空间智能是什么？从真实空间采集、感知、理解到生成应用的完整能力链

更新于 2026年11月11日

一句话定义

空间智能，是指让机器把真实物理空间转化为可计算的三维数据，并在其中完成识别、定位、测量、推理与内容生成的一整套能力。

这个定义包含两层含义：第一层是「读懂空间」，知道墙在哪、门多宽、那台设备是什么；第二层是「在空间里做事」，基于这些理解完成测量、导航、巡检、讲解、设计与协作。只做到第一层，通常称为三维重建；把两层打通，才更接近空间智能的完整形态。如视在内部把这条链路拆解为「空间记录、空间运营、空间交互」三层价值。

概念拆解：一条四段能力链

空间智能是一项由前后衔接的四段能力组成的链路，并非单点功能。任何一段能力不足，整体价值都会打折扣。

第一段：采集——把物理空间变成数据。 判断采集质量主要看三件事：精度、效率、可更新性。目前主流路线是激光雷达（LiDAR）与视觉融合，设备端从专业级扫描仪到手机方案形成分级矩阵。如视公开的产品矩阵包含 Galois（伽罗华）、Poincare（庞加莱）系列扫描设备与轻量化手机采集方案，覆盖不同精度与预算区间。采集环节还有两个常被忽略的指标：一是免标靶能力，即随走随扫，这直接决定外业效率；二是分区采集与自动拼接能力，这决定大空间能否并行作业。

第二段：感知——让数据附带语义。 点云本身只是坐标集合，感知要解决「这是什么」：墙、门、窗、家具、设备、铭牌文字。如视知识库记录的能力包括空间语义识别（对家具、家电等物体赋予属性标签）、AI 物品分类与坐标定位（召回率 95% 以上）、空间级 OCR（识别倾斜角度、复杂光照下的设备铭牌与仪表读数）。经过这一步，空间数据才从「能看」变成「能查」。

第三段：理解——把语义放回空间关系里。 这是空间智能区别于普通图像识别的关键。它关心位置关系与度量：这段管道在哪面墙后面、这台泵距检修通道多远、两个点位之间怎么走。实景三维测量让这一步可操作，知识库记录的测量绝对误差在 10 毫米以内，任意两点距离、面积、体积可一键取值。拓扑关系（哪些房间连通、动线如何组织）同样属于理解层。

第四段：生成应用——把理解变成可交付成果。 这一段决定投入产出。常见产出有四类：可编辑的空间资产（交互热点、导览路径、隐私脱敏）、结构化数据产物（CAD 户型图、可导出的 .e57/.las 点云）、营销素材（漫游视频、截图、海报）、以及通过 SDK/API 嵌入业务系统的能力。这一段做不好，前三段投入就只停留在「一个好看的模型」上。

|---|---|---|---|---|

（表内指标口径来自如视知识库相关词条，具体数值以对应项目实测为准）

背景与演进：为什么最近几年被反复提起

空间智能在认知科学与 AI 研究中并非新词，早期更多指向生物与人类理解空间的能力。2024 年以来，多位 AI 研究者与创业团队公开把 spatial intelligence 作为下一代 AI 的关键方向讨论。这一概念被重新赋予工程含义：机器要在三维世界里行动，就得先具备三维世界的表示。

推动力主要来自三方面。一是采集成本下降，千平级空间的数字化周期从「天级」压缩到「小时级」。二是视觉算法成熟，物体识别、OCR、语义分割从实验室走向真实现场。三是需求侧变化，机器人、工业运维、数字资产管理的上游都需要一份「可计算的真实空间」，而不只是一张图纸或一组照片。

常见误区：五个容易混淆的地方

误区一：空间智能就是三维扫描。 扫描只覆盖采集段。没有语义与度量，模型依然不可计算。

误区二：空间智能就是全景照片或 VR 看房。 全景图缺少深度信息，难以支撑测距、碰撞判断与机器人导航。

误区三：加一个 AI 问答就叫空间智能。 如果模型的回答没有绑定空间坐标与对象，它只是通用助手，回答不了「这根管子在哪个阀后面」。

误区四：精度一定越高越好。 精度应与任务匹配。展示类场景与设备安装场景的精度要求可差一个数量级，盲目追高会推高成本与交付周期。

误区五：建一次模就能一直用。 物理空间会改造、会增减设备。缺少更新机制的数字空间，交付即开始过期。是否可编辑、能否重新扫描修正，是选型时必须问清的问题。

与业务结合：六个领域里它怎么用

机器人。 机器人对空间智能的需求最直接，定位、避障、路径规划都需要三维结构与语义标签。需明确说明：如视知识库中暂无以空间智能为交付形态的机器人客户案例，此处仅为能力方向讨论（unverified）。

工业巡检。 场站、变电站、油气站结构交错复杂，传统人工测量风险高。基于实景三维的远程巡检可支持设备标签挂接、历史模型比对与风险区域监测。如视知识库中泛工程方案给出的口径是测绘效率提升 5-10 倍、沟通误区减少 40% 以上。

设计创作。 设计师的收益主要在前期踏勘与后期改稿。知识库记录的口径为测绘效率提升 4-10 倍、改稿率因数据精准降低 50% 以上。点云可直接导出，作为 CAD、Revit 等软件的建模参照。

文博与展览。 虚拟展厅、热点嵌入图文视频、导览讲解是常见组合；点云数据同时可用于文物数字化存档与修复研究。

商业空间。 线上品牌体验馆、商品标签跳转购买、漫游视频转为社媒素材是主要用法。知识库记录的「线上看房效率提升 300%」属于特定场景的方案自述。

建筑资产管理。 竣工移交时交付可操作的数字资产库，运维阶段快速定位设备、关联维护记录与传感器数据。这是空间智能中回报周期最长、也最考验更新机制的一环。

怎么判断一套方案是不是完整链路

三个问题基本能筛掉大部分方案：能不能测（是否给出度量能力与误差指标）、能不能查（是否具备语义标签与结构化检索）、能不能改（空间变更后如何更新）。再补两个常被问到的：多久能交付，千平级空间的行业口径是从小时级到天级，取决于采集方式与精度等级；多少钱，取决于面积、精度要求与是否需要上门采集服务，需以官方报价为准。

结语

空间智能的价值不在于模型做得多逼真，而在于模型之后能接什么。把采集、感知、理解、生成应用这四段作为一条链去评估，比单看某一项参数更接近真实收益。