不仅是杭州六小龙，更是空间智能“破壁者”。

作者｜Iris

编辑｜王博

进入2025年，AI行业正经历一场微妙的转变。

虽然大语言模型仍在持续演进，但业界已经清晰地感受到：Scaling Law带来的性能提升正在放缓。当算力堆叠不再是万能解法，AI的下一步该往哪里走？

答案或许藏在我们最熟悉的物理世界中。与过去火热的文本大模型和图像生成不同，这一波热潮——空间智能聚焦于AI对3D物理世界的认知与理解能力。「甲子光年」在《2025中国AI新风向30条判断》中，将物理AI列为AI的三大分支之一。物理AI不再局限于数字环境的运算，它能够感知、理解三维世界的空间关系和物理行为，并在现实世界中执行复杂操作，被广泛应用于机器人、自动驾驶、材料研究、气候预测、航天探索等领域。

大语言模型仅仅是这场AI马拉松的开头，当大语言模型的军备竞赛放缓，巨头们接连抢滩空间智能这个“第二战场”。

8月5日，谷歌DeepMind宣布推出通用世界模型Genie 3；8月12日的SIGGRAPH大会上，一身皮衣的黄仁勋也发布了新的世界模型Cosmos Transfer-2；上个月，腾讯在世界人工智能大会上发布了开源世界模型混元3D世界模型1.0。据The information报道，字节跳动也在推进世界模型项目。

在巨头竞相角逐的同时，一家杭州公司，正在成为在这场空间智能竞赛中的“中国变量”。他们在这个赛道的积淀甚至要回溯到12年前。

这家公司就是“杭州六小龙”之一的群核科技——中国最早聚焦3D空间模拟构建的公司，并且已经成为全球最大空间设计平台。

在满足中国乃至全球最复杂、最多元的设计需求的过程中，群核沉淀了海量的、物理正确的室内物理数据，他们得以用一种不同于硅谷巨头的方式，探索空间智能的路径。

8月25日，群核智能发布了业界首个专注于3D室内场景认知与生成的空间大模型。目前，该空间大模型已发布两大核心子模型：空间语言模型SpatialLM V1.5和空间生成模型SpatialGen，其中SpatialGen已在HuggingFace、Github、魔搭社区开源。

1.真正用“空间数据”训练的大模型来了

当前大模型的竞争焦点已从二维世界（文字、图片）转向三维物理世界。然而，空间大模型仍处于“GPT-2时代”，尚未达到类似GPT-3的“涌现能力”，技术路径尚未收敛——玩家们正以不同方式探索AI认知世界的可能性。

目前的技术路线有以下类型：

1.视频生成派（如Sora、Genie）：能以惊艳的视觉效果打动用户，但因缺乏3D结构，视角切换时会出现物体错位、形态突变等“穿帮”问题。

2.3D世界模型派（如WorldLabs）：能保证视角一致性，但灵活性较弱，且训练数据多来自游戏而非真实世界，导致真实感不足。

真正的挑战在于：如何让AI既深刻理解物理规律，又能灵活生成符合现实逻辑的三维世界？

群核空间大模型则用不同于以上两种的路径回答了这个问题——专注“室内空间本身”，而非泛化的物理世界。其核心突破在于持续积累的室内空间结构化认知，使其相比视频模型在视角一致性上更有保证，对比其他3D场景模型，也拥有更高的漫游自由度。

群核科技此前在室内设计领域的深厚积累，让他们在室内场景打出一张“王炸”，成为业界首个专注于3D室内场景认知与生成的空间大模型。其核心由两大开源模型构成：空间语言模型SpatialLM 1.5和空间生成模型SpatialGen。

这是全球少有的面向室内场景的物理正确空间大模型，相比其他视频生成模型和3D生成模型，有三大核心优势：真实感全息漫游场景、可交互性、复杂室内空间处理能力。

空间理解模型SpatialLM 1.5是基于大语言模型训练的，基座模型为Qwen3，它可以理解并使用一种结构化、可交互场景的描述语言。通过点云、文本等多模态的输入，该模型可以生成含空间结构、空间关系等参数化信息的场景语言。其实，SpatialLM 1.5是个增强模型，其前代版本 SpatialLM 1.0 今年3月开源后，迅速登上Hugging Face趋势榜前三，目前已有初创企业基于其代码和架构训练出自有模型，验证了开源模式的技术辐射力。

空间生成模型SpatialGen是一款基于扩散模型架构的多视角图像生成模型，它的原理是首次基于多视角扩散模型+3DGS重建技术，SpatialGen 可根据文字描述、参考图像和3D空间布局，生成具有时空一致性的多视角图像，并支持进一步生成3D高斯（3DGS）场景并渲染漫游视频，并且支持任意视角切换、路径漫游，光照、纹理、遮挡关系全程物理一致。

SpatialGen的多视角一致性演示

从群核TechDay现场来看，他们还在探索空间交互行动方向的模型。其实他们的路径很清晰，就是沿着空间智能的几个关键项：空间理解、空间生成、空间交互行动的路径往前跑。

2.空间智能竞赛中的“数据飞轮”

