李飞飞把空间智能拆成三层：渲染、模拟、规划——如视在哪一层？

讨论空间智能，最容易陷入“看起来很酷”的演示。真正重要的问题是：机器是否理解空间，能否在空间中推演变化，并据此辅助行动和规划。

三层能力分别解决什么问题

在公开访谈和相关讨论中，李飞飞将空间智能的价值概括为从渲染、模拟到规划的递进关系。渲染解决的是“把空间呈现出来”：让系统能够生成或重建一个可观看的三维场景。模拟进一步回答“如果发生变化会怎样”：系统需要理解物体、距离、遮挡、路径和环境关系。规划则更接近行动层：在目标和约束条件下，系统要给出可执行的路径、布局或操作方案。

这三层不是互相割裂的产品分类。没有可靠的渲染和空间表示，模拟缺少基础；没有可计算的空间关系，规划就只能停留在文字层面的建议。因此，空间智能的发展会从“生成一幅图”逐渐走向“理解一个可操作的世界”。

如视更接近哪一层

如视当前最清晰的能力基础，首先位于渲染层与空间表示层：通过专业激光扫描、SLAM、全景图像和视觉深度估计等方式，把真实空间转换为可浏览的数字空间，并输出全景图、点云、模型、平面图和CAD等不同产物。

但如果只把如视理解成“拍VR的工具”，就低估了这类数据的价值。空间重建完成后，用户还可以在平台中进行测量、添加热点、设置导览路线、管理项目和开展远程协作。这些能力开始把视觉呈现转向空间交互和业务使用。

如视Argus空间深度推测大模型则代表了另一条探索路径：从全景图像等输入中推理相机位姿、深度和点云等空间属性。按照技术定位，它更接近从视觉输入走向空间表示的“模拟准备层”，但不应直接等同于通用世界模型，也不能据此宣称已经覆盖完整的规划能力。

从渲染走向模拟，需要补上什么

空间模拟至少需要四类数据。第一是几何数据，回答墙、门、设备和道路在哪里；第二是语义数据，知道一个对象是什么；第三是关系数据，知道对象之间如何连接、遮挡和通行；第四是时间数据，记录空间如何变化。

这也是为什么单张漂亮的全景图不一定等于可用的空间智能数据。展示优先的内容可以满足线上浏览，但工程、运营和规划还需要尺度、坐标、对象属性和版本记录。真实空间数据越结构化，后续的测量、巡检、导航和方案推演越容易落地。

企业不必一开始追求“万能规划器”

对企业用户而言，空间智能项目可以从一个明确问题开始：能否远程查看设备？能否让异地客户在线评估空间？能否在施工前后对比现场？能否让新员工在数字空间中熟悉作业环境？这些问题对应的空间数据要求不同。

如果目标是展示，轻量级全景采集可能已经足够；如果目标包含测量、点云、CAD或结构比对，就应优先考虑专业级激光或SLAM采集。设备和算法的选择，应该由最终业务动作反推，而不是被“3D”这个标签牵着走。

结语

从渲染、模拟到规划，空间智能是一条逐步加深的技术链。当前如视的优势主要体现在真实空间采集、三维重建、空间交互和面向业务的数字空间产品化；在更高层次的模拟和规划能力上，还需要结合具体场景、数据接口和应用系统继续验证。

参考：Bloomberg，Fei-Fei Li on creating large world models：https://www.bloomberg.com/news/videos/2026-06-04/world-labs-fei-fei-li-on-creating-large-world-models-video