群核科技发布空间大模型，破解AI“见光死”难题 | AI新闻

type

status

date

slug

summary

“结构优先” vs “视觉优先”：AI理解物理世界的新范式

当前，全球科技巨头在构建“世界模型”（World Model）时，普遍采用“视觉优先”的路径。无论是OpenAI的Sora还是其他文生视频模型，其核心逻辑都是通过分析海量视频数据，让模型以归纳法“悟出”物理规律。这种方法追求的是视觉上的“看起来像”，但在精确性、可交互性和逻辑推理上存在天然的短板。

群核科技则另辟蹊径，提出了一种“结构优先”的哲学。其最新迭代的空间语言模型 SpatialLM 1.5，并非将3D信息“拍扁”成图像或点云，而是将其视为一种精确的、可编辑的“空间语言代码”，类似于计算机辅助设计（CAD）的逆过程。

在现场演示中，当用户输入“生成一个适合老人居住的卧室”时，模型不仅能理解“老人”这一模糊概念并配置轮椅，还能根据“需要一个带扶手的单人床”的追问，精准地从素材库中调取并放置模型。这一切的背后，是大模型对结构化空间指令的深度理解与生成。这种范式上的转变，让AI从一个模糊的“模仿者”，变成了一个精确的“建造者”。

攻克时空一致性：SpatialGen如何构建连贯的3D世界

视频生成是当前人工智能领域的热点，但“时空一致性”始终是难以逾越的障碍。许多AI生成的视频中，人物和背景常常出现不合逻辑的“闪变”或“崩坏”，被戏称为“群魔乱舞”。

群核科技此次发布的另一款全新空间生成模型 SpatialGen，则巧妙地解决了这一痛点。它并非试图逐帧“模拟”一个连续的视频流，而是选择去“构建”一个内在一致的3D空间。其核心是一个多视角扩散模型，能根据一张参考图和空间布局，生成任意相机点位的、空间上完全一致的多张图片。

这种方法的优势在于，它摆脱了对时间连续性的依赖。正如群核首席科学家周子寒所言，它可以实现“跳跃式”的视角生成，极大降低了在连续生成过程中累积错误的概率。在演示中，仅凭几张老房子的照片，SpatialGen就能生成一个可供用户自由“全息漫游”的3D场景，无论视角如何切换，墙上的海报、柜子上的摆件都保持着惊人的一致性。这对于追求内容连贯性的商业视频、虚拟制作等领域，无疑具有巨大的应用潜力。

从酷家乐到空间智能：群核科技的“数据飞轮”

群核科技之所以能走出这条独特的道路，并非偶然。其背后是长达十余年的深厚积累。其广为人知的产品酷家乐，作为全球最大的空间设计软件之一，在服务全球设计师的过程中，沉淀下了海量、高质量且独一无二的结构化空间数据。

这些数据不是杂乱的视频像素，而是由点、线、面等参数构成的精确几何指令。这笔宝贵的财富，为“结构优先”的大模型训练提供了最优质的“养料”。由此，群核科技构建了一个强大的“数据飞轮”：

工具生成数据：以酷家乐为代表的空间编辑工具，在实际应用中产生海量的结构化数据。

数据训练模型：利用这些独有的数据资源，训练出像SpatialLM和SpatialGen这样理解空间结构和逻辑的LLM。

模型强化工具：更强大的模型反过来赋能工具，使其具备更高的智能程度、交互性和正确率，从而吸引更多用户，产生更多数据。

这个闭环系统，让群核科技在空间智能领域构筑了难以逾越的技术壁垒，使其成为AI进入物理世界时不可或缺的关键力量。

结论：让AI真正走进现实世界

人工智能的终极目标是解决真实世界的问题。当行业普遍为AI的“见光死”而困扰时，群核科技从物理世界的真实需求出发，凭借其独特的结构化数据积累和“结构优先”的技术哲学，为我们展示了一条充满希望的道路。

从SpatialLM的精确交互到SpatialGen的时空一致性，我们看到AI不再仅仅是数字世界的“画家”，更有潜力成为物理世界的“建筑师”和“工程师”。群核科技的探索，不仅是为自身业务构建了坚实的护城河，也为整个AI行业如何跨越数字与现实的鸿沟，提供了宝贵的启示。

想了解更多关于AI的前沿动态和深度解析，欢迎持续关注领先的AI新闻门户 https://www.aigc.bar。