当前大模型的进化正面临一个关键矛盾：当互联网公开数据逐渐耗尽，未来靠什么喂养这些"数据怪兽"？尤其在空间智能领域需要的是空间数据，这个矛盾更加尖锐——需要真实世界的3D扫描和传感器数据，这种物理数据不仅采集成本高，处理难度也远超文本。

Scale AI的爆发式增长恰好印证了这个趋势，作为AI数据供应商，它在2024年上半年收入激增4倍。这背后反映的其实是整个行业正在为数据疯狂内卷——特别是室内空间数据，因为涉及复杂的空间结构和交互逻辑，成为最难啃的硬骨头。

空间数据也分室内和室外两个视角来看，室内数据是更困难的。群核科技联合创始人兼董事长黄晓煌在现场演讲中提到，相比室外，室内空间的数据更难获取、空间复杂度更高、交互需求更高、这些都让室内空间的的认知理解训练变得更难。

首先，自动驾驶车辆可以边行驶边采集数据训练模型，但多数物理世界中的设备或机器人不具备自主采集训练数据的能力。 其次，室内空间包含更复杂的结构和交互逻辑，相比室外单纯的道路数据（如自动驾驶），需要处理家具布局、物品属性、人类活动轨迹等多维度信息。

最后，室外数据只需测绘资质就能采集，但获取室内数据需要得到每个空间所有者的许可，考虑到隐私问题，要规模化获取100万甚至1亿个室内空间的数据几乎不可能实现。

这种稀缺性直接导致：当文本和图像领域可以通过海量互联网数据训练大模型时，空间智能领域却面临"无米下锅"的窘境。

而群核科技在酷家乐上的数据技术积淀恰恰可以弥补这一短板，也成为他们的破局之道——酷家乐的广泛应用积累了丰富的场景数据。这里面有个关键节点是2018年，群核科技联合英国帝国理工大学、美国南加州大学等发布了InteriorNet——全球最大的室内空间深度学习数据集，为推动后续群核在空间智能的探索提供了数据支撑。今年WAIC上，「甲子光年」也看到他们探索的数据处理的新范式，通过开源3D高斯语义数据集InteriorGS，首次将3DGS技术引入AI训练。

另外，「甲子光年」发现，空间智能的实现与数字AI方法不完全相同，需要合成数据等技术的参与。在AI训练过程中，3D训练数据由高度精确的计算机模拟生成，这些合成数据包含与现实世界的空间关系和物理规则有关的信息，既充当数据源，也作为AI训练场。

群核科技可能是全球唯一一家能做包含真实物理规律的、大规模的高质量合成数据的公司。

这些高质量室内数据是群核不可复制的技术壁垒，它提升了群核科技在空间智能领域的技术上限，也让群核科技得以在视频生成和3D场景建模之外，探索差异化的技术路径，并进一步进化形成围绕工具—数据—模型驱动的技术飞轮。

这一飞轮是如何转动的？

有了这层数据基础，群核左手探索数据应用场景，右手训练模型。

在数据商业化应用上，群核基于InteriorNet的起点，推动群核空间智能平台SpatialVerse。它通过搭建一个「数字道场」，让智能体通过高质量数据的充分训练，能够真正获得泛化能力，应对现实中的千万种复杂场景。

此前开源3D场景数据稀缺，已有的工作在算法选择上受限，一般通过蒸馏2D生成模型，导致结果视觉真实性不足；而群核科技十余年间积累的海量高质量3D可交互数据 ，则成为群核空间大模型的核心驱动力，使得模型进一步展现出理解与生成能力与较强的空间一致性，并加速了模型迭代。

这些数据使得模型以极低的门槛获得高真实还原度的3D场景——这一能力又提升了酷家乐等原有工具的深度体验，比如AI+设计的智能化应用。本次发布的SpatialLM 1.5，支持用户通过对话交互系统SpatialLM-Chat进行可交互场景的端到端生成。用户只需提供简单文本输入，可自动生成结构化场景脚本，智能匹配家具模型并完成布局，并支持后续通过自然语言进行问答或编辑。这些在工具中的落地应用，使得设计师和业主能够更高效地进行创意探索与方案验证。

而工具体验的优化也带来更多的场景数据沉淀。随着空间智能技术的提升，群核科技工具矩阵的触角，也从室内家居设计领域，逐渐蔓延至实时仿真渲染、工业智能制造，以及具身智能合成数据训练等新兴产业。这些工具在不同场景的落地应用，反哺了数据和模型能力，这种“工具—数据—模型”的正向循环持续深化技术护城河，也让群核科技数字经济的上半场建立起成熟的商业模式，并在下半场加速推进空间智能的产业融合。

群核科技联合创始人兼董事长黄晓煌

一言以蔽之，海量数据加速了模型迭代，模型的升级进而提升工具体验，工具优化进一步带来更丰富的场景和数据，由此，群核构建了一个正向循环的空间智能飞轮。

外界看到的是，它并不是过去大家印象中的那个群核科技了。

实际上，让AI走向物理世界，是黄晓煌十几年前就想做的事情。

“我在UIUC读博士时，专业是用GPU来做高性能计算。我的导师给我的课题是：当未来算力提升1000倍，你要研究的方向是什么？当时就做了两个，一是模拟人脑的运行，二是模拟物理世界的运行。我选择的是后者。”黄晓煌曾向「甲子光年」回忆道。

