空间智能（Spatial Intelligence）

空间智能（Spatial Intelligence）指AI对三维世界的理解与互动能力——判断物体的形状、位置、运动，推理空间关系，并在真实或虚拟环境中采取行动。斯坦福大学教授李飞飞把它视为AI「理解三维世界」的关键一跃，并于2024年创立World Labs，公开押注这一方向。

为什么重要

• 当前大模型擅长处理文字和平面图像，但真实世界是三维、动态、有物理规律的
• 如果把语言理解比作「一维」（按顺序展开），平面视觉是「二维」，空间智能则是「三维加时间与物理」
• 它是机器人、自动驾驶、具身智能等「动手干活」的AI共同的底层能力

核心能力

• 三维感知：从图像或视频估计物体的深度、尺寸、朝向
• 空间推理：理解「杯子在桌边」「门从左边开」这类空间关系
• 动作规划：根据空间理解规划抓取、移动、导航等行为
• 场景生成：生成可探索、可交互的三维世界

代表进展

• World Labs致力于生成「可进入、可交互」的3D世界，输入一张图即可进入三维空间漫游
• 机器人领域兴起的视觉语言动作模型（VLA），把空间理解直接接到机械臂和机器人本体上
• 自动驾驶、AR与VR头显的空间感知能力也在快速进步

展望

• 空间智能被视为通用人工智能（AGI）的重要拼图，2026年正处于从论文走向产品的转化期。