间智能，从二维数字化到三维空间智能化，AI正式走出屏幕，深度融入城市的每一寸土地、融入普通人的衣食住行。

高德云图依托空间智能推出的全空间无人体系的探索，则是国内科技企业布局物理AI、空间智能的产业实践。这套技术体系，指向了长期以来智慧城市落地难、迭代难困局，也证明空间智能已经是一套可落地和规模化推广的成熟方案。

当机器真正读懂真实城市，当AI真正扎根物理空间，智慧城市也将彻底摆脱纸上蓝图的局限，实现自主感知、自主决策和自主进化。

部分图片来源于网络，如有侵权请告知删除