选择开源路径，也证实了他们坚持搭建空间智能基础设施的决心。他们认为开源的价值，在于减少重复劳动，让更多人加入到前沿技术探索中，有助于技术更快地升级和应用。为了推动技术平权，做大蛋糕，他们选择开源来铺好AI走向物理世界的桥梁。

3.真正能用起来的大模型，才能进入下一轮

当大模型的竞赛已经来到下半场，行业的关注逐渐从大模型的性能参数，转移至落地应用。

「甲子光年」在今年的世界人工智能大会（WAIC）上观察到，只不过两三年光景，大模型领域就从"百模大战"的热闹场面，变成了几个头部玩家的擂台。相比门庭若市的具身智能展厅，今年的大模型展厅显得更为低调务实，我们在现场最直观的感受是：大家都在试图讲好AI落地的故事，让AI真正成为生产力。

然而，如今仍在牌桌上的玩家被迫面对一个关键挑战：绝大多数炫技般的DEMO演示，在真实产业场景落地中遭遇"水土不服"，难以落地。视频领域的空间一致性难题就是典型案例——生成式AI可以轻松炮制单帧精美画面，却在连续帧的物理合理性上漏洞百出：物体凭空消失、材质突变、光影紊乱。这背后的原因是多数视频生成模型是基于图像或视频数据训练，这些算法通过海量视频数据学习到时空模式的关联性（例如“走路时手脚如何摆动”），但本质上缺乏对3D空间结构和物理法则的的理解和主动推演能力。

群核这次发布的SpatialGen模型，就有希望在AI视频创作领域发挥生产力。它让 AI 对空间的认知严格符合真实物理规律，从底层解决 2D 感知到 3D 理解的映射偏差。并首次基于多视角扩散+3DGS重建技术，从源头解决空间一致性问题。

SpatialGen支持任意视角切换、路径漫游，光照、纹理、遮挡关系全程物理一致。这使得模型在复杂场景中仍可以保持空间关系、物体布局的稳定性，可以解决视频创作中的空间穿帮问题。

据透露，群核还在研发一款基于3D技术的AI视频生成产品，并计划在今年内正式发布——这或许是全球首款深度融合3D能力的AI视频生成Agent。通过构建3D渲染与视频增强一体化的生成管线，有希望弥补当前AIGC视频生成中时空一致性不足的问题。

这样的技术变革也加速了AIGC进入商业化生产的流程，这是因为影视短剧、电商直播、工业设计等行业，不仅要求每一帧画面“看起来合理”，更要求整个视频序列在空间中像真实世界一样“合理存在”。

另一个可能被解决的行业壁垒在于机器人训练场景。数据少、成本高是目前具身智能的痛点，当前人形机器人的发展仍处于早期阶段，其真实场景下的物理交互数据积累极为有限，远未达到大语言模型训练所需的PB级数据规模。大规模真实数据的采集成本高昂，获取大量真实有效的数据需投入大量人力、物力与时间，比如在复杂环境中布置众多传感器和监测设备，这不仅设备采购费用高，还涉及安装、维护和更新成本。

SpatialLM 1.5生成的场景富含物理正确的结构化信息，且能快速批量输出大量符合要求的多样化场景，，恰好可以为具身智能训练提供切实可行的数据技术路径，也有望缓解具身智能的“数据荒”。

以养老场景为例：当用户输入"去客厅拿药"这样的自然语言指令时，系统能够自动生成包含完整空间参数的环境方案，并可视化呈现最优行动路径。SpatialLM的空间参数化生成能力，可以高效创建具备物理准确性的训练场景：首先基于自然语言描述生成结构化空间方案，继而自动匹配素材库构建三维环境，最终输出可供机器人进行路径仿真的可交互场景。

SpatialLM 1.5 机器人训练演示demo

这种技术突破的背后，是群核构建的「空间智能飞轮」正加速转动——数据驱动模型，模型优化工具，工具反哺数据，形成闭环。正如快手依托短视频生态推动可灵迭代一样，群核凭借酷家乐沉淀的海量室内物理数据，正在空间智能领域复现“工具—数据—模型”的技术增强回路。

这一飞轮支撑了群核科技的商业护城河。在技术研发与商业应用的正向循环驱动下，其资本进程加速推进。「甲子光年」注意到，群核科技于8月22日更新了招股书，继续推动在港交所的上市进程，冲刺“全球空间智能第一股”。他们的愿景则是通过开源推动全球空间智能技术快速前进，成为全球空间智能服务提供商，推动属于空间大模型的“DeepSeek时刻”尽快来临。

这并不是在炒概念，从酷家乐的数据积累到群核空间大模型的战略升级，群核的技术飞轮效应正在持续兑现。

杭州六小龙已经创造了一个“DeepSeek时刻”，下一个“DeepSeek时刻”或许离我们并不遥远。

（封面图及文中配图群核科技）