空间智能概览
空间智能是基于3D视觉信息进行理解、推理、生成、交互的AI系统，主要应用领域包括自动驾驶、3D生成、具身智能和扩展现实（XR），其中XR是空间智能的原生交互方式。
应用领域成熟度
- 自动驾驶：目前规模最大、最成熟的应用，技术前沿从模仿学习转向强化学习，数据体系成熟，核心在于大规模车队的数据积累和数据闭环。
- 3D生成：处于技术快速进步阶段，最大瓶颈是寻找具有良好扩展性的3D数据表征，受益于游戏、CG等行业，有一定数据积累，但开源数据已耗尽。
- 具身智能：未来规模最大的应用，但目前整体成熟度较低，头部玩家即将开始生产环境实验，最大的瓶颈在于数据，各层面均处于早期阶段。
- 扩展现实（XR）：硬件基础正在成熟，可实现3D类内容的原生消费，未来将打开更大的市场，目前是训练具身智能的关键数据采集方式。
数据体系成熟度
- 数据积累规模：自动驾驶 > 3D生成 > 具身智能，自动驾驶拥有最成熟的数据体系，核心在于大量车队的数据积累，同时可以构建大模型的数据闭环。
- 数据构成精简度：自动驾驶（中）> 3D生成（中）> 具身智能（低），3D数据构成复杂，表示方式多样，具身智能涉及异构数据多。
- 数据分布多样性：自动驾驶（中）> 3D生成（中）> 具身智能（低），自动驾驶数据分布多样，具身智能数据分布单一。
- 数据闭环成熟度：自动驾驶（高）> 3D生成（中）> 具身智能（无），自动驾驶形成数据飞轮，具身智能尚未形成。
关键技术路径
- 自动驾驶：从模仿学习转向强化学习，以保持性能增长，出现清晰的空间智能Scaling Law，接管里程随底层算力扩展和强化学习新进展快速增加。
- 3D生成：目前有两种技术路线：3D原生生成和2D升维多视角重建，技术路线尚未收敛，行业处于快速探索阶段。
- 具身智能：大部分厂商目前的数据积累、算法成熟度、本体成熟度都不支持端到端机器人大模型，任务编排、感知模型、运动控制以及操作抓取都处于模块化状态。
- 扩展现实（XR）：硬件设备各项性能参数正在提升，可实现3D类内容的原生消费，未来将打开更大的市场。
世界模型
- 世界模型是从大量数据中构建理解世界运作方式的内部表征，可以推理行动后果预测未来，精确完备的世界模型是空间智能发展的终局状态。
- 世界模型可以通过各种技术路径逼近，但不同路径的精度和效率各异，空间智能侧重3D和物理AI，可能是建模真实世界的最佳方式。
空间智能玩家图谱
- 生成、自动驾驶、具身智能、3D生成、XR是空间智能的主要应用领域，硬件算力的提升将加快视频生成的推理速度